Inteligencia Artificial para la Investigación Académica y Educación
Por: Comunicación Cientifica.
Entrada de David Valdez
La Inteligencia Artificial (IA) está presente en todo desde hace algunos años: sin embargo, la que más nos ha impresionado recientemente es la Inteligencia Artificial Generativa (Gen-AI): está en especial, es parte del mundo académico con acceso gratuito o pagado. Cada empresa tecnológica ha desarrollado algún modelo o herramienta de Gen-AI para ponerla a disposición de sus usuarios. Esto nos lleva a cuestionarnos cuáles son las ventajas y desventajas, si vale la pena pagar por ellas y por qué deberíamos o no hacerlo, considerando que quien debería tener la última palabra es el humano y el rol del investigador. No obstante, es necesario hacer algunas precisiones respecto a este tema, que se ha vuelto muy popular, pero, debido a la gran cantidad de información generada y compartida, puede resultar difícil de comprender.
Primero, es importante definir los conceptos básicos. La IA se refiere a la capacidad de un sistema informático para realizar tareas que normalmente requieren inteligencia humana. Esto incluye habilidades como la deducción, el reconocimiento de patrones y la interpretación de datos complejos. Por otro lado, la Gen-AI es un tipo específico de IA que se centra en crear contenido nuevo, como texto, imágenes, audio, código, simulaciones y videos. Generar diverso contenido sin necesidad de contar con un conocimiento técnico o especializado es la tierra prometida, al menos para algunos.
Es importante distinguir entre los modelos y las herramientas de Gen-AI. Primero definamos los modelos los cuales los podemos conceptualizar como el cerebro detrás de la IA generativa. Se trata de sistemas matemáticos complejos diseñados para aprender de grandes cantidades de datos (como textos, imágenes o música) y utilizarlos para crear contenido desde cero. Un ejemplo destacado es GPT (Generative Pre-trained Transformer), un modelo capaz de comprender el lenguaje humano y generar textos coherentes. Las herramientas, en cambio, son los productos finales que los usuarios pueden emplear. Estas aplicaciones prácticas están construidas sobre los modelos de IA y permiten que personas sin conocimientos técnicos aprovechen esta tecnología para tareas específicas, como redactar textos, crear arte o generar música. Ejemplos de estas herramientas son MidJourney, Adobe Firefly y, por supuesto, ChatGPT.
Hoy en día, tenemos a nuestra disposición una gran cantidad de modelos y herramientas de Gen-AI para diversas actividades. El reto es saber cuáles son las mejores y cómo utilizarlas de forma ética y profesional para eficientizar nuestra actividad académica. Antes de compartir estos modelos y herramientas, es necesario hacer algunos comentarios de advertencia. Primero, se debe considerar que la Gen-AI no es una varita mágica que hará todo: no escribe el artículo, libro o proyecto de investigación por su cuenta. Aunque este artículo se realizó con apoyo de Gen-AI, se hizo bajo las ideas, conocimientos y palabras del autor.
El estilo particular de mi escritura debe diferenciarme de todo el texto que se genera con alguna Gen-AI y que, tal vez, lo haga mucho mejor, pero que genera patrones identificables. Esto se evidencia en el análisis realizado por Andrew Gray, bibliotecario del University College de Londres, lo cual ha revelado un aumento significativo en el uso de palabras como “meticuloso”, “intrincado” y “encomiable” en artículos científicos publicados en 2023. Este incremento sugiere que numerosos investigadores están utilizando Gen-AI para redactar o mejorar sus estudios. Sin embargo, también hay ejemplos que señalan una falta de ética en donde, más de un artículo científico, transcribe las limitaciones de la Gen-AI. Imagine que usted está leyendo este texto y, de repente, se corta o termina con la siguiente leyenda: “Lo siento, pero como modelo no tengo acceso a información en tiempo real” o “Espero que esto te haya servido, David, para que entregues tu texto de modelos de herramientas y modelos de IA”.
Se debe tener cuidado con el uso de estas Gen-AI para la producción académica. Si bien pueden optimizar procesos en tareas repetitivas, es importante evitar caer en un círculo vicioso donde las versiones presentes y futuras de la Gen-AI conduzcan a una producción científica homogénea y carente de originalidad. O, en su caso, transcribir las hallucinations (alucinaciones) de la Gen-IA. Así es como se denomina al fenómeno en el que esta genera información incorrecta, incoherente o completamente inventada, aunque parezca plausible o presentada de manera confiable.
La falta de políticas claras respecto al uso de la Gen-AI en la producción académica dificulta la evaluación de su impacto en la ciencia contemporánea. Hasta hoy, lo único que tenemos son algunos principios de los lineamientos de Elsevier, los cuales puede consultar en el siguiente enlace: https://www.elsevier.com/es-es/about/policies-and-standards/responsible-ai-principles.
A continuación, se presenta una tabla de modelos y herramientas que se pueden utilizar para la producción académica, los cuales son muy diversos. Algunas herramientas se incorporan a plataformas ya conocidas, como Scopus IA, Zotero, Atlas.ti y EndNote. Si bien su uso es similar al ya conocido, la posibilidad de obtener respuestas efectivas radica en el diseño de prompts: es decir, la técnica de dar instrucciones (input) para generar salidas o respuestas eficientes (output). Mucho de la eficiencia de nuestro trabajo con la Gen-AI depende de los prompts que desarrollemos para cada momento de la investigación, al final, la Gen-AI depende de la capacidad humana para enmarcar o delimitar un problema. Por lo tanto, las herramientas que se presentan a continuación serán potenciadas por nuestra habilidad de interacción con la Gen-AI y nuestra capacidad de pensar, pero también estarán limitadas por el costo de cada una de ellas. En algunos casos, incluso se recomienda pagar la suscripción o condensar todo en una sola, a continuación explicamos esto.
Un modelo recomendado en este texto es ChatGPT, ya sea en su versión gratuita o de paga, para explorar los GPT que desarrollan empresas o personas. Ahí se pueden encontrar extensiones como Consensus, SciSpace, Scholar GPT, entre otras. Además, existe la posibilidad de crear tu propio ChatGPT, es decir, configurarlo para definir cómo se comporta, qué hace, qué debe evitar, las frases con las que inicia la conversación, y entrenarlo dándole tú mismo los conocimientos que necesita, como documentos en formato PDF, Word, Excel, PPT, etc. Esta última función solo está disponible en la versión de paga.
Cada modelo y herramienta es un mundo, y al usarlos de forma adecuada pueden contribuir a optimizar procesos académicos, liberando tiempo para las y los académicos. Con ese tiempo libre, podrán dedicarse más a atender a sus alumnos, a planear mejor o, por qué no, simplemente a conocer más a su familia, dormir ocho horas, lo que se le conoce como, vivir.
Referencias
- Ansede, Manuel. (2024, abril 25). El exceso de palabras como “encomiable” y “meticuloso” sugiere el uso de ChatGPT en miles de estudios científicos. El País. https://elpais.com/tecnologia/2024-04-25/el-exceso-de-palabras-como-encomiable-y-meticuloso-sugiere-el-uso-de-chatgpt-en-miles-de-estudios-cientificos.html
- Anthropic. (n.d.). Claude: An AI for ethical decision-making and academic writing. Anthropic. https://www.anthropic.com/claude
- ATLAS.ti. (n.d.). ATLAS.ti: Software para análisis cualitativo de datos. ATLAS.ti. https://atlasti.com/es
- Clarivate. (n.d.). EndNote: Reference management software. Clarivate. https://endnote.com
- Consensus. (n.d.). Consensus: Scientific literature synthesis tool. Consensus. https://consensus.app
- Elsevier. (n.d.). Scopus AI. Elsevier. https://www.elsevier.com/products/scopus/scopus-ai
- Google DeepMind. (n.d.). Gemini: Advanced multimodal AI system. DeepMind. https://www.deepmind.com/research/gemini (Por confirmar en desarrollo)
- Grammarly. (n.d.). Grammarly: Writing assistant powered by AI. Grammarly. https://www.grammarly.com
- Kalota, F. (2024). A Primer on Generative Artificial Intelligence. Educationm Sciences. https://doi.org/10.3390/educsci14020172.
- Mico, J.L, (2024). Alerta en las revistas científicas por el abuso que hacen de ChatGPT los autores. La Vanguardia. 10 de febrero de 2024. https://www.lavanguardia.com/vida/20240210/9516886/alerta-revistas-cientificas-abuso-chatgpt-autores.html
- OpenAI. (n.d.). ChatGPT: Generative pre-trained transformer. OpenAI. https://openai.com/chatgpt
- Research Rabbit. (n.d.). Research Rabbit: Explore and organize scientific literature. Research Rabbit. https://www.researchrabbitapp.com
- SciSpace. (n.d.). SciSpace: Simplifying academic writing and research. SciSpace. https://www.typeset.io
- Singman, M. y Bilinkis, S. (2024). Artificial. La nueva inteligencia y el contorno de lo humano. 1ª Ed. Penguin Random House.
- Trejo, D. R. (2024). Inteligencia Artifical: conversaciones con ChatGPT. 1ª Ed. Ediciones Cal y Arena.
- Zotero. (n.d.). Zotero: Your personal research assistant. Zotero. https://www.zotero.org