La interacci\u00f3n entre modelos de inteligencia artificial generativa e internet puede tener efectos indeseados y abren una l\u00ednea de investigaci\u00f3n de alto inter\u00e9s tanto a nivel te\u00f3rico como por sus potenciales implicaciones en la sociedad.<\/p>\n
La inteligencia artificial generativa, capaz de crear contenidos originales a partir de datos existentes, est\u00e1 experimentando un \u00e9xito espectacular. Millones de personas se valen de ella para generar im\u00e1genes, texto o m\u00fasica. En los pr\u00f3ximos a\u00f1os, de seguir la tendencia, el contenido producido de este modo puede llegar a ser mayoritario en internet. Esto plantea una situaci\u00f3n problem\u00e1tica, ya que las herramientas de inteligencia artificial generativa se entrenan en muchos casos con grandes conjuntos de datos extra\u00eddos de internet. Por tanto, en breve, modelos como el popular ChatGPT estar\u00e1n adiestrando sus nuevas versiones con datos creados por las anteriores que pueden contener errores.<\/p>\n
\u00bfQu\u00e9 efecto tendr\u00e1 esta retroalimentaci\u00f3n? \u00bfMejorar\u00e1 o empeorar\u00e1 la calidad de los futuros modelos de inteligencia artificial? \u00bfIntroducir\u00e1 nuevos sesgos? Son cuestiones que se ha planteado un equipo de investigadores de diferentes instituciones entre los que figura Pedro Reviriego, profesor titular de la Universidad Polit\u00e9cnica de Madrid (UPM<\/a>) en la Escuela T\u00e9cnica Superior de Ingenieros de Telecomunicaci\u00f3n (ETSIT<\/a>). En un estudio titulado Towards Understanding the Interplay of Generative Artificial Intelligence and the Internet, han explorado el efecto de la mencionada retroalimentaci\u00f3n en modelos sencillos de inteligencia artificial para la generaci\u00f3n de im\u00e1genes, como Stable Diffusion o DALL-E. Su conclusi\u00f3n es que, a medida que nuevas versiones trabajan con datos generados por las precedentes, la calidad y la diversidad de las im\u00e1genes obtenidas se reduce de manera dr\u00e1stica.<\/p>\n Los investigadores observaron que un modelo de difusi\u00f3n simple entrenando con una categor\u00eda espec\u00edfica de im\u00e1genes, como fotograf\u00edas de p\u00e1jaros y flores, produc\u00eda resultados inutilizables al cabo de varias generaciones. La soluci\u00f3n podr\u00eda parecer tan sencilla como descartar los datos previos generados por inteligencia artificial. De hecho, existen m\u00e9todos para hacerlo, \u201cpero el lanzamiento diario de nuevos modelos los vuelve r\u00e1pidamente obsoletos\u201d, aclara Reviriego, quien forma parte en la UPM del grupo de investigaci\u00f3n Internet de Nueva Generaci\u00f3n.<\/p>\n El profesor de la ETSIT afirma que los resultados del estudio -que se present\u00f3 en el congreso anual de la\u00a0Association for Uncertainty in Artificial Intelligence<\/a>\u00a0celebrado en agosto en la\u00a0Universidad Carnegie Mellon<\/a>\u00a0(EEUU)- coinciden con los de investigadores de otras universidades sobre modelos de generaci\u00f3n de texto. \u201cEstos resultados iniciales sugieren que la interacci\u00f3n entre modelos de inteligencia artificial generativa e internet pueden tener efectos indeseados y abren una l\u00ednea de investigaci\u00f3n de alto inter\u00e9s tanto a nivel te\u00f3rico como por sus potenciales implicaciones en la sociedad\u201d, explica.<\/p>\n