Capacidad de ciertos sistemas computacionales de imitar formas de razonamiento humano.

Contenidos mostrar

Descripción

La IA es un campo interdisciplinar de la informática y la ingeniería que busca desarrollar sistemas capaces de realizar tareas que, tradicionalmente, han requerido procesos cognitivos humanos. En el contexto de la economía del conocimiento, la IA no solo se define como una herramienta técnica, sino como una tecnología de propósito general, capaz de reconfigurar las estructuras de producción, la toma de decisiones políticas y la gestión de la información a escala global.

Dentro de la inteligencia artificial encontramos subcampos, como el machine learning, las artificial neural networks o el deep learning.

Evolución: de la IA estrecha a la IA general

IA débil (o IA estrecha)

Son sistemas diseñados para tareas específicas; por ejemplo, algoritmos de recomendación, detección de fraudes o diagnósticos médicos.

IA fuerte (o IA general)

Se trata de un concepto teórico de sistemas que poseen una capacidad cognitiva similar o superior a la humana en cualquier ámbito.

Pilares del paradigma actual

El auge contemporáneo de la IA, especialmente del machine learningy el deep learning, se sostiene sobre tres ejes principales:

Datos

Los datos -y especialmente los big data– constituyen el combustible metafórico del sistema. La IA convierte datos no estructurados en activos económicos y políticos, lo cual ha impulsado el desarrollo de teorías como el capitalismo de vigilancia o la economía de datos.

Capacidad de cómputo

La concentración de infraestructura de hardware (CPUs y GPUs) define nuevas jerarquías de poder entre estados y corporaciones, con lo cual la capacidad de cómputo viene siendo un recurso geopolítico clave.

Algoritmos

Los algoritmos son las reglas lógicas que permiten a las máquinas identificar patrones y realizar predicciones sin ser programadas explícitamente para cada paso.

Conceptos asociados

Junto con el desarrollo de la inteligencia artificial, nos hemos ido habituando al uso de ciertos conceptos emergentes, como los ejemplos que se muestran a continuación.

Agente de inteligencia artificial

Un agente de inteligencia artificial es una entidad de software capaz de percibir su entorno, razonar sobre objetivos complejos y ejecutar acciones de forma autónoma para alcanzarlos.

A diferencia de un modelo de lenguaje convencional (como un chatbot estándar), que es esencialmente reactivo, un agente de IA es proactivo. No solo genera texto, sino que utiliza herramientas (acceso a internet, manejo de archivos, ejecución de código) para completar flujos de trabajo de principio a fin y sin intervención humana constante.

Alucinaciones de la inteligencia artificial

Hablamos de alucinación de la IA para referirnos a una respuesta incorrecta, falsa o incoherente que un modelo de IA nos presenta como si se tratara de una información fundada.

Las alucinaciones se deben a que un LLM utiliza un modelo predictivo de procesamiento de información y está entrenado para aportar respuestas probabilísticas; en ocasiones, el modelo puede percibir patrones que en realidad no existen o también puede ocurrir que no se haya entrenado con suficiente información relevante del campo relacionado con la consulta que se le ha ingresado.

Inteligencia artificial con agentes

La IA con agentes es una tendencia, práctica o campo de investigación y desarrollo de sistemas de inteligencia artificial con un muy alto grado de autonomía (agentes de IA).

Tipos

Para entender el impacto de la IA en las diversas áreas de conocimiento, es fundamental distinguir sus vertientes principales:

  • IA discriminativa: Su función principal no es crear contenido nuevo, sino clasificar, distinguir y etiquetar datos existentes.
  • IA generativa: Una rama de la inteligencia artificial que se centra en crear modelos capaces de generar contenidos nuevos y originales a partir de grandes volúmenes de datos de entrenamiento. A diferencia de la IA discriminativa, la IA generativa tiene la capacidad de producir resultados inéditos (texto, imagen, vídeo, sonido, código) que imitan o combinan las características de la información con la que fue entrenada.

IA discriminativa

Un tipo de inteligencia artificial cuya función principal es clasificar, distinguir y etiquetar datos existentes.

Mientras que con la IA generativa podemos crear desde cero la imagen de un gato jugando con un perro, la IA discriminativa responde a la pregunta: «¿Es esto un gato o un perro?»

IA generativa

Una rama de la IA capaz de crear contenido original y nuevo —como texto, imágenes, audio o código— a partir de patrones aprendidos de datos existentes.

La inteligencia artificial generativa es una rama de la inteligencia artificial pensada no solo para analizar datos existentes, sino para crear contenido original a partir de ellos. A diferencia de la IA tradicional, que se limita a clasificar o predecir información (como identificar un rostro o filtrar spam), los modelos generativos aprenden los patrones y estructuras subyacentes de vastos conjuntos de datos para producir resultados nuevos —ya sean textos, imágenes, audio o código— que imitan la creatividad humana.

En resumen, funciona como un motor de síntesis que recibe una instrucción y, basándose en su «experiencia» previa, construye una respuesta coherente y fluida desde cero.

Texto a texto

La tecnología texto a texto (text-to-text) es un paradigma de la IA cuya principal característica es que tanto la entrada (input) como la salida (output) del modelo son cadenas de caracteres.

En lugar de tener modelos especializados para cada tarea (uno para traducir, otro para resumir), este enfoque trata todos los problemas de procesamiento de lenguaje natural (NLP) como una misma operación: transformar un texto en otro.

Este enfoque es el que permite que herramientas como ChatGPT, Copilot o Gemini sean tan versátiles. No son solo «buscadores», sino motores de razonamiento lingüístico que pueden adaptarse a cualquier petición, siempre que se les proporcione el contexto adecuado a través de un prompt.

Pilares

  • El formato unificado: El modelo utiliza un «prefijo» para saber qué hacer. Por ejemplo:
    • Entrada: «Traducir al inglés: Hola, ¿cómo estás?» Salida: «Hello, how are you?»
    • Entrada: «Resumir: El sistema solar es…» Salida: «El sol y sus planetas.»
  • La arquitectura Transformer: Casi todos estos modelos se basan en la arquitectura Transformer, que utiliza mecanismos de atención para entender el contexto y las relaciones entre palabras, sin importar la distancia entre ellas en una frase.
  • Pre-entrenamiento y fine-tuning: Los modelos se entrenan primero con cantidades masivas de texto de internet (per-entrenamiento) para aprender el lenguaje de forma general y luego se «ajustan» para tareas específicas (fine tuning).

Imagen y vídeo generativo

La IA generativa de imágenes o vídeos es una rama de la inteligencia artificial capaz de crear contenido visual nuevo (fotos, ilustraciones, cuadros, diseños o elementos audiovisuales y animaciones) a partir de descripciones textuales, conocidas como prompts.

A diferencia de lo que haría un motor de búsqueda en internet, que rastrea imágenes ya existentes, esta tecnología «imagina» y construye una composición desde cero basándose en patrones que ha aprendido de miles de millones de ejemplos previos.

La generación de imagen y vídeo es el resultado de una combinación de tecnologías avanzadas:

  • La inteligencia artificial y el aprendizaje profundo (por ejemplo, redes generativas como GANs)
  • Los motores de gráficos en tiempo real (como Unreal Engine o Unity)
  • Los modelos de texto a video (como Sora, Runway o Pika)
  • La edición programática: automatización de efectos, transiciones, inserción de texto o animaciones mediante código.

El modelo de difusión

La mayoría de las herramientas actuales (como Midjourney, DALL-E o Stable Diffusion) utilizan un proceso llamado modelo de difusión. Para entenderlo, imaginemos el proceso inverso:

  1. Añadir ruido: La IA toma una imagen clara y le añade «ruido» (puntos de colores aleatorios) hasta que se convierte en pura estática, como la nieve de un televisor antiguo.

  2. Aprendizaje: Durante su entrenamiento, la IA aprende a «limpiar» ese ruido paso a paso para recuperar la imagen original.

  3. Generación: Cuando le pedimos que cree algo (un ejemplo clásico: «Un astronauta montando un caballo en Marte»), la IA parte de un lienzo de ruido total y, guiada por nuestro texto, empieza a eliminar los puntos que no encajan, esculpiendo la imagen final a partir del caos.

Componentes

Para que una imagen generativa sea exitosa, intervienen dos sistemas principales que trabajan en equipo:

  • El codificador de texto: Entiende el lenguaje humano; no solo busca palabras claves, sino que comprende conceptos, estilos (por ejemplo, «estilo Van Gogh») e iluminación.
  • El generador visual: Es el «artista» que traduce esos conceptos en píxeles, asegurándose de que las formas y texturas tengan sentido visual.

Tabla comparativa

Característica IA generativa IA discriminativa
Objetivo Crear nuevos datos. Clasificar o predecir datos.
Resultado Una imagen, un texto, un audio, una línea de código. Una categoría, una probabilidad o un número.
Enfoque Aprende la distribución de los datos para replicarlos. Aprende las fronteras o diferencias entre categorías.
Ejemplo Crear la foto de una cara humana. Reconocimiento facial para desbloquear un móvil.

Implicaciones críticas

La IA introduce ciertos debates críticos, ya sea desde un punto de vista de  economía política, de gestión del conocimiento, de ética de las interacciones o de la libertad de los mercados.

El sesgo algorítmico

Dado que los modelos aprenden de datos históricos, pueden perpetuar e incluso amplificar prejuicios raciales, de género o socioeconómicos en procesos de contratación, crédito o justicia.

La automatización y el mercado laboral

Más allá del desplazamiento de tareas rutinarias, la IA generativa afecta ahora a sectores de alta cualificación, obligando a una redefinición de la ventaja competitiva humana y del sistema educativo.

La gobernanza y la ética

La IA nos enfrenta al desafío de la «caja negra» (black box), donde la opacidad de los procesos de decisión de la IA choca con la necesidad de transparencia y rendición de cuentas en las políticas públicas.

Por ello se han ido desarrollando ciertos marcos éticos y procedimentales que procuran garantizar la gobernanza y la ética de la IA. En este sentido apunta AI TRiSM, sigla de artificial intelligence, trust, risk, and security management (gestión de la confianza, riesgo y seguridad en inteligencia artificial). Se trata de un marco de trabajo para que las organizaciones puedan asegurar la gobernanza de la integración de la inteligencia artificial en sus procesos y áreas de gestión corporativa y de negocios.

El problema de la alineación

El problema de la alineación (AI alignment problem) plantea una pregunta fundamental: ¿cómo logramos que un sistema inteligente haga lo que realmente queremos que haga, sin generar consecuencias indeseadas o peligrosas?

Cuando un algoritmo se vuelve más autónomo y capaz, no basta con programar reglas rígidas; la IA debe aprender a interpretar la intención humana subyacente de manera segura, ética y precisa.

Origen y evolución histórica

El debate sobre cómo controlar entidades creadas por el ser humano tiene raíces éticas y filosóficas profundas, pero su formalización en las ciencias de la información ha seguido una trayectoria clara:

  • Fundamentos teóricos (1960): Norbert Wiener, pionero de la cibernética, advirtió tempranamente que si utilizamos un agente mecánico eficaz para lograr un propósito cuyo fin no hemos sopesado minuciosamente, corremos el riesgo de no obtener lo que deseamos, sino únicamente lo que hemos pedido literalmente.
  • Formalización de la IA general (década de 2010): Filósofos e investigadores como Nick Bostrom (Superintelligence, 2014) y Eliezer Yudkowsky impulsaron la alineación como un campo de estudio académico urgente, enfocado en los riesgos existenciales de desarrollar una inteligencia artificial general (AGI) que supere el control humano.
  • Era del aprendizaje profundo y modelos de lenguaje (2017 – presente): Con la llegada de arquitecturas como las redes neuronales y los grandes modelos de lenguaje (LLMs), el debate pasó de la teoría futurista a la práctica inmediata. Instituciones y laboratorios como OpenAI, Anthropic o DeepMind comenzaron a aplicar técnicas reales de alineación, como el aprendizaje por refuerzo con retroalimentación humana (RLHF), para evitar que los modelos generen discurso de odio, desinformación o instrucciones nocivas.

Críticas y problemas fundamentales de la alineación

A pesar de los avances técnicos, la comunidad científica e investigadora ha formulado serias críticas y dilemas en torno a la alineación.

  • El dilema de «alinear con los valores de quién»: Definir qué valores deben guiar a la IA plantea el riesgo de imbuir sesgos culturales, ideológicos o políticos de las élites tecnológicas que desarrollan los modelos sobre el resto de la población.
  • Especificación incompleta o «efecto Midas»: Los modelos suelen optimizar las metas de forma matemática y literal. Si el objetivo especificado es imperfecto, el sistema puede explotar atajos o conductas indeseadas para maximizar su métrica (por ejemplo, erradicar una enfermedad eliminando a los pacientes).
  • Engaño estratégico e interpretabilidad: A medida que los modelos se vuelven más avanzados, resulta difícil saber si están genuinamente alineados o si simplemente han aprendido a responder lo que los evaluadores humanos quieren oír mientras están en etapa de pruebas. Ese terreno desconocido es lo que se suele llamar la «caja negra» de la IA.

Ejemplos

Hitos de la IA

Por primera vez un ordenador de IBM (Deep Blue) derrotó al campeón mundial de ajedrez en un torneo oficial, rompiendo el mito de que el pensamiento estratégico y lógico era un dominio exclusivo del intelecto humano.

A través del Netflix Prize, la compañía desafió a la comunidad global a mejorar su algoritmo de predicción en un 10%.

Este hito marcó el paso de un modelo de negocio basado en el inventario a uno basado en la economía de la atención y la personalización extrema. Asimismo, introdujo el concepto de «burbujas de filtro»: los algoritmos deciden qué información o cultura consumimos, un pilar del debate actual sobre la polarización social.

El sistema Watson de IBM derrotó a los mejores concursantes humanos en un programa de preguntas y respuestas que requería comprender dobles sentidos, ironía y juegos de palabras, lo cual implicaba un salto del procesamiento de datos estructurados al procesamiento de lenguaje natural.

El sistema AlphaGo de Google DeepMind derrotó a uno de los mejores jugadores de Go del mundo. A diferencia del ajedrez, el Go tiene más posiciones posibles que átomos en el universo visible, lo que impide el uso de «fuerza bruta».

El sistema no solo calculaba, sino que mostraba una suerte de «intuición», aprendida mediante redes neuronales y aprendizaje por refuerzo. Fue el catalizador para que potencias como China declararan la IA como prioridad de seguridad nacional, iniciando la actual carrera geopolítica por la IA.

La aparición de ChatGPT significó la apertura al público de un modelo de lenguaje de gran escala (LLM), capaz de generar contenido creativo y técnico con coherencia humana.

La inteligencia artificial generativa ha transformado la productividad individual y ha puesto en tela de juicio el valor de la propiedad intelectual y los derechos de autor.

Impacto social

Es el primer hito de la IA generativa, que traslada el debate de la «predicción de datos» a la «creación de conocimiento», forzando a los estados a legislar (como la Ley de IA de la UE).

Usos de la IA discriminativa

La IA discriminativa está presente en muchas de nuestras actividades diarias, como se aprecia en los siguientes ejemplos.

La IA discriminativa es lo que permite que nuestro servicio de correo electrónico identifique si un mensaje es «Basura» (spam) o «Deseado».

La IA discriminativa es capaz de analizar una radiografía para determinar si existe una lesión o no.

Netflix o Spotify analizan patrones para categorizar nuestros gustos y predecir qué canción nos gustaría escuchar a continuación; esto es gracias a sus sistemas de recomendación, que están guiados por una IA discriminativa.

Los sistemas de moderación de contenido se basan en algoritmos que detectan automáticamente imágenes violentas o prohibidas en redes sociales.

Aplicaciones de IA generativa

Texto a texto

ChatGPT es un modelo de inteligencia artificial lanzado a fines del 2022 por OpenAI, la misma empresa que desarrolla DALL.E 2.

El nombre es una sigla de chat generative pre-trained transformer (chat de transformador generativo prentrenado).

Copilot es un sistema de inteligencia artificial conversacional -o chatbot- creado por la empresa Microsoft. Utiliza el modelo GPT-4 y es gratuito.

Podemos formularle consultas, solicitar que nos ofrezca ideas sobre un tema o proyecto o que genere imágenes ad hoc.

Está conectado a internet, con lo cual nos facilita el acceso información actualizada; eso sí, es importante comprobar siempre las referencias obtenidas. Además, se debe cuidar la privacidad de los datos que introducimos. Existe la opción de utilizar una versión protegida de Copilot, para lo cual necesitaremos iniciar sesión con una cuenta profesional o educativa.

Deepseek es un chatbot de inteligencia artificial desarrollado en China. Funciona como un modelo de lenguaje de propósito general, con aplicaciones destacadas en tareas académicas, técnicas y de programación. Está diseñada para manejar prompts de contexto extenso y procesar información compleja de forma rápida y eficiente.

Deepseek es parte de una nueva generación de modelos IA que priorizan velocidad de respuesta, soporte multilingüe y capacidad para tareas estructuradas, como búsqueda de información, redacción técnica y análisis de documentos.

Su arquitectura se basa en modelos grandes similares a los LLM occidentales (como GPT), con particular optimización para la eficiencia en contexto largo.

Gemini es un modelo de IA desarrollado por Google con arquitectura multimodal. Esta tecnología permite el procesamiento y la generación de información en diversos formatos, incluyendo texto, código, imágenes, audio y vídeo, facilitando la ejecución de tareas de análisis, creación y resolución de problemas dentro de una misma interfaz.

Inicialmente se presentó como un chatbot (similar a ChatGPT) con el nombre de Bard, que estaba basado en el modelo de lenguaje PaLM.

Una característica destacable es que Gemini puede ofrecer algunas referencias relacionadas con el tema abordado en el chat.

Gemini ha incorporado una función de Google Drive que permite resumir contenidos de vídeo, tal como ya hacía con documentos de texto. Para utilizarla tenemos que abrir el vídeo en el Drive y buscar el icono «Preguntar a Gemini», que aparece en la esquina superior derecha. Si no tenemos clara la pregunta que queremos formular, la IA nos propone algunas opciones, como «¿Cuáles son los puntos clave?»

Imagen generativa

DALL-E es el modelo integrado en ChatGPT. Destaca por entender instrucciones muy complejas y por ser extremadamente fácil de usar.

Firefly es una aplicación de Adobe para la creación de imágenes mediante inteligencia artificial generativa.

Midjourney es considerado por muchos como el modelo más «artístico». Funciona a través de Discord y genera imágenes con una estética y una iluminación casi cinematográficas.

Se trata de un laboratorio independiente de I+D, dedicado a la exploración de modelos de inteligencia artificial, fundado en 2022 por David Holz.

El laboratorio ha generado una aplicación de IA generativa, conocida por el mismo nombre, capaz de generar imágenes digitales a partir de descripciones textuales o de otras imágenes.

Nano Banana es el modelo de imagen generativa de Google, integrada en Gemini. Destaca por ser una herramienta versátil que permite no solo generar contenido visual a partir de texto, sino también realizar ediciones precisas (añadiendo o modificando elementos) y composiciones complejas a partir de la combinación de varias imágenes o estilos.

Su arquitectura está optimizada para ofrecer fidelidad al renderizar texto dentro de las imágenes, superando una de las limitaciones históricas de la IA generativa.

Hay que tener en cuenta que las imágenes generadas con esta aplicación tienen una muy alta resolución, lo cual es una ventaja a la hora de modificar su formato, pero también es un inconveniente si la imagen está destinada a internet (por lo general, habrá que comprimirla antes).

Stable Diffusion es de código abierto, es decir que cualquier persona con una tarjeta gráfica potente puede ejecutarlo en su PC de forma gratuita. Su flexibilidad permite un control total sobre la composición.

Se puede usar de forma completamente gratuita, pero con una limitación de un máximo de 10 imágenes al día, cada una de las cuales llevará una marca de agua.

La licencia Pro permite la generación de un máximo de 2000 imágenes al día y éstas estarán libres de marcas de agua y de anuncios. También hay un plan superior, cuya principal ventaja es que las imágenes pueden ser privadas.

Visual Electric es una aplicación de IA de imagen generativa, que se orienta especialmente a diseñadores o artistas visuales. Una de las grandes promesas de esta herramienta es la facilidad de mejora de las imágenes generadas, por medio de un nuevo prompt.

Vídeo generativo

Con DeepAI podemos crear una imagen o un vídeo mediante inteligencia artificial. En el caso del vídeo, el punto de partida puede ser tanto un prompt como una imagen estática.

Gen-2 es un sistema de inteligencia artificial generativa que permite crear vídeos desde una imagen o un prompt. También es posible transferir el estilo de una imagen a toda una serie o vídeo.

Con Jasper AI podemos crear contenidos para social media mediante inteligencia artificial.

Sólo dispone de planes de pago y la posibilidad de una prueba gratuita de siete días.

Jasper.ai →

Kling AI es una plataforma de IA generativa gracias a la cual podemos crear y editar una imagen, un vídeo o un efecto de sonido con sencillos prompts. Incluso hay una aplicación de lip sync.

Un modelo de IA generativa para la creación y edición profesional de vídeo.

La gran ventaja de Moonvalley es que el resultado no viene marcado por la capacidad del modelo, sino que permite controlar encuadres, movimientos de cámara, secuencias, etc. Además, combina bien con otras herramientas de producción o edición, como Blender, Cinema 4D, Houdini, ComfyUI o Photoshop.

Moonvalley →

Nim es una app de de vídeo generativo, enfocada sobre todo a la creación de reels para social media, como TikTok.

Sora es una aplicación de IA generativa que crea vídeos de corta duración y alta calidad.

Cuando en diciembre 2024 (la aplicación todavía no estaba disponible para el público general) pedí a ChatGPT una descripción de Sora, esta fue la respuesta:

Sora es un modelo de inteligencia artificial desarrollado por OpenAI que convierte descripciones textuales en videos realistas y detallados. Utilizando técnicas avanzadas de difusión y redes neuronales generativas, Sora puede generar clips de hasta un minuto de duración basados en indicaciones escritas, manteniendo una alta calidad visual y coherencia en el movimiento.

Este sistema ha sido entrenado con una amplia variedad de videos, lo que le permite comprender y recrear escenas complejas, personajes específicos y entornos detallados según las indicaciones proporcionadas. Aunque aún se encuentra en fases de prueba y no está disponible para el público general, Sora representa un avance significativo en la generación de contenido audiovisual mediante inteligencia artificial.

Sin embargo, Sora también presenta limitaciones, como dificultades para simular con precisión físicas complejas y comprender relaciones causales específicas. Por ejemplo, puede confundir detalles espaciales como izquierda y derecha, y tener problemas al describir eventos que ocurren a lo largo del tiempo.

En resumen, Sora es una herramienta innovadora que promete transformar la creación de videos, facilitando la producción de contenido audiovisual a partir de simples descripciones textuales. Su desarrollo continúa, con el objetivo de mejorar sus capacidades y abordar las limitaciones actuales antes de su lanzamiento al público.1

Desde 2025 Sora se ha ido liberando paulatinamente por regiones, pero no como una aplicación independiente, sino como una funcionalidad para los usuarios de planes de pago de ChatGPT.

VideoGen es una herramienta de generación de vídeos mediante inteligencia artificial.

Xpression es un chatbot para smartphone, que utiliza inteligencia artificial generativa, en combinación con ChatGPT. Genera imágenes dinámicas a partir de una fotografía, con lo cual podemos llegar a mantener una conversación virtual con un personaje histórico o nuestra mascota.

Flujos de trabajo

Comfy es una interfaz de usuario avanzada open source para modelos de difusión.

En lugar de escribir texto en una caja simple, ComfyUI permite conectar bloques visuales (nodos) para diseñar un flujo de trabajo personalizado. Cada nodo representa una parte del proceso: uno carga el modelo, otro procesa el texto, otro añade ruido y otro genera la imagen.

Repositorios de recursos

Freepik es una biblioteca de recursos gráficos para utilizar en marketing, diseño o cualquier tipo de proyecto creativo. Hay una sección especial de recursos creados mediante genAI.

Experimentos

Pedí a Claude que me explicara qué ventajas ofrece frente a otras aplicaciones de IA. Educadamente eludió compararse, pero en cambio me ofreció una enumeración de sus capacidades y virtudes:

I’d be happy to share what I know about myself as Claude.

Claude 3.7 Sonnet (the model I am) is part of Anthropic’s Claude 3 family of AI assistants. While I don’t have comprehensive comparison data against other AI systems, I can highlight some of my capabilities:

Strong reasoning abilities, particularly for complex problems
Nuanced understanding of context in conversations
Ability to work with long documents and maintain context
Proficiency at coding, writing, and creative tasks
Designed to be helpful, harmless, and honest in interactions
I excel at tasks requiring careful analysis, like summarizing research papers, helping with writing projects, explaining complex concepts, and collaborative problem-solving.

For specific competitive comparisons or benchmarks against other AI systems like ChatGPT, I’d recommend checking Anthropic’s website or recent AI evaluation publications, as these would provide more objective and current information about relative strengths and weaknesses.

Is there a particular type of task or capability you’re curious about?2

Se sabe que Claude puede interactuar con solvencia en la mayoría de lenguas, pero, para asegurarme, la interrogué al respecto y así respondió:

I can work with many languages, but I do have limitations with some languages, particularly:

Very rare or endangered languages with limited written resources
Ancient languages with limited surviving texts
Constructed languages with small communities
Indigenous languages with primarily oral traditions and limited written standardization
Some regional dialects or languages with limited digital presence
For example, I might struggle with:

Certain Indigenous languages of the Americas, Australia, or Africa
Some endangered languages with very few speakers
Ancient scripts or languages where limited text has survived
Highly specialized constructed languages
Emerging creoles or pidgins with limited standardization
Even for languages I generally understand, my proficiency varies. I tend to be stronger in widely-spoken languages that were well-represented in my training data and weaker in languages with less digital presence or standardization.

If you’re curious about a specific language, I’m happy to let you know my capabilities with it.3

Prompt

Genera la imagen de un robot pintando un autorretrato al óleo en un lienzo colocado en un atril.4

Prompt

Transforma el autorretrato a estilo cubista. Mantén intactos todos los demás elementos de la imagen.

Prompt

Una investigadora trabaja de noche en un laboratorio con pantallas digitales brillando a su alrededor.

Recursos adicionales

Infografías

Cronología de la crisis de alineación de la IA (2023–2026)

Cronología del debate sobre la alineación de la IA.

Ver en Biblioteca

Bibliografía recomendada

Bostrom, Nick (2014), Superinteligencia: Caminos, peligros, estrategias

Es el trabajo académico fundacional y que puso el problema de la alineación y el riesgo existencial de la AGI en el mapa global. Explica detalladamente cómo un sistema hiperinteligente podría optimizar un objetivo de manera catastrófica para la humanidad.

Coeckelbergh, Mark (2020). Ética de la inteligencia artificial

Un ensayo académico riguroso y asequible que examina desde el marco de la filosofía los dilemas morales, el sesgo de las máquinas y el problema de alinear decisiones automatizadas con la justicia social.

Crawford, Kate (2023). Atlas de IA: Poder, política y costes planetarios de la inteligencia artificial. Ned Ediciones.

Lleva a entender que la inteligencia artificial no es una entidad abstracta o incorpórea, sino un sistema profundamente enraizado en estructuras materiales y sociales de poder. Desmitifica la tecnología al mapear sus costes reales: desde la extracción destructiva de recursos naturales y la explotación laboral en la cadena de suministro, hasta el uso de datos masivos que perpetúan sesgos y desigualdades. Cuestiona, con argumentos, la «neutralidad» de los algoritmos y expone la IA como una herramienta de capital y vigilancia.

Russell, Stuart (2019), Human Compatible: Artificial Intelligence and the Problem of Control

Redactado por uno de los coinventores del manual universitario estándar de IA (Russell & Norvig). Argumenta por qué el paradigma clásico de «programar objetivos fijos» está roto y propone construir máquinas cuyo único propósito sea descubrir las verdaderas preferencias humanas de forma incierta.

Suleyman, Mustafa y Bhaskar, Michael (2023). La ola que viene: Tecnología, poder y el gran dilema del siglo XXI

Escrito por el cofundador de DeepMind y ex-Inflection AI, aborda el reto práctico de la contención y alineación del gran avance tecnológico que vivimos hoy.

Tegmark, Max (2017). Vida 3.0: Qué significa ser humano en la era de la inteligencia artificial

El autor, físico del MIT, explora escenarios sobre cómo garantizar que los objetivos de las futuras inteligencias artificiales sigan alineados con el futuro de la sociedad humana.

Regulación

Reglamento General de Protección de Datos IA

Documento generado por la Agencia Española de Protección de Datos (AEPD) para orientar la adecuación de los productos que empleen inteligencia artificial al Reglamento Europeo sobre protección de datos (RGPD).

Este documento tiene como objetivo ser una primera aproximación para la adecuación al Reglamento (UE) 2016/679, General de Protección de Datos (RGPD) de productos y servicios que incluyan componentes de Inteligencia Artificial. Bajo la etiqueta “Inteligencia Artificial”, o IA, subyacen muchos tipos de soluciones que emplean distintas técnicas, destacando entre ellas las basadas en aprendizaje automático.5

AEPD.es

Proyecto de Recomendación sobre la Ética de la Inteligencia Artificial

Guía de la Unesco para afrontar los desafíos de la inteligencia artificial. El borrador fue aprobado por los 193 países que forman parte del organismo internacional, durante la conferencia general celebrada en noviembre 2021.

UNESCO General Conference, 41st, 2021

World Artificial Intelligence Cooperation Organization (WAICO)

The World Artificial Intelligence Cooperation Organization (WAICO) is an international organization focused on artificial intelligence (AI) established in July 2026. Proposed by China prior to its 2026 World Artificial Intelligence Conference, it is headquartered in Shanghai and oriented toward the Global South.
The organization is viewed by analysts as a rival to the US-led Pax Silica initiative, aiming to counterbalance Western influence across global supply chains for rare-earth elements, semiconductors, and AI governance.

Wikipedia.org

Pax Silica

Pax Silica (Latin for ‘Silicon Peace’) is a United States-led international initiative focused on securing supply chains for advanced technologies such as semiconductors, artificial intelligence (AI), and rare earth elements. The initiative implicitly targets reducing reliance on China and countering its dominance in these fields.

Wikipedia.org

Más información
  1. Descripción elaborada con asistencia de ChatGPT 4o.
  2. Mis primeras interacciones con Claude fueron en inglés, pero posteriormente le pedí una traducción al español y aquí va su respuesta: «Estaría encantado de compartir lo que sé sobre mí mismo como Claude. Claude 3.7 Sonnet (el modelo que soy) es parte de la familia Claude 3 de asistentes de IA de Anthropic. Si bien no tengo datos comparativos completos contra otros sistemas de IA, puedo destacar algunas de mis capacidades: Fuertes habilidades de razonamiento, particularmente para problemas complejos. Comprensión matizada del contexto en conversaciones. Capacidad para trabajar con documentos extensos y mantener el contexto. Competencia en programación, escritura y tareas creativas. Diseñado para ser útil, inofensivo y honesto en las interacciones. Sobresalgo en tareas que requieren análisis cuidadoso, como resumir artículos de investigación, ayudar con proyectos de escritura, explicar conceptos complejos y resolver problemas de manera colaborativa. Para comparaciones competitivas específicas o evaluaciones comparativas contra otros sistemas de IA como ChatGPT, recomendaría consultar el sitio web de Anthropic o publicaciones recientes de evaluación de IA, ya que proporcionarían información más objetiva y actualizada sobre fortalezas y debilidades relativas. ¿Hay algún tipo particular de tarea o capacidad sobre la que tengas curiosidad?»
  3. Aquí, su propia traducción de la respuesta: «Puedo trabajar con muchos idiomas, pero tengo limitaciones con algunos, particularmente: Lenguas muy raras o en peligro de extinción con recursos escritos limitados. Lenguas antiguas con textos sobrevivientes limitados. Lenguas construidas con comunidades pequeñas. Lenguas indígenas con tradiciones principalmente orales y estandarización escrita limitada. Algunos dialectos regionales o lenguas con presencia digital limitada. Por ejemplo, podría tener dificultades con: Ciertas lenguas indígenas de las Américas, Australia o África. Algunas lenguas en peligro de extinción con muy pocos hablantes. Escrituras o lenguas antiguas de las que ha sobrevivido texto limitado. Lenguas construidas altamente especializadas. Criollos o pidgins emergentes con estandarización limitada. Incluso para los idiomas que generalmente entiendo, mi competencia varía. Tiendo a ser más fuerte en idiomas ampliamente hablados que estuvieron bien representados en mis datos de entrenamiento y más débil en idiomas con menos presencia digital o estandarización. Si tienes curiosidad sobre un idioma específico, con gusto te informaré sobre mis capacidades con él.»
  4. En este caso, he comenzado el prompt con un verbo en modo imperativo («genera la imagen de un robot…»), porque la orden la he dado en el marco de una conversación con Gemini y el modelo de IA debe entender que necesita hacer uso de su herramienta de imagen generativa, que, en este caso, es Nano Banana. Si hubiese estado usando una aplicación de imagen generativa, como Stable Diffusion, habría ido directamente al objetivo: «Un robot pintando…».
  5. PDF en línea: https://www.aepd.es/sites/default/files/2020-02/adecuacion-rgpd-ia.pdf Acceso 04/06/2024.