![Imagen de portada de [Guía de uso de la IA #1] ChatGPT no es un buscador: cómo genera respuestas la IA](/assets/images/posts/2749fa60-515f-449b-8e14-21906ac32b10/ai-not-search-engine-1.jpg)
Cuando preguntas algo a ChatGPT y recibes una respuesta, es fácil pensar que encontró una respuesta correcta almacenada en algún lugar y te la mostró, como cuando introduces una consulta en Naver o Google y encuentras un documento. Pero la IA no funciona así. Este malentendido provoca experiencias desconcertantes como «la IA ha mentido» o «la IA cambia de opinión». En esta primera entrega, empezamos aclarando ese malentendido.
El buscador encuentra; la IA crea
La diferencia entre un buscador y la IA es la diferencia entre un bibliotecario y un narrador.
Un buscador es un bibliotecario. Si preguntas por «restaurantes en Jeju», busca documentos relacionados en las estanterías y te los entrega tal cual. No cambia su contenido ni inventa documentos inexistentes. Hoy en día suele aparecer un resumen generado por IA en la parte superior de los resultados, pero esa parte la escribió el narrador, no el bibliotecario. Quédate con esa diferencia.
Las IA como ChatGPT se parecen más a un narrador. Al recibir una pregunta, no traen un documento de algún sitio, sino que crean una frase nueva en ese momento. La respuesta que recibes es un texto que no estaba almacenado en ningún lugar del mundo. Se generó justo entonces. Por eso se llaman IA generativas.
Entonces, ¿en qué se basan para crearla? Aquí aparece el principio clave.
Un solo principio: predecir la siguiente palabra
La base de ChatGPT es una tecnología llamada LLM (Large Language Model, modelo de lenguaje grande). El nombre suena grandioso, pero solo hace una cosa: predecir la siguiente palabra que encaja naturalmente con el texto escrito hasta ahora.
Piensa en el autocompletado del teclado del móvil. Si escribes «El tiempo de hoy es», el teclado puede sugerir «bueno». Un LLM lleva ese autocompletado a una escala inimaginable. Al leer billones de palabras de libros, artículos y páginas web, aprendió patrones como «después de este texto aparece esta expresión». Por eso puede continuar no solo una o dos palabras, sino un informe entero.
Así genera una respuesta la IA: recibe tu pregunta, elige la palabra más plausible que puede seguirla y vuelve a elegir otra palabra incluyendo la anterior. Repite el proceso decenas de veces por segundo hasta completar la frase.
¿Cómo pueden parecer inteligentes unas «palabras plausibles»?
Puedes preguntarte: «¿Solo consiste en predecir la siguiente palabra? Entonces, ¿cómo traduce y resume?»
El secreto está en la escala. Para predecir bien la siguiente palabra hace falta, en última instancia, conocimiento del mundo. Para completar «El cuarto rey de Joseon fue» hay que saber historia; para continuar «El error de este código es» hay que saber programación. Durante el aprendizaje de cantidades enormes de texto, el conocimiento y los patrones de razonamiento se comprimieron dentro del modelo.
Sin embargo, se almacena de forma distinta que en un buscador. Los documentos no se conservan completos; sus patrones quedan integrados en cientos de miles de millones de números llamados parámetros. Se parece a la memoria humana. Tampoco podemos recuperar carácter por carácter el libro que leímos el año pasado, pero sí hablar de su contenido. Por eso, el conocimiento de la IA se parece más a «trataba aproximadamente de esto» que a una cita exacta del original.
Por qué la misma pregunta recibe una respuesta distinta cada vez
Al elegir la siguiente palabra, la IA no selecciona siempre la candidata número uno. Añade un poco de aleatoriedad y elige entre candidatas con alta probabilidad. Si eligiera siempre la primera, las respuestas serían mecánicas y predecibles; por eso introduce variación deliberadamente.
Por eso, al hacer la misma pregunta dos veces, puedes obtener respuestas distintas. No es un fallo, sino parte del diseño. Si piensas que es un buscador, preguntas «¿por qué cambió la respuesta?». Si piensas que es un generador de frases, resulta natural.
Esta propiedad puede ser una ventaja según el uso. Si no te convence una respuesta, puedes volver a generarla para obtener otra versión; resulta especialmente útil cuando necesitas varias propuestas, como en una sesión de ideas.
Por qué no conviene preguntar por las últimas noticias y la excepción
El conocimiento de un LLM se detiene cuando termina el entrenamiento. Ese momento se denomina knowledge cutoff (fecha de corte del conocimiento). Los acontecimientos posteriores no están en el modelo. En principio, no puede conocer las noticias de ayer, el tipo de cambio de hoy ni las películas que se estrenan esta semana.
Sin embargo, los servicios actuales compensan esta limitación con la búsqueda web. Cuando una pregunta requiere información reciente, la IA busca primero y crea una respuesta basándose en los documentos encontrados. Es como un narrador que recibe material de un bibliotecario. Aunque muchos servicios buscan automáticamente, al preguntar por información actual conviene comprobar que la respuesta incluya realmente enlaces a las fuentes. Si quieres asegurarte, añade: «Búscalo en la web y dímelo». Este uso se explica en detalle en la cuarta entrega.
Resumen
- La IA no busca una respuesta correcta almacenada; genera una frase en ese momento
- El principio es predecir la siguiente palabra, y el aprendizaje masivo hace que esa predicción funcione como conocimiento
- Obtener respuestas distintas a la misma pregunta no es un fallo, sino parte del diseño
- El conocimiento se detiene en el momento del entrenamiento y la búsqueda web complementa la información reciente
Pero este principio también tiene un lado oscuro. Si el objetivo de la IA no es «decir la respuesta correcta», sino «crear una frase plausible», puede producir afirmaciones plausibles pero erróneas. De hecho, lo hace, y con mucha seguridad. En la próxima entrega veremos cómo distinguir y afrontar las mentiras que inventa la IA: las alucinaciones.