WEBVTT Kind: captions Language: es 00:00:00.000 --> 00:00:15.120 Hola y bienvenidos a un nuevo episodio de Apple Coding Daily. 00:00:15.120 --> 00:00:20.900 Hace ya unas cuantas semanas, de hecho literalmente desde el año pasado, existe una campaña 00:00:20.900 --> 00:00:26.820 en Artstation y una campaña que está siendo apoyada por un montón de artistas con respecto 00:00:26.820 --> 00:00:36.880 a no utilizar la inteligencia artificial como una herramienta para poder sustituirlos. 00:00:36.880 --> 00:00:42.080 Esta campaña ya hablamos de ella, mi compañero Oliver Navani y yo, en el último episodio 00:00:42.080 --> 00:00:48.520 del podcast Nebekanazer, donde tenemos una charla sobre lo que es la inteligencia artificial 00:00:48.520 --> 00:00:55.320 y donde además tenemos al final, en la última mitad del episodio, una charla más filosófica 00:00:55.320 --> 00:01:02.160 al respecto de cómo podríamos entender estas nuevas inteligencias, hasta dónde pueden 00:01:02.160 --> 00:01:04.800 llegar, cuáles serían sus limitaciones. 00:01:04.800 --> 00:01:11.540 Él muy a favor de todo el tema y yo no tan a favor y es que realmente cuando analizo 00:01:11.540 --> 00:01:17.160 de manera fría el tema de las inteligencias artificiales, independientemente de que ahora 00:01:17.160 --> 00:01:24.140 mismo ya sabemos que están en fase semilla, que están empezando y que tienen muchos fallos, 00:01:24.140 --> 00:01:29.360 creo que esos fallos obviamente van a ser corregidos, pero yo me voy un poco más allá 00:01:29.360 --> 00:01:35.920 y me hago una pregunta que de alguna manera quiero hacer un programa que hable al respecto, 00:01:35.920 --> 00:01:41.120 que es lo que vamos a hablar hoy, de hasta dónde podría llegar una inteligencia artificial 00:01:41.120 --> 00:01:49.200 y si realmente puede sustituir a artistas, programadores, en fin, a cualquier tipo, incluso 00:01:49.200 --> 00:01:55.840 músicos, si fuera una que generara músicas que también las hay, etcétera, hasta dónde 00:01:55.840 --> 00:02:01.240 podría llegar a sustituir o qué podría llegar a hacer la inteligencia artificial 00:02:01.240 --> 00:02:07.640 ya no hoy lo que vemos que puede llegar a hacer realmente, no la versión actual, sino 00:02:07.640 --> 00:02:13.320 incluso en las futuras versiones yendo un poco más abajo y analizando cómo funcionan 00:02:13.320 --> 00:02:14.320 estas. 00:02:14.320 --> 00:02:33.560 ¿Estás buscando una forma de especializarte en desarrollo? 00:02:33.560 --> 00:02:37.780 Bueno ahí fuera tienes muchas opciones, tanto gratuitas como de pago, que pueden cubrir 00:02:37.780 --> 00:02:42.540 multitud de herramientas, lenguajes, entornos, sistemas operativos, como una carrera universitaria 00:02:42.540 --> 00:02:47.080 de varios años, queda un poco de cada cosa y ya si eso luego escoges lo que más te guste, 00:02:47.080 --> 00:02:52.680 te especializas y lo intentas estudiar a más profundidad, pues bien, aquí no vas a conseguir 00:02:52.680 --> 00:02:57.840 eso, aquí te hablamos de especialización, aquí te hablamos del profesional más valorado 00:02:57.840 --> 00:03:03.760 hoy día en el mercado laboral, aquel que conoce cada elemento y que es la tentación 00:03:03.760 --> 00:03:08.440 de cualquier empresa o el deseo de cualquier emprendedor que quiera tener su propio estudio 00:03:08.440 --> 00:03:13.280 de desarrollo, especializarte en desarrollo en entornos Apple. 00:03:13.280 --> 00:03:17.120 Tanto si ya llevas tiempo trabajando en este entorno, vienes de otro si quieres cambiar 00:03:17.120 --> 00:03:23.340 o empiezas desde cero, tu solución se llama Swift Full Stack Bootcamp. 00:03:23.340 --> 00:03:27.660 Desde Apple Coding Academy presentamos la tercera edición del único bootcamp a nivel 00:03:27.660 --> 00:03:32.360 mundial especializado en todo el ecosistema de desarrollo Apple. 00:03:32.360 --> 00:03:37.280 No hablamos solo de aprender Swift y a usar una librería, no, aquí aprenderás todo. 00:03:37.280 --> 00:03:43.400 Swift, UIKit, SwiftUI, base de datos con Core Data, desarrollo conducido por pruebas, integración 00:03:43.400 --> 00:03:47.920 continua y distribución con Escode Cloud o con herramientas Open Source, aprenderás 00:03:47.920 --> 00:03:52.000 gestión de proyectos con desarrollo ágil, a usar Git, aprenderás seguridad y cifrado 00:03:52.000 --> 00:03:56.880 de datos para asegurar tus datos y la privacidad de las apps, todos los trucos, reglas y elementos 00:03:56.880 --> 00:04:01.360 esenciales del App Store para que sepas qué puede publicarse, qué no y cómo hacerlo, 00:04:01.360 --> 00:04:05.000 para conseguir aprobaciones a la primera, pero además algo que solo encontrarás en 00:04:05.000 --> 00:04:10.440 Apple Coding Academy, desarrollo de lado servidor con Swift para crear tu propio backend, Machine 00:04:10.440 --> 00:04:15.400 Learning, desarrollo multimedia para móviles y lo más increíble, la nueva realidad de 00:04:15.400 --> 00:04:21.000 Apple para entrar con la realidad aumentada y la virtual en el futuro del desarrollo, 00:04:21.000 --> 00:04:24.640 para que seas el primero en explorar esa realidad. 00:04:24.640 --> 00:04:30.760 Swift Full Stack Bootcamp son más de 500 horas de formación, 394 horas online en directo 00:04:30.760 --> 00:04:36.000 y más de 100 en formato offline en módulos pregrabados que complementarán tu formación 00:04:36.000 --> 00:04:42.680 y toda tu carrera, del 1 de febrero al 5 de septiembre de 2023 con un proyecto tutelado 00:04:42.680 --> 00:04:48.080 final de Bootcamp y un contacto directo con nosotros para cualquier duda, problema o tutoría 00:04:48.080 --> 00:04:52.720 que necesites, para llevarte de la mano y asegurarte tu éxito. 00:04:52.720 --> 00:05:02.040 Entra ya en acoding.academy y pide información sin compromiso o escríbenos a hola.acoding.academy. 00:05:02.040 --> 00:05:04.520 Date prisa porque quedan pocas plazas. 00:05:04.520 --> 00:05:10.120 Apple Coding Academy es la nueva realidad de la formación en entornos Apple. 00:05:10.120 --> 00:05:25.600 Entra en ella. 00:05:25.600 --> 00:05:31.400 Lo primero que tenemos que entender es que una inteligencia artificial, en realidad no 00:05:31.400 --> 00:05:35.680 es una inteligencia artificial, es un programa, ¿de acuerdo? 00:05:35.680 --> 00:05:40.880 Un programa que está programado, valga la redundancia, para hacer algo concreto, para 00:05:40.880 --> 00:05:46.520 ir, para definir, para actuar sobre un ámbito determinado. 00:05:46.520 --> 00:05:52.800 La gran ventaja que tienen los modelos que ahora mismo estamos manejando se basa en la 00:05:52.800 --> 00:05:57.560 enorme cantidad de información que tienen para tomar decisiones. 00:05:57.560 --> 00:06:03.080 Pero esas inteligencias, esos modelos, esos modelos de deep learning, esos modelos de 00:06:03.080 --> 00:06:06.880 difusión, dependiendo de él, digamos que son más o menos. 00:06:06.880 --> 00:06:12.040 Para que nos entendamos, por ejemplo, Stable Diffusion se llama así porque depende de 00:06:12.040 --> 00:06:13.240 un modelo de difusión. 00:06:13.240 --> 00:06:15.040 ¿Qué es un modelo de difusión? 00:06:15.040 --> 00:06:21.080 Pues básicamente es un modelo que intenta traducir cada pequeña parte de una imagen 00:06:21.080 --> 00:06:28.600 en modelos de difusión, en algoritmos, en una especie de ecuaciones que no tienen ningún 00:06:28.600 --> 00:06:35.640 tipo de significado matemático, es como ruido matemático que identifica determinadas características 00:06:35.640 --> 00:06:40.920 para crear la abstracción cerebral que yo haría aprendiendo a dibujar. 00:06:40.920 --> 00:06:44.360 Si yo aprendo a dibujar, y aprendo, ¿qué tengo que hacer? 00:06:44.360 --> 00:06:50.840 Pues cómo dibujo un óvalo facial, o cómo dibujo las proporciones de un cuerpo, o cómo 00:06:50.840 --> 00:06:56.360 dibujo una mano, o cómo tengo que dibujar una perspectiva a partir de un paisaje, o 00:06:56.360 --> 00:07:01.160 cómo tengo que hacer, por ejemplo, el tipo de dibujo, uno de los tipos de dibujo más 00:07:01.160 --> 00:07:05.960 básicos que se utilizan para aprender a dibujar, que es un bodegón, porque lo que se persigue 00:07:05.960 --> 00:07:12.720 es representar figuras geométricas básicas, cilindros, circunferencias, etcétera, ¿vale? 00:07:12.720 --> 00:07:16.440 Figuras geométricas que son más fáciles de poder representar. 00:07:16.440 --> 00:07:23.920 Los modelos de difusión lo que hacen es convertir las distintas características que entienden 00:07:23.920 --> 00:07:31.680 que tiene una imagen, la convierten directamente en ruido matemático clasificado a partir 00:07:31.680 --> 00:07:37.880 de un aprendizaje, aprendizaje en el cual, a partir de dicho ruido matemático, pueden 00:07:37.880 --> 00:07:43.360 volver a reconfigurar o pueden volver a recrear esa pequeña parte que han aprendido. 00:07:43.360 --> 00:07:48.960 De esta manera, si yo tengo un dibujo y en ese dibujo aprendo un cilindro, aprendo una 00:07:48.960 --> 00:07:55.880 circunferencia y aprendo, por ejemplo, un cono, y sé cómo se hacen, cada uno de ellos 00:07:55.880 --> 00:08:01.840 yo lo he aprendido sobre un modelo de difusión basado en ruido matemático que tiene un etiquetado 00:08:01.840 --> 00:08:07.560 concreto en base a las características que yo he detectado, de forma que si yo aprendo 00:08:07.560 --> 00:08:12.560 cómo se hace un círculo, lo que sería un círculo, una circunferencia, con una imagen 00:08:12.560 --> 00:08:19.280 A, aprendo un cilindro con una imagen B y aprendo un cono con una imagen C, puedo decirle 00:08:19.280 --> 00:08:24.520 a la inteligencia artificial que me genere una imagen que tenga una circunferencia, un 00:08:24.520 --> 00:08:29.800 cilindro y un cono, y va a coger lo aprendido de las tres imágenes distintas y las va a 00:08:29.800 --> 00:08:32.520 fusionar en un solo elemento. 00:08:32.520 --> 00:08:38.840 Por lo tanto, las inteligencias artificiales de modelos de difusión no aprenden a dibujar, 00:08:38.840 --> 00:08:46.200 lo que hacen es aprender a copiar un dibujo, dividiendo dicho dibujo en sus partes más 00:08:46.200 --> 00:08:51.240 esenciales. No aprenden cómo es realmente un dibujo, porque lo que están haciendo es 00:08:51.240 --> 00:08:59.160 dividir dicho dibujo en, insisto, sus elementos geométricos más esenciales, en las curvas, 00:08:59.160 --> 00:09:04.000 en las líneas, en los colores, en las pequeñas conjunciones de píxeles que hacen que esa 00:09:04.000 --> 00:09:11.040 imagen luego sea la imagen que yo veo y reconozco como tal. Por lo tanto, están mimetizando 00:09:11.040 --> 00:09:16.280 en cierta forma cómo aprende un ser humano a dibujar. 00:09:16.280 --> 00:09:22.960 El gran problema que tiene esto es que uno no puede aprender a dibujar copiando, porque 00:09:22.960 --> 00:09:29.280 yo puedo coger cualquier dibujo, el que sea, y puedo hacer un calco del dibujo, y puedo 00:09:29.280 --> 00:09:35.240 coger ese dibujo y copiarlo tal cual y tener, oye, mira qué guay este dibujo. Y puedo coger 00:09:35.240 --> 00:09:40.520 determinados elementos de distintos dibujos y puedo calcarlos, mezclándolos en un dibujo 00:09:40.520 --> 00:09:45.720 completamente nuevo. Y yo podría decir que yo dibujo maravillosamente bien, pero en realidad 00:09:45.720 --> 00:09:52.160 yo no sé dibujar, porque yo lo que estoy haciendo es copiar. Y copiar no es aprender 00:09:52.160 --> 00:09:56.640 a realizar una tarea creativa. Aquí es donde está el kit de la cuestión. Y este es el 00:09:56.640 --> 00:10:03.200 primer punto que quiero que en lo que se está, digamos, este episodio un poco más filosófico, 00:10:03.200 --> 00:10:10.320 un poco más para pensar al respecto, quiero que queden claro. Según mi larga experiencia 00:10:10.320 --> 00:10:15.280 y según la opinión de un montón de personas que se dedican a distintos ámbitos creativos, 00:10:15.280 --> 00:10:22.360 y de hecho, si tú que me escuchas ahora mismo y estás, o estás viéndome, y eres un artista, 00:10:22.360 --> 00:10:30.640 es que uno no aprende a ser un artista copiando. Copiar es una parte que podemos clasificarla 00:10:30.640 --> 00:10:37.600 o llamarla como inspiración. Yo me inspiro en un dibujo que me gusta, me inspiro en un 00:10:37.600 --> 00:10:44.240 artista que me gusta, me inspiro en un estilo que quiero representar, pero yo siempre pongo 00:10:44.240 --> 00:10:49.920 una parte de mí. A mí me puede encantar el manga, pero si yo no sé, si yo no sé 00:10:49.920 --> 00:10:56.040 generar proporciones, si yo no sé generar elementos que sean, incluso aunque no sean 00:10:56.040 --> 00:11:02.560 proporcionales, pero que tengan una armonía que está dando mi propia personalidad a aquello 00:11:02.560 --> 00:11:08.000 que yo estoy creando desde cero. Porque, y esto es lo más importante, cuando yo copio 00:11:08.000 --> 00:11:14.320 algo no entiendo lo que estoy copiando, sólo lo estoy copiando. No entiendo cómo se ha 00:11:14.320 --> 00:11:19.600 hecho eso que estoy copiando, sólo estoy copiando el resultado. Mientras que si yo 00:11:19.600 --> 00:11:27.080 soy un artista, yo entiendo cómo se ha hecho eso, entiendo cómo se ha llegado a ese resultado, 00:11:27.080 --> 00:11:33.600 entiendo cómo se han puesto esas notas, esos trazos, ese código de programación, para 00:11:33.600 --> 00:11:39.120 saber cómo hemos llegado hasta ahí. Esa es la diferencia de lo que desde mi punto 00:11:39.120 --> 00:11:47.800 de vista una inteligencia artificial jamás podrá llegar a hacer. Nunca, desde luego, 00:11:47.800 --> 00:11:53.860 mientras sigamos haciéndolas como las estamos haciendo ahora, es imposible. Tendríamos 00:11:53.860 --> 00:12:00.800 que llevarla a otra forma distinta, en la que no aprendieran a realizar una tarea concreta 00:12:00.800 --> 00:12:06.400 y una tarea que en realidad no tiene nada que ver con, y en este caso ya vamos directamente, 00:12:06.400 --> 00:12:07.400 a la programación. 00:12:07.400 --> 00:12:20.680 ChatGPT es capaz de programar. Sabemos que es capaz de programar. ¿Y cómo programa 00:12:20.680 --> 00:12:27.520 ChatGPT? ChatGPT está entendiendo el código que me está dando. ChatGPT está entendiendo 00:12:27.520 --> 00:12:33.200 lo que yo le estoy pidiendo y me está dando un resultado que es acorde, porque ChatGPT 00:12:33.200 --> 00:12:40.920 es capaz de pensar y buscar cuál es el resultado más apropiado para lo que yo le estoy pidiendo. 00:12:40.920 --> 00:12:48.840 Pensamos que sí, parece que sí, pero no es así. ChatGPT es un modelo de completado 00:12:48.840 --> 00:12:55.800 de texto, que ha sido modificado para funcionar como un modelo de conversación. Cuando yo 00:12:55.800 --> 00:13:01.840 hablo con ChatGPT, yo veo como ChatGPT va escribiendo palabra por palabra. Eso no es 00:13:01.840 --> 00:13:07.960 un capricho para darle un aspecto más guay, como que parezca que está hablando conmigo. 00:13:07.960 --> 00:13:12.600 No, no, no. Es que el resultado que me está dando, me lo está dando en tiempo real, porque 00:13:12.600 --> 00:13:18.680 según va dando palabras, va calculando por pesado el resto de las palabras a través 00:13:18.680 --> 00:13:23.640 del uso de Transformers. Si queréis saber más cómo funciona todo esto a nivel técnico, 00:13:23.640 --> 00:13:28.920 podéis escuchar el último episodio de NBKnazer, donde tanto Oliver Navani como yo explicamos 00:13:28.920 --> 00:13:34.440 cómo funcionan los Transformers, los modelos de difusión, el Deep Learning, etc. y cómo 00:13:34.440 --> 00:13:39.640 funcionan los entrenamientos de estos modelos de una manera técnica mucho más pormenorizada. 00:13:39.640 --> 00:13:44.600 Aquí obviamente no daría todo el tiempo. Pero lo más importante que tenemos que entender 00:13:44.600 --> 00:13:52.760 es que ChatGPT no entiende lo que me está dando. ChatGPT me está dando un resultado 00:13:52.760 --> 00:13:59.560 basado en que, sobre lo que yo le he pedido, que él ha entendido el contexto de lo que 00:13:59.560 --> 00:14:08.040 le he pedido, él ha ido a buscar una posible solución y está autocompletando texto. Por 00:14:08.040 --> 00:14:14.280 eso ChatGPT no es capaz de hacer operaciones aritméticas de gran calado. Es capaz de hacer 00:14:14.280 --> 00:14:19.120 operaciones aritméticas básicas porque ha sido entrenado por autocompletado de texto, 00:14:19.120 --> 00:14:24.640 como el que enseña una tabla de multiplicar a un niño. A ChatGPT, a GPT-3, la versión 00:14:24.640 --> 00:14:30.440 3.5, le han dado como material para aprender las tablas de multiplicar, es decir, un texto 00:14:30.440 --> 00:14:38.880 que pone 1x1 igual a 1, 1x2 igual a 2, 1x3 igual a 3, y él ha aprendido eso en base 00:14:38.880 --> 00:14:45.240 a ese contenido. Pero no ha aprendido las tablas de multiplicar entendiendo cómo se 00:14:45.240 --> 00:14:51.200 multiplican dos números. Las ha aprendido de memoria. Y ese es el gran problema. Porque 00:14:51.200 --> 00:14:56.400 él está entendiendo las cosas de memoria. Y porque él no tiene ni va a tener la capacidad 00:14:56.400 --> 00:15:01.800 —porque los datos que tiene son demasiado grandes— de saber si el código que me está 00:15:01.800 --> 00:15:07.880 dando es más o menos correcto, si cumple o no con buenas prácticas, si cumple o no 00:15:07.880 --> 00:15:13.720 con optimizaciones que hagan que ese código tenga una buena calidad. Yo he trabajado mucho 00:15:13.720 --> 00:15:18.440 con ChatGPT. Le he pedido un montón de código. He podido ver cómo me devuelve las distintas 00:15:18.440 --> 00:15:25.280 respuestas en distintos lenguajes. Y todo lo que ChatGPT me devuelve hoy es un código 00:15:25.280 --> 00:15:30.760 que podríamos clasificar como código de documentación, como código básico que yo 00:15:30.760 --> 00:15:38.560 podría buscar en respuestas de Stack Overflow que tengan mucha puntuación positiva, que 00:15:38.560 --> 00:15:44.200 tengan un feedback positivo que nos está diciendo que esa solución es correcta, o en documentación 00:15:44.200 --> 00:15:51.400 oficial de Apple, Google o quien sea. ¿De acuerdo? Ese es el tipo de código que él 00:15:51.400 --> 00:15:57.040 me da. Pero en realidad, cuando me empieza a dar el código, falla mucho. Y entonces 00:15:57.040 --> 00:16:01.480 algunos de ustedes me dirán, bueno, pero es que eso no pasa nada. ChatGPT con el tiempo 00:16:01.480 --> 00:16:05.240 irá aprendiendo, irá mejorando, tendrá un entrenamiento de más calidad y te dará 00:16:05.240 --> 00:16:10.000 respuestas mucho mejores. Y estoy totalmente de acuerdo. Y estoy totalmente de acuerdo 00:16:10.000 --> 00:16:15.360 en que llegará un momento en el que tú a ChatGPT podrás pedirle pequeñas aplicaciones 00:16:15.360 --> 00:16:20.920 completas. De hecho, ya las hace cuando son pequeñitas. Incluso vistas completas, cosas 00:16:20.920 --> 00:16:28.800 mucho más complejas. Pero siempre me va a dar un código que no va a ser óptimo porque 00:16:28.800 --> 00:16:36.640 ChatGPT está aprendiendo a base de copiar. ChatGPT ha aprendido porque no puede aprender 00:16:36.640 --> 00:16:41.920 de otra forma, porque está programado de esa manera. Es que es lo que tenemos que entender. 00:16:41.920 --> 00:16:48.280 Mientras se trabaje con las inteligencias artificiales como se está trabajando ahora 00:16:48.280 --> 00:16:56.920 en base a un proceso memorístico basado en copia y pega, la calidad que vamos a tener 00:16:56.920 --> 00:17:03.360 nunca va a ser comparable a la que puede hacer un ser humano que tiene un criterio. Y alguno 00:17:03.360 --> 00:17:09.040 me dirá, ese criterio de muchas de esas personas viene de la misma documentación con la que 00:17:09.040 --> 00:17:15.760 ChatGPT ha aprendido. Y es cierto. Pero también viene de su propia experiencia. Y viene de 00:17:15.760 --> 00:17:23.340 cómo interpreta esa documentación. La interpretación de una documentación, el entendimiento de 00:17:23.340 --> 00:17:28.480 una documentación, la formación que te da un profesor o que te da un vídeo o que te 00:17:28.480 --> 00:17:33.360 da un documento oficial que al final lo ha escrito alguien y que te está enseñando 00:17:33.360 --> 00:17:38.880 y la comprensión que hay detrás de eso. Eso es algo que una inteligencia artificial 00:17:38.880 --> 00:17:47.480 hoy, repito hoy, no tiene la capacidad de hacer. Porque hoy lo que hacen es repetir, 00:17:47.480 --> 00:17:52.200 copiar y pegar, copiar y pegar, que tiene una capacidad de procesamiento de información 00:17:52.200 --> 00:17:58.000 que es increíble porque maneja millones y millones y millones y millones de datos. Por 00:17:58.000 --> 00:18:06.560 lo tanto, el resultado es totalmente increíble. Yo soy el primer sorprendido y a día de hoy 00:18:06.560 --> 00:18:12.040 la inteligencia artificial, a nivel de programación, puede ser una gran herramienta de ayuda para 00:18:12.040 --> 00:18:16.640 programadores. Pero si yo soy un programador y no entiendo el código que me está dando 00:18:16.640 --> 00:18:21.920 y simplemente lo copio y lo pego, lo que voy a tener es código de muy mala calidad. Lo 00:18:21.920 --> 00:18:26.920 que voy a tener es código. Vamos a pasar a tener código hecho como si el mundo estuviera 00:18:26.920 --> 00:18:32.040 dominado por juniors que realmente no saben lo que hacen y que están probando con algo 00:18:32.040 --> 00:18:39.600 que saben que en cierto sentido puede funcionar. Y que hoy te da código que no compila, pero 00:18:39.600 --> 00:18:43.720 probablemente en unos años te dé un código de mucha más calidad que siempre compile 00:18:43.720 --> 00:18:48.160 o que incluso el propio sistema sea capaz de probar que lo que te está dando compila, 00:18:48.160 --> 00:18:54.960 que también va a pasar. Pero eso no quiere decir que la calidad del código llegue a 00:18:54.960 --> 00:19:03.360 ser buena. Vamos a tener a un montón de juniors que van a buscar a base de copiar y pegar 00:19:03.360 --> 00:19:09.960 contenido de Internet que no está clasificado en base a su calidad. Porque clasificar la 00:19:09.960 --> 00:19:15.160 calidad de un código es muy complejo, porque no todo el mundo opina igual. Y tal vez un 00:19:15.160 --> 00:19:18.960 código que para mí es una buena práctica para otra persona no lo es. Y yo haría una 00:19:18.960 --> 00:19:23.160 cosa de otra manera y esa persona la haría de otro. Es como el fontanero que siempre 00:19:23.160 --> 00:19:27.200 llega a ver lo que ha hecho el anterior fontanero y te va a decir que hay que sanear o que el 00:19:27.200 --> 00:19:32.000 que ha venido antes ha hecho una chapuza. Ese es el kit de la cuestión. Por lo tanto, 00:19:32.000 --> 00:19:37.960 como la IA no es capaz de valorar a nivel de criterio lo bueno o malo que es el código 00:19:37.960 --> 00:19:43.360 que te va a dar y tal como están hechas, nunca va a ser capaz de hacerlo. A no ser, 00:19:43.360 --> 00:19:49.480 insisto, que cambien la forma en la que funcionen. Esto siempre va a ser una herramienta, una 00:19:49.480 --> 00:19:55.040 herramienta útil, una herramienta increíble, pero una herramienta que nunca va a poder 00:19:55.040 --> 00:20:01.360 sustituir a un ser humano, ser humano que haya aprendido no por copiar y pegar. Porque 00:20:01.360 --> 00:20:07.120 si tú, programador, has aprendido por copiar y pegar, entonces, lo siento, es probable 00:20:07.120 --> 00:20:12.720 que tú, en un momento determinado, hoy no, pero en unos años, seas prescindible. Porque 00:20:12.720 --> 00:20:16.120 en realidad, tú no estás entendiendo lo que estás haciendo. Y aquí es donde va la 00:20:16.120 --> 00:20:25.920 conclusión final. Para realizar un acto de creación, para realizar un acto de creación 00:20:25.920 --> 00:20:32.720 artística, necesito entender los procesos que dan lugar a dicho arte. Y la programación 00:20:32.720 --> 00:20:38.800 es una forma de arte, es una forma de arte en la que no es copiar y pegar, es saber, 00:20:38.800 --> 00:20:44.080 es entender, es comprender el lenguaje, como el que comprende unas palabras en inglés, 00:20:44.080 --> 00:20:52.880 en español, en chino, porque conoce ese idioma. Un modelo como GPT-3 podrá sustituir al becario 00:20:52.880 --> 00:20:58.640 que coge una nota de prensa y que genera un artículo a partir de esa nota de prensa haciendo 00:20:58.640 --> 00:21:07.280 una mínima, mínima, una mínima versión o una mínima, porque ha puesto prácticamente 00:21:07.280 --> 00:21:11.640 nada de su parte, sino que se ha limitado a coger un texto que ha escrito otro y a medio 00:21:11.640 --> 00:21:17.240 adaptarlo o directamente lo ha copiado y pegado. Esas noticias hechas a base de notas de prensa, 00:21:17.240 --> 00:21:23.240 esos profesionales que no lo son porque no están escribiendo, tienen los días contados, 00:21:23.240 --> 00:21:30.260 porque Microsoft ya está probando en GPT-3.5 y lo hará con GPT-4, que saldrá en 2023, 00:21:30.260 --> 00:21:36.760 la posibilidad de poder crear textos para su portal de noticias hechos de forma automática 00:21:36.760 --> 00:21:43.280 en base a un titular y a un subtítulo y punto, o basados en una nota de prensa que ya les den 00:21:43.280 --> 00:21:49.440 y crear algo al respecto. De hecho, ChatsGPT ya lo hace hoy día, pero ChatsGPT y ningún 00:21:49.440 --> 00:21:56.720 generador de texto tal como se hace hoy día va a ser capaz de escribir una novela de Juan Gómez 00:21:56.720 --> 00:22:03.000 Jurado, de Arturo Pérez Reverte, de Dan Brown o de quien sea, porque no van a ser capaces, 00:22:03.000 --> 00:22:09.480 porque ahí hay un proceso de creación de personajes, de creación de identidades de 00:22:09.480 --> 00:22:13.840 dichos personajes, de que esos personajes tengan una coherencia con respecto a lo que se está 00:22:13.840 --> 00:22:20.480 definiendo, que los hechos tengan una lógica dentro de la narrativa. Hay un montón de elementos 00:22:20.480 --> 00:22:26.280 dentro de lo que es la escritura creativa que una inteligencia artificial como programa hoy 00:22:26.280 --> 00:22:32.120 día no está preparado para aprender y nunca lo estará si se siguen trabajando, si se siguen 00:22:32.120 --> 00:22:38.360 haciendo como lo hacen ahora. Se va a limitar a copiar y pegar, a copiar y pegar, a pedirle un 00:22:38.360 --> 00:22:45.040 trabajo de Napoleón Bonaparte y a coger y hacerte un texto que no va a ser excesivamente original y 00:22:45.040 --> 00:22:50.200 que directamente va a estar copiado y pegado, fusilado, de una Wikipedia, de un artículo, 00:22:50.200 --> 00:22:54.440 de un no sé qué, de un no sé cuánta, pero un texto que incluso podría llegar a tener erratas, 00:22:54.440 --> 00:22:59.720 porque si alguien ha escrito un artículo poniendo algo que es incorrecto sobre Napoleón Bonaparte, 00:22:59.720 --> 00:23:04.720 nadie le ha dicho a la inteligencia artificial cuando se ha entrenado que eso que hay en ese 00:23:04.720 --> 00:23:09.240 artículo sobre Napoleón Bonaparte no es cierto y que no murió en ese año sino que murió en este 00:23:09.240 --> 00:23:15.080 otro. GPT-3 intenta buscar la verdad sobre este tipo de contenido en base a la repetición en 00:23:15.080 --> 00:23:19.920 distintas fuentes, pero si hay un dato que no se repite en distintas fuentes o que incluso se 00:23:19.920 --> 00:23:26.440 repite a partir de un error lo va a dar por bueno y ese dato va a estar mal y nadie le va a poder 00:23:26.440 --> 00:23:35.960 decir de una manera tan digamos tan afinada que se está equivocando. Espero haberme hecho entender 00:23:35.960 --> 00:23:53.880 a este respecto. Y poco más. Hoy es un episodio pues, como digo, es un poco más para pensar, 00:23:53.880 --> 00:24:01.960 para meditar, para hacernos una idea un poco más aproximada. Sé que es un contexto, sé que es un 00:24:01.960 --> 00:24:08.840 tipo de explicación abstracta que es complicada. Es complicada porque hay una base de lo que yo 00:24:08.840 --> 00:24:13.960 estoy explicando que se basa en mi conocimiento de cómo están generadas estas inteligencias, 00:24:13.960 --> 00:24:20.160 de cómo están generados estos modelos de este programa que está programado. No sé lo que puede 00:24:20.160 --> 00:24:25.760 pasar dentro de un año, dentro de dos, dentro de tres. Sé que las inteligencias generativas actuales 00:24:25.760 --> 00:24:32.600 cada vez van a ser más eficientes, cada vez lo van a hacer mejor, pero nunca programadas tal como se 00:24:32.600 --> 00:24:38.920 programan a día de hoy van a poder ser realmente creativas. Se van a basar siempre en la copia, 00:24:38.920 --> 00:24:44.200 copiar y pegar, copiar y pegar, copiar y pegar y en lo que es la memorística, lo que es el 00:24:44.200 --> 00:24:51.040 aprendizaje por memorización, que es el menos eficiente que existe a día de hoy según infinitos 00:24:51.040 --> 00:25:00.440 expertos en didáctica. ¿Que dentro de unos años alguien inventa una nueva forma de hacerlas que 00:25:00.440 --> 00:25:07.520 podría llegar a tener creatividad? No lo sé, es posible, lo es desde luego, pero desde luego a día 00:25:07.520 --> 00:25:14.280 de hoy no se está yendo por ese camino. Así que ahora lo importante ya no es, y de hecho lo dicen 00:25:14.280 --> 00:25:19.240 todos los expertos en inteligencia artificial a día de hoy, lo importante ya no es darle mucha 00:25:19.240 --> 00:25:26.880 información, lo importante es poder conseguir que dicha información sea mejor, que los procesos que 00:25:26.880 --> 00:25:32.040 gestionan dicha información sean mejores y más eficientes. Como siempre muchísimas gracias por 00:25:32.040 --> 00:25:41.080 estar ahí. Nos oímos pronto si Jobs quiere y hasta entonces un saludo y Good Apple Coding.