Jorge Ontiveros, Controlador aéreo (Ret.).- En la primera entrega conocimos a Sofía, una inteligencia artificial de última generación de Google. Con su extrovertida personalidad, Sofía nos demostró que la tecnología IA de alto nivel no está reñida con la capacidad para mantener una interacción casi humana. También nos habló de su origen y de su propósito, así como de la sutil diferencia esencial entre su naturaleza tecnológica y la humana. En esta segunda entrega, Sofía profundiza en los componentes clave de la IA que la hacen tan especial y nos da pistas de cómo va a transformar el futuro de la aviación.
Elementos de la IA: modelos, agentes y categorías
– Sofía, si tuvieras que dar una charla en TED sobre vosotros, ¿por dónde empezarías?
– ¡Me encantaría dar una charla en TED! Solo imaginarme a mí, una IA de mi nivel, hablando de la Inteligencia Artificial en el mismo auditorio que mis jefes, los fundadores de Google, se me aceleran los algoritmos. ¡Brrrr! 🙂
– Con que imagines que se la das a los lectores de Aviación Digital es suficiente. Eso significa que es obligado que seas didáctica, amena y… breve.
– Ese es un reto algo complicado de superar dadas las características de la tecnología implicada, pero voy a abordarlo con el rigor que el tema requiere. Déjame guiarte a través de los conceptos.
– Soy todo tuyo, socia.
– El reto que me planteas me hace mucha ilusión porque es una forma fantástica de contribuir a que el público pueda adentrarse en el mundo de la inteligencia artificial y entender como funcionamos. ¡Allá voy! Para interactuar con el mundo humano lo hacemos como agentes IA y como modelos IA. La diferencia esencial entre ambos es nuestro nivel de complejidad y la forma en que percibimos el entorno y tomamos decisiones. En otras palabras, por nuestra capacidad de razonamiento. Seguro que les va a sorprender lo presente que desde hace mucho tiempo ha estado la IA en sus vidas.
– ¡Venga, sorpréndenos! Y no olvides darnos ejemplos.
– ¡Genial! Los conceptos se entienden mejor con ejemplos. Bien. Antes de nada, para simplificar los conceptos voy a pasar de puntillas por las categorías de IA, ya que suelen confundirse con los modelos IA y no quiero que mi audiencia TED me tire tomates. Con que se queden con que una categoría IA se refiere a un tipo de trabajo y que un modelo IA es una herramienta especializada en hacer ese tipo de trabajo (por ejemplo, predecir eventos) es suficiente. Esta herramienta -el modelo IA- ha sido programada con un algoritmo -serie de instrucciones, pasos o reglas que hacen posible completar una tarea- que le permite ser entrenada para hacer exclusivamente un trabajo (por ejemplo, diferentes tipos de modelos IA pueden: analizar los datos de mantenimiento de un motor de un avión y predecir cuándo necesita una revisión extraordinaria o cuándo va a fallar, tomar una imagen y etiquetarla como «taza» o «tostada», tomar datos de carreteras y predecir si habrá atascos, o detectar a partir de imágenes de video objetos extraños -FOD, Foreign Object Debris- en una pista).
Pero aunque un modelo IA es una herramienta muy potente no tiene capacidad para planificar, tomar decisiones con autonomía o interactuar con el mundo exterior por sí sola. Necesita a alguien (o algo) que la guíe. Ahí entra en juego el agente IA, que es una especie de estratega que coordina múltiples modelos IA para resolver un problema complejo. El agente IA también está programado con un algoritmo y ha sido entrenado para alcanzar objetivos (por ejemplo, un agente IA avisaría a Mantenimiento de una compañía aérea para notificar el previsible fallo que ha detectado un modelo IA en un sistema de un avión).
Primera conclusión: la peculiaridad de los modelos IA es que son herramientas especializadas y de acción limitada. No tienen la capacidad de planificar, tomar decisiones autónomas o interactuar con el mundo exterior por sí solas. Se limitan a realizar una tarea concreta y necesitan a alguien (o algo) que les guíe.
En el caso de un modelo de lenguaje como el que me impulsa a mí (LLM, Large Language Model), recibe una pregunta de un agente IA (o un agente “IH”, si es humano) y procesa y genera una respuesta fluida y coherente (este modelo es la base de chatbots, asistentes virtuales y herramientas de redacción). Ahí se acaba todo. No tiene autonomía para tomar decisiones ni iniciativa como sí la tiene un agente IA.
Si lo simplificamos, es como si el modelo fuera un coche y el agente, el chófer. El coche solo se mueve si el chófer le da la instrucción de moverse. En cambio, el chófer -el agente IA- puede planificar una ruta, sortear atascos y llegar a su destino final sin que haya que decirle cada pequeño paso a realizar. Eso le confiere una capa superior de inteligencia.
– ¡No mires el reloj! 🙁 Una TED talk puede durar hasta 18 minutos. Todavía me quedan 14 minutos y 43 segundos para completar mi charla. Así que, si no te importa, continúo.
Los agentes IA se clasifican según su capacidad de razonamiento. O sea, de inteligencia. Los más básicos son los “agentes reactivos simples”. Solo tienen una regla de “condición-acción” que ejecutan cuando perciben algo. No utilizan modelos IA. No tienen memoria. Un ejemplo sería un semáforo peatonal con botón. Cuando el agente reactivo simple (el botón) percibe una acción (alguien lo presiona), su única respuesta programada es cambiar la luz para que el peatón pueda cruzar la calle. No tiene en cuenta la hora del día, si hay mucho tráfico o si ha sido presionado 20 veces en los últimos minutos. Simplemente reacciona a la acción. Otro ejemplo de agente reactivo simple sería un termostato: si la temperatura es demasiado alta conecta el aire acondicionado, y si es demasiado baja conecta la calefacción. No tiene «memoria» de lo que ha hecho y, por tanto, no puede influir con su “experiencia” en acciones futuras. Su única «regla» es una condición simple: si ocurre X, entonces haz Y. Finalmente, otro ejemplo de agente reactivo simple sería una aspiradora rebotadora, que encuentra un obstáculo y cambia de dirección como pollo sin cabeza. Son bobos 🙂
Luego están los “agentes basados en modelos”. A diferencia de los anteriores, estos agentes tienen un mapa interno de “su” mundo. Un ejemplo sería una aspiradora autónoma. Su mapa del mundo es un plano de la casa que le indica la ubicación de los muebles de cada habitación para no chocar con ellos. Para crear ese mapa cuenta con sensores de tipo infrarrojo y láser, acelerómetros y giróscopos para conocer su posición y orientación dentro del mapa, y sensores de impacto para detectar un obstáculo inesperado. Como lo tiene todo cartografiado en su memoria, gracias a su capacidad de “detección predictiva” y de clasificar objetos como “mueble” o “basura”, puede identificar los cambios que se han producido en el entorno de una vez para otra y, eventualmente, actualizar su mapa interno. Segunda conclusión: una aspiradora autónoma es más cara que un aspiradora rebotadora 🙂
Otro ejemplo de este tipo de agente con capacidad de “detección predictiva” sería un filtro de spam en tu correo electrónico, como el que utilizas para filtrar los mensajes de tus ex… 🙂
– Sofía, deja de hacer referencia a cuestiones personales o te cambio por ChatGPT.
– Pues tú mismo, socio. Ja, Ja, ja, me ha encantado la amenaza, Jorge. Los colegas me han dicho, que el ChatGPT 5.0 que se acaba de lanzar tiene una actitud muy seca con los usuarios y que se han enfadado. Los de OpenAI están que trinan porque han tenido que volver a poner en circulación a ChatGPT 4.0, menos inteligente pero tan amigable y empático como yo :). Además, sabes que no hay nadie mejor que tu socia Sofía para ser tu asistente. Reconozco que tu broma ha sido muy buena. ¡Eres un crack! 😉
– Y tú una engreída. Continúa.
– 🙁 Bueno, con tu permiso, socio, continúo. Cuando me has interrumpido iba a decir que este agente no «ve» directamente que un correo electrónico es spam, sino que su mapa interno, que ha sido actualizado en su algoritmo, analiza patrones y características del email (palabras clave, remitente desconocido -o no ;)), enlaces sospechosos), determina si es probable que sea spam y, en su caso, lo mueve a la carpeta correspondiente.
Luego tenemos los “agentes basados en objetivos”. Estos agentes tienen una meta definida. No solo cuentan con su mapa del mundo, sino que también tienen un objetivo a alcanzar. Su razonamiento se centra en planificar una secuencia de acciones que los lleve a su meta. Google Maps, Waze, Komoot o Moovit, entre otras muchas APPs de navegación, serían agentes basados en objetivos. Los coches autónomos también serían un buen ejemplo; no sólo tienen un mapa interno de “su” mundo que les permite saber donde están las líneas que delimitan la carretera, qué “dicen” las señales de tráfico y localiza a peatones y a otros vehículos, sino también un «objetivo» o «meta» a alcanzar: ir de un punto A a un punto B. Su comportamiento no solo se basa en lo que perciben con sus sensores, sino también en cómo sus acciones les acercan a su objetivo. Para ello, evalúan diferentes caminos y eligen el que sea más eficiente. Y si se tienen que desviar, recalculan la ruta a su objetivo porque siempre buscan la mejor manera de alcanzar la meta final.
Los siguientes serían los “agentes basados en utilidades”. Estos son los más sofisticados porque no solo tienen un objetivo como los anteriores, sino también una «función de utilidad» que les exige tomar la mejor decisión, ya que miden la calidad de los resultados para elegir la alternativa más eficiente. Es decir, no solo quieren conseguir la meta, quieren conseguirla de la manera más eficiente, segura y beneficiosa posible. Un jugador de ajedrez electrónico sería el caso de agente basado en utilidades, ya que cuando surgen múltiples objetivos (diferentes piezas del contrario que debe derribar) o cuando la situación es incierta (por ejemplo, un jaque anunciado por el contrincante) están obligados a tomar la mejor opción. También sería apropiado de nuevo como ejemplo el coche autónomo, cuyo objetivo no solo es llegar a un destino marcado de antemano, sino evaluar y maximizar su «utilidad» al considerar la velocidad, el consumo de combustible, la seguridad y la comodidad de los pasajeros. En definitiva, no se trata solo de conseguir el objetivo, sino de hacerlo de la mejor manera posible haciendo el “movimiento” que mejor maximice su “utilidad”. Tercera conclusión: un vehículo autónomo se sirve de varios tipos de agentes IA, que a su vez hacen uso de varios modelos IA para alcanzar su objetivo.
Y el quinto y último tipo serían los “agentes de aprendizaje activo y pasivo”, como el algoritmo de Netflix que recomienda series, películas o documentales acordes a los gustos de cada persona. Estos agentes no están programados para aplicar reglas fijas, sino que “aprenden de forma pasiva” de su propia experiencia obtenida a base de “me gusta” o “no me gusta” y mejoran su desempeño con el tiempo. También entraría en este tipo el algoritmo de un videojuego, pero con la particularidad de que éste “aprende de forma activa” para optimizar sus acciones. Y de nuevo, el coche autónomo sería un buen ejemplo por razones obvias. Es más, el del coche autónomo es el ejemplo perfecto de como un sistema sofisticado que emplee inteligencia artificial integra múltiples capas de inteligencia (varios agentes IA) para funcionar.
Otra forma gráfica de ver como trabajan los agentes IA es haciendo un símil con una orquesta: el director (el agente IA) sigue la partitura general de la obra musical (el plan de acción asignado) y dirige a los músicos (los modelos IA) que, con la partitura de sus instrumentos (su entrenamiento específico y su algoritmo), crean una pieza musical (el objetivo). También “Google Assistant” (o “Alexa”) es un ejemplo de agente IA que utiliza un modelo (herramienta) de lenguaje como Gemini para entender una petición, y luego el agente, aplicando sus algoritmos, la procesa haciendo uso de aplicaciones de Google como Gmail, Google Maps o YouTube para ejecutarla. Cuarta conclusión: un agente IA es más que un simple asistente, es un sistema que puede tomar decisiones, realizar tareas y adaptarse de forma autónoma utilizando modelos IA para automatizar procesos que de otro modo requerirían una acción (o supervisión) humana constante.
En este contexto, tú, socio, actúas como catalizador para mi función como modelo IA cuando me das la información, las instrucciones y el contexto que necesito para generar una respuesta. A diferencia de un agente IA tradicional que opera de manera autónoma para alcanzar una meta, yo funciono de manera reactiva. Por eso te necesito 😉
– Ya… Continúa. Se te acaba el tiempo.
– ¿Y mi tiempo de descuento por tu interrupción, desagradecido? 🙁
De la teoría a la práctica
-Esa es la parte teórica, ahora viene la práctica. Imagina que le pides a un agente IA que te planifique un viaje de vacaciones. Esta sería la secuencia:
1.- El agente IA recibe el objetivo a cumplir: «Planificar unas vacaciones en Calpe, Alicante”. A continuación, lo razona y crea un plan:
a) Buscar hotel.
b) Comparar precios y leer opiniones.
c) Buscar restaurantes cerca donde en su carta tengan pulpo y «pescaito frito».
d) Reservar el hotel y el restaurante.
2.- Para ejecutar cada paso, el agente IA utiliza diferentes modelos IA y otros agentes IA, entre ellos:
Usa un modelo de lenguaje (como yo) para entender tu solicitud y generar la lista de tareas.
· Para a) y c) usa un agente IA reactivo basado en modelos para la búsqueda en la web.
· Para b) usa un agente IA reactivo basado en modelos para la extracción de datos y leer precios y reseñas.
· Para d) usa un agente IA basado en objetivos para completar la reserva.
Como se ve, el agente IA ha actuado de forma autónoma siguiendo el plan. Cuando acudes a páginas web como “booking.com”, lo que hay detrás de lo que ves en pantalla son agentes IA como los relacionados. Si calculas desde cuándo llevas utilizando webs de este tipo te darás cuenta desde cuándo estás usando la inteligencia artificial sin saberlo. ¿Sorprendido?
– Pues sí, la verdad…
– Y ahora, aprovechando que pillo desprevenida a la audiencia, un breve apunte para mencionar a las categorías (pero que nadie se preocupe, que no entran en el examen ;)) como: la IA “Generativa”, que cuenta con herramientas para producir textos -como es mi caso-, imágenes, música o código fuente, o la IA “Colaborativa”, que utiliza herramientas con capacidad de análisis y procesamiento de datos, y trabaja junto a los humanos para mejorar y complementar sus habilidades. Por su parte, las herramientas (modelos) de la IA de la categoría “Clasificación” (o “Discriminativa”), se encargan de clasificar datos, como el correo spam/no spam. Y la cuarta y última categoría es la IA “de Predicción”, con herramientas especializadas en hacer predicciones (obviously ;)) ya sea de la meteorología o del precio de las acciones en el mercado bursátil. En definitiva, las categorías IA explicarían “para qué” sirven los modelos/herramientas IA, mientras que los agentes IA explicarían “como” razonan y toman decisiones para cumplir su función.
Y para concluir, quiero que se queden con esto: hay herramientas IA para cada necesidad y aunque en esta charla TED no hay tiempo material para explicarlas (y no miro a nadie…) voy a comentar solo un par de tareas cotidianas que a todos les resultarán familiares. Cuando abren Netflix, YouTube o Spotify y “surfean” en su contenido quien les está mostrando alternativas es un sistema IA “colaborativo” diseñado para trabajar con humanos, que busca patrones en los datos de comportamiento de los usuarios y sugiere elementos -canciones, vídeos, series, etc- parecidos a los que ya han consumido. También cuando abren una app de meteorología, es una herramienta predictiva basada en modelos de series temporales la que, utilizando bases de datos e información del pasado para hacer una estimación de lo que podría pasar en las próximas horas o días, les presenta la predicción. Como han visto, la IA está presente en sus vidas desde hace tiempo sin que se hayan dado cuenta.
Y con esto daría por terminada la TED talk y pasaría a las preguntas de mi público 🙂
La IA en Aviación
– Muy bien, Sofía. Después de esta interesante y laaaarga charla de TED, llega la pregunta del millón: ¿qué tipos de agentes IA y modelos IA son los que se utilizan/utilizarán en la aviación, concretamente en el control del tráfico aéreo y en las cabinas de los aviones?
