Fundamentos de la inteligencia artificial generativa (IAG):
Fundamentos de la inteligencia artificial generativa (IAG):
La inteligencia artificial generativa (IAG) crea contenidos nuevos como
textos, imágenes o ideas a partir de instrucciones simples, como si fuera un
asistente creativo que aprende de ejemplos masivos. Evolucionó desde los años
2010 con modelos como GPT de OpenAI, pasando por DALL-E para imágenes hasta
versiones actuales como Gemini (Google) o Claude (Anthropic), que manejan
texto, código y multimedia.sap+1
Diferencias Clave
La automatización repite tareas fijas, como organizar correos; la IA
predictiva estima resultados, por ejemplo, prediciendo clics en un anuncio
basado en datos pasados. La IAG va más allá: genera contenido original, como un
resumen de un artículo científico que no existía antes. Imagina pedirle
"resume esta teoría de comunicación en 3 párrafos para estudiantes":
crea algo nuevo y adaptado.ibm+1
Tipos de Modelos
- GPT
(OpenAI): Excelente para texto; ejemplo actual, ChatGPT genera borradores
de artículos sobre redes sociales analizando tendencias 2025.
- Gemini
(Google): Multimodal, combina texto e imágenes; práctico para crear
infografías de campañas mediáticas.
- Claude
(Anthropic): Seguro y ético, ideal para hipótesis de
investigación en comunicación sin sesgos.elastic
Cada uno se entrena con billones de palabras de internet, libros y datos públicos.
Arquitectura Básica de LLMs
Los Modelos de Lenguaje Grandes (LLMs) usan "transformers":
capas de neuronas artificiales que procesan palabras como vectores numéricos,
prediciendo la siguiente palabra en una secuencia. Por ejemplo, ante "La
comunicación digital...", calcula probabilidades para continuar con
"ha cambiado...". El entrenamiento ocurre en dos fases:
preentrenamiento (aprende patrones de datos masivos) y ajuste fino (se
especializa con ejemplos específicos, como textos académicos de comunicación).cloud.google+1
Entrenamiento Práctico
Se alimenta con datasets gigantes (como Common Crawl), usando GPUs
potentes durante meses; luego, se "afina" con retroalimentación
humana. Ejemplo sencillo: entrena un LLM con 100 tesis de comunicación para que
genere resúmenes coherentes. En 2025, herramientas como Hugging Face permiten
probar esto gratis, reduciendo costos para investigadores primerizos.aws.amazon+1
La automatización sigue reglas fijas para tareas repetitivas, la IA
predictiva estima resultados futuros basados en patrones de datos pasados, y la
IAG crea contenido nuevo y original a partir de instrucciones simples. Estas
diferencias son clave para investigadores primerizos en comunicación, ya que
ayudan a elegir la herramienta correcta sin complicaciones.redhat+1
Automatización
Ejecuta procesos preprogramados sin aprender, como un robot que
clasifica correos electrónicos por palabras clave. Ejemplo práctico: un
software que organiza referencias bibliográficas en APA automáticamente,
siempre igual, sin adaptarse a nuevos formatos. No analiza ni crea; solo
repite.redhat
IA Predictiva
Analiza datos históricos para predecir lo que pasará, usando
estadísticas. Ejemplo actual: en comunicación, predice el engagement de un post
en redes sociales basado en likes previos de campañas similares ("este
tuit tendrá 500 interacciones"). Útil para planificar estrategias, pero no
genera texto nuevo.microsoft+1
IA Generativa (IAG)
Produce contenido original, como textos o imágenes, imitando creatividad humana. Ejemplo sencillo: pide a ChatGPT "escribe un resumen de 200 palabras sobre teorías de McLuhan para una clase introductoria" y genera uno fresco, adaptado a tu estilo. A diferencia de las otras, maneja incertidumbre y crea desde cero.redhat
.png)
Comparación Práctica
|
Aspecto |
Automatización |
IA Predictiva |
IAG |
|
Función |
Repite tareas fijas |
Predice basado en datos redhat |
Crea contenido nuevo microsoft |
|
Ejemplo 2025 |
Ordenar archivos PDF |
Predecir viralidad de noticias |
Generar borrador de artículo |
|
Datos necesarios |
Reglas simples |
Grandes volúmenes históricos |
Patrones para inspiración |
|
Creatividad |
Ninguna |
Baja (solo estima) |
Alta (original) redhat |
- https://www.redhat.com/es/topics/ai/predictive-ai-vs-generative-ai
- https://www.ibm.com/mx-es/think/topics/agentic-ai-vs-generative-ai
- https://www.servicenow.com/latam/ai/what-is-ai-vs-agi.html
- https://www.blueprism.com/es/resources/blog/generative-ai-vs-predictive-ai/
- https://translate.google.com/translate?u=https%3A%2F%2Fwww.retellai.com%2Fblog%2Fagentic-ai-vs-agi-key-differences-you-should-know-about&hl=es&sl=en&tl=es&client=srp
- https://translate.google.com/translate?u=https%3A%2F%2Fkanerika.com%2Fblogs%2Fai-vs-agi-vs-asi%2F&hl=es&sl=en&tl=es&client=srp
- https://translate.google.com/translate?u=https%3A%2F%2Ftoxsl.com%2Fblog%2F413%2Fgenerative-ai-vs-predictive-ai-exploring-the-differences&hl=es&sl=en&tl=es&client=srp
- https://translate.google.com/translate?u=https%3A%2F%2Fwww.jotform.com%2Fai%2Fagi-vs-ai%2F&hl=es&sl=en&tl=es&client=srp
- https://translate.google.com/translate?u=https%3A%2F%2Fdextralabs.com%2Fblog%2Fagi-vs-ai%2F&hl=es&sl=en&tl=es&client=srp
- https://www.microsoft.com/es-es/ai/ai-101/generative-ai-vs-other-types-of-ai
Comentarios
Publicar un comentario