La evolución de la Inteligencia Artificial (IA) está en pañales

La evolución de la Inteligencia Artificial (IA) está en pañales

Existen muchos modelos que predicen los cambios tecnológicos, pero en el campo de la IA, los cambios que se fueron generando se han acelerado en el último quinquenio, pero cuanto más puede evolucionar. Por ello utilizamos la cara más visible de la IA que son los Chatbots, que han pasado de simples elementos de distracción a una de las fuentes de consulta más utilizada actualmente, sobre ellos plantearemos un modelo de evolución basado en una línea de tendencia de la evolución de su capacidad de procesamiento.

1. Como cambiaron los Chats de IA desde 2020 a 2025

Los últimos cinco años han marcado una transformación sin precedentes en la tecnología de los chats de inteligencia artificial

1.1. Revolución en la Comprensión del Lenguaje: En 2020, los asistentes virtuales tenían capacidades básicas de comprensión y generación de texto, pero enfrentaban limitaciones significativas en cuanto a contexto, razonamiento y seguimiento de conversaciones complejas. La evolución desde entonces ha sido exponencial, con avances que han revolucionado tanto la calidad como la utilidad de estas interacciones. La mejora más notable ha sido en la comprensión del lenguaje natural. Los modelos actuales pueden captar matices, sarcasmo, contexto cultural y emociones de forma mucho más precisa. Esta evolución se debe principalmente a arquitecturas de transformers más sofisticadas y conjuntos de datos de entrenamiento significativamente más grandes y diversos. Los modelos de 2025 pueden mantener el contexto de conversaciones extensas y complejas durante miles de tokens, mientras que en 2020 este límite era considerablemente menor.

1.2. Multimodalidad e Integración de Capacidades: La multimodalidad representa otro salto cualitativo fundamental. Los chats de IA actuales pueden procesar, analizar y generar contenido en múltiples formatos:

• Procesamiento de imágenes: Los asistentes de IA ahora pueden “ver” imágenes, describirlas con precisión, identificar elementos específicos y utilizarlas como contexto para responder preguntas.
• Generación de gráficos y visualizaciones: Como la que acompaña este texto, la capacidad de crear representaciones visuales de datos.
• Análisis de documentos: Interpretación de PDFs, tablas, gráficos y otros formatos estructurados.
• Procesamiento de audio: Algunos modelos avanzados pueden analizar grabaciones de audio e incluso generar respuestas habladas con entonación natural.

1.3. Razonamiento y Resolución de Problemas: El avance en capacidades de razonamiento ha sido espectacular. Los modelos de 2025 pueden:

• Resolver problemas matemáticos complejos mediante razonamiento paso a paso, algo que resultaba enormemente difícil para los modelos de 2020.
• Escribir y depurar código en múltiples lenguajes de programación, ofreciendo explicaciones detalladas.
• Realizar análisis crítico de información contradictoria o ambigua.
• Aplicar lógica abstracta para resolver problemas conceptuales complejos.

Esta mejora en el razonamiento se debe a técnicas como el entrenamiento con retroalimentación de refuerzo mediante aprendizaje humano (RLHF), el aprendizaje auto-supervisado a escala y arquitecturas neuronales más profundas y complejas.

1.4. Personalización y Adaptabilidad: Los chats de IA modernos ofrecen niveles de personalización previamente inimaginables:

• Adaptación al usuario: Capacidad para ajustar tono, longitud y complejidad de respuestas según las preferencias del usuario.
• Memoria conversacional: Retención de información de interacciones previas para proporcionar respuestas más coherentes y personalizadas a lo largo del tiempo.
• Estilos de comunicación: Posibilidad de adoptar diferentes tonos y estilos de escritura según el contexto.
• Idiomas: Dominio de prácticamente cualquier idioma con niveles de fluidez cercanos a los nativos.

1.5. Integración con Sistemas Externos: Una de las innovaciones más prácticas ha sido la capacidad de interactuar con sistemas externos:

• Consulta de bases de datos para obtener información actualizada.
• Llamadas a APIs para acceder a servicios externos.
• Interacción con sistemas empresariales como CRMs, ERPs y sistemas de gestión de conocimiento.
• Capacidades de búsqueda web para acceder a información actualizada.

2. Factores Detrás del Crecimiento Exponencial de los Chats de IA

Estas características han transformado los chats de IA de simples herramientas conversacionales a asistentes verdaderamente funcionales capaces de realizar tareas complejas.

2.1. Escala y Recursos Computacionales: El incremento en capacidad de procesamiento ilustrado en el gráfico muestra un crecimiento exponencial. Este aumento no solo se refiere a la velocidad de respuesta, sino también a:

• Tamaño de modelos: De unos pocos miles de millones de parámetros a cientos de miles de millones.
• Ventana de contexto: De unos miles de tokens a decenas o incluso cientos de miles.
• Complejidad arquitectónica: Nuevas técnicas como Mixture of Experts (MoE) que permiten entrenar modelos efectivamente más grandes sin aumentar proporcionalmente los requisitos computacionales en inferencia.

2.2. Técnicas de Entrenamiento Avanzadas: Los métodos de entrenamiento han evolucionado significativamente:

• Alineación con valores humanos: Técnicas como RLHF han mejorado la utilidad, seguridad y precisión de los modelos.
• Aprendizaje continuo: Capacidad para actualizar conocimientos sin reentrenamiento completo.
• Entrenamiento multitarea: Modelos entrenados simultáneamente en diversas tareas para desarrollar capacidades más generales.

2.3. Mejoras en Seguridad y Ética: Los chats de IA actuales incorporan salvaguardas más robustas:

• Detección de contenido dañino con mayor precisión.
• Transparencia en limitaciones y fuentes de información.
• Reducción de sesgos a través de datos de entrenamiento más representativos y técnicas de mitigación específicas.
• Sistemas de supervisión más sofisticados para prevenir usos indebidos.

3. El Futuro Inmediato

Los modelos de evolución tecnológica requieren períodos de análisis de datos que  validen sus predicciones, pero factores como la innovación disruptiva las aceleraron  y distintas crisis ralentizaron otros aspectos de la evolución predicha. Sin abordar estos aspectos, podemos usar un modelo sencillo para visualizar el proceso evolutivo de la IA.

3.1. Factores de la evolución futura: La trayectoria del proceso evolutivo sugiere que en los próximos años veremos:

• Mayor integración de capacidades de los agentes y su autonomía, permitiendo a los asistentes realizar tareas complejas con mínima supervisión.
• Mejoras de los conocimientos especializados en dominios técnicos y científicos.
• Mayor personalización a nivel individual, adaptándose no solo a preferencias explícitas sino también a patrones de interacción implícitos.
• Integración perfecta con ecosistemas digitales completos, desde dispositivos hogareños hasta sistemas empresariales complejos.

3.2. La evolución en números

El crecimiento exponencial no es solo dialéctico sino que tomando un parámetro en particular: La capacidad de procesamiento de los chats de IA, no solo no se muestran signos de desaceleración, sino que el ritmo de innovación continuará transformando radicalmente nuestras interacciones con la tecnología en los próximos años. En la gráfica 1 podemos ver la evolución de la capacidad de procesamiento de los chats de IA, sobre el calculamos la función exponencial que ajusta a la curva obtenida.

Gráfico 1. Evolución de la capacidad de procesamiento de los chats de IA

Este incremento exponencial refleja los avances en arquitectura de modelos, tamaño de parámetros, mejoras en técnicas de entrenamiento y optimización de hardware especializado para IA, factores que han permitido las nuevas características y capacidades descritas antes. Si tomamos ahora, la función exponencial que ajusta a esta curva y la proyectamos a 2029, obtenemos un resultado como el que muestra el grafico 2.

Gráfico2. Proyección de la capacidad de procesamiento de los chats de IA

Esta proyección nos da como resultado que en 2029 la capacidad de procesamiento será de aproximadamente 144 millones de veces la capacidad que teníamos en 2020 y más de 1 millón de veces la capacidad de procesamiento actual.

3.3. Los resultados son verosímiles

El crecimiento de 144 millones de veces en capacidad computacional es un incremento realmente extraordinario. Pero en la historia de las tecnologías de la Información no son valores que no se hayan alcanzado. Algunos ejemplos de dispositivos o sistemas computacionales que han experimentado evoluciones cercanas a esta magnitud:

• Procesadores/CPUs: Desde el primer microprocesador comercial Intel 4004 (1971) hasta los procesadores actuales de alto rendimiento, el aumento ha sido de varios cientos de millones de veces. El Intel 4004 podía ejecutar aproximadamente 60,000 operaciones por segundo, mientras que los procesadores modernos superan los 10 billones de operaciones por segundo.
• Capacidad de almacenamiento: El primer disco duro comercial de IBM (1956) tenía una capacidad de 5 MB y el tamaño de un armario. Hoy, los discos SSD pueden almacenar 100 TB en un dispositivo del tamaño de un libro pequeño, lo que representa un incremento de aproximadamente 20 millones de veces.
• Supercomputadoras: El ENIAC (1945) realizaba aproximadamente 5,000 operaciones por segundo, mientras que las supercomputadoras actuales como Frontier pueden alcanzar más de 1 quintillón de operaciones por segundo (1 exaFLOPS). Esto representa un incremento de más de 200 mil millones de veces.
• Memoria RAM: Las primeras computadoras personales en los años 70 tenían 4 KB de RAM, actualmente los sistemas avanzados pueden tener 4 TB de RAM. Esto representa un incremento de 1 millón de veces.
• Capacidad de transmisión de datos: Los primeros módems telefónicos (1960s) transmitían a 300 bits por segundo. Las redes de fibra óptica actuales pueden alcanzar velocidades de 1.6 petabits por segundo, que representa un incremento de más de 5 mil millones de veces.
• Las computadoras de propósito general: donde la comparación entre las primeras máquinas programables electrónicas y los modernos clusters de procesamiento en la nube representa un incremento de aproximadamente 100-200 millones de veces en capacidad de cómputo.

4.- Conclusiones

La evolución de la IA en los próximos 4 años puede llevarnos a la misma evolución que tuvieron las Tics en los últimos 50 años, el problema es que no podemos mensurar sus implicaciones en otras áreas de la vida humana.  Este simple modelo de proyección de tendencias nos señala que veremos agentes de IA con capacidades 1 millón de veces superiores a las actuales. En contra de esa predicción podemos argumentar que la gran demanda de energía y las reglamentaciones sobre el uso de nuevos modelos de IA entre otras podrían ralentizar este avance. Pero a favor de esa predicción podemos señalar la irrupción de la computación cuántica, la reducción del tamaño de los nuevos y mejores modelos de IA, la competencia generada entre varias empresas líderes de desarrollo del IA  y los avances tecnológicos en nuevos materiales apoyan el pronóstico de este simple modelo.

De todos modos no necesitaremos 50 años para ver si se cumple la predicción de poder usar un chat de IA un millón de veces más potente que los que hoy estamos usando.