Cómo funciona la IA generativa (explicado sin tecnicismos)

ChatGPT escribe ensayos, Midjourney pinta cuadros y ElevenLabs habla con voz humana. Parece magia, pero detrás hay una idea sorprendentemente simple. Vamos a explicarte cómo funciona la IA generativa sin fórmulas ni tecnicismos, para que entiendas qué pasa de verdad cuando le pides algo.

¿Qué significa «generativa»?

Se llama IA generativa porque genera contenido nuevo —texto, imágenes, audio, vídeo— en lugar de limitarse a clasificar o buscar lo que ya existe. No copia y pega: produce algo que no estaba ahí antes, a partir de lo que ha aprendido.

El truco principal: predecir lo siguiente

Por sorprendente que parezca, un modelo de lenguaje como GPT hace básicamente una cosa: predecir la siguiente palabra. Dada una frase, calcula cuál es la palabra (en realidad, el «token») más probable que viene después, la añade, y repite el proceso una y otra vez. Encadenando millones de esas predicciones, construye párrafos coherentes.

Es como el autocompletado del móvil, pero llevado al extremo: entrenado con tantísimo texto que sus predicciones resultan asombrosamente acertadas y útiles.

¿Cómo aprende? El entrenamiento

Antes de poder usarse, el modelo «lee» cantidades enormes de texto de internet, libros y código. Durante ese entrenamiento ajusta millones (o billones) de parámetros internos hasta que se le da muy bien predecir. No memoriza frases concretas: aprende patrones —cómo se relacionan las palabras, las ideas y los conceptos—. Por eso puede hablar de temas que nunca vio exactamente igual.

Tokens: cómo «lee» el texto

El modelo no ve letras ni palabras como nosotros, sino «tokens»: trozos de palabra. «Inteligencia» pueden ser dos o tres tokens. Trabaja siempre con tokens, y por eso el precio de las APIs y los límites de longitud (la «ventana de contexto») se miden en tokens, no en palabras.

Por qué a veces se inventa cosas

Como el modelo predice lo más probable, a veces genera algo que suena perfectamente plausible pero es falso: una cita inventada, un dato erróneo, una fuente que no existe. Es lo que llamamos «alucinación». No miente a propósito: simplemente ha predicho una continuación convincente. Por eso conviene verificar siempre los datos importantes.

¿Y las imágenes, la voz y el vídeo?

La idea es la misma, con otro tipo de datos. Un generador de imágenes aprende la relación entre descripciones y millones de fotos, y luego «predice» la imagen que mejor encaja con tu texto, construyéndola desde el ruido hasta la imagen final. La voz y el vídeo funcionan de forma parecida: aprender patrones de muchísimos ejemplos y generar algo nuevo que los respeta.

En una frase

La IA generativa no «piensa» ni «entiende» como una persona: reconoce patrones a una escala gigantesca y los usa para generar la continuación más probable de lo que le pides. Saber esto te ayuda a usarla mejor: a escribir mejores instrucciones, a no fiarte a ciegas y a aprovechar su enorme potencia sin caer en sus trampas.