Intel·ligència Artificial
Què és la IA?
La no és màgia ni una ment que pensa com les persones. És un estadi més de l’evolució del programari. Durant dècades, els programes han funcionat amb eines fixes: havies d’aprendre com fer-les servir i aplicar-les pas a pas.
Amb la IA, el programari pot ser propositiu: tu descrius amb paraules què vols aconseguir, i el sistema genera una sortida plausible. És com si les eines haguessin fet “un pas al costat” i ara el pont fos el llenguatge amb el que ens comuniquem els humans. Això obre noves possibilitats de treball més fluid i fins i tot més popular, ja que no cal ser gaire especialista per parlar a través d’un xat. Però també pot tenir els seus inconvenients: pot reproduir biaixos, crear dependència o implicar riscos de privacitat.
Un exemple fàcil d’entendre és Photoshop. Abans havies de dominar eines concretes (pinzell, goma, capes, filtres) per arribar a un resultat. Avui, amb les noves funcions basades en IA, pots escriure “afegeix un cel blau amb núvols suaus” i el programa ho executa automàticament. La diferència és clara: el programari ja no només et dona eines, sinó que interpreta la teva intenció i les fa servir per tu.
Això no vol dir que la màquina “pensi”. En realitat segueix sent un conjunt d’ capaços de detectar patrons en grans quantitats de dades i calcular la sortida més probable. Però sí que canvia la manera com ens hi relacionem: ara el llenguatge humà esdevé la interfície principal.
Una manera útil d’entendre-ho: la IA és una lupa de patrons. Pot reconèixer cares, transcriure veus, recomanar vídeos o redactar textos, però no té consciència ni criteri moral.
On la trobem avui
- Xarxes socials: ordenació del que veus.
- Streaming i música: recomanacions.
- Traducció i subtítols: reconeixement i transcripció.
- Assistents de veu: entendre i respondre ordres.
- Programari i aplicacions: eines com editors d’imatge, vídeo o text que ja incorporen funcions d’IA.
- IA generativa: .
Com funciona a grans trets
- Es recopilen massives.
- S’entrena un amb tècniques d’.
- En , amb una entrada nova, el model estima la sortida més probable.
Aquest procés d’entrenament s’anomena (machine learning). En lloc de programar cada regla pas a pas, el sistema aprèn dels exemples: veu milers o milions de casos i en generalitza patrons. Un cop entrenat, quan rep una entrada nova, el model fa inferència i estima la sortida més probable. Per això pot reconèixer una cara o traduir una frase sense que ningú hagi escrit explícitament totes les regles possibles.
Aquí apareix un detall sovint poc comentat: les dades no tenen per què ser certes. Si en un formulari hi escric un nom fals, una edat inventada o una professió que no és la meva, per al sistema és exactament igual de vàlid que si hagués dit la veritat. Els algoritmes no jutgen autenticitat: només processen probabilitats dins de dades massives.
Això pot tenir un punt gairebé còmic: una empresa recull milers de dades per publicitat, les empaqueta i les ven a una altra empresa per una fortuna... i moltes d’aquestes dades poden ser inventades, incoherents o poc fiables. Tot i així, acaben alimentant models que després considerem “seriosos” i que influeixen en decisions reals.
La pregunta de fons és inquietant: quin món volem crear?
Un món on les respostes es basin en qualsevol dada massiva, o bé en dades massives certificades?
I en tot cas qui les certifica, i com es fa aquest procés? I després la és pública o no?
Aquesta diferència és clau per entendre cap a on poden anar les tecnologies de la IA.
Co-responsabilitat digital · Quan publiques informació a Internet, el primer que compta és el que escrius. Però no n’hi ha prou: també és clau com ho presentes. Els cercadors i les IA no “entenen” el món com les persones; interpreten etiquetes, enllaços i estructures.
Si un web està mal organitzat —per exemple amb títols poc clars, enllaços que no funcionen o pàgines duplicades— el resultat és que els sistemes automàtics poden indexar informació de manera confusa. I això vol dir que, quan facis una pregunta a una IA, pot acabar responent amb dades incompletes, desactualitzades o fins i tot enganyoses.
Per això és tan important tenir cura de la “qualitat tècnica” de les publicacions: que cada pàgina tingui un títol i una descripció clars, que les adreces no canviïn sense avisar, que s’indiqui quina és la versió correcta d’un contingut i que es mostri qui n’és l’autor i sota quina llicència es comparteix. Tot això ajuda els sistemes a llegir millor la informació i, en conseqüència, a oferir respostes més útils.
Si t’interessa entendre com indexar correctament informació a Internet, de manera que també els models d’IA la puguin interpretar quan generen respostes, et recomanem aquest recurs. És un enllaç pedagògic i instructiu, però tingues present que en clicar-hi sortiràs del nostre domini.
IA generativa i LLM
Els models de llenguatge a gran escala () generen text coherent a partir d’un . Són excel·lents produint respostes versemblants, però no sempre exactes: poden presentar .
Riscos i punts crítics
- en dades i resultats.
- : poca transparència sobre com es decideix.
- Dependència: delegar massa coses pot reduir pensament crític.
- i desinformació.
Oportunitats
- Accessibilitat: subtítols, lectura de textos, assistents.
- Eficiència: automatitzar tasques repetitives.
- Creativitat: noves eines per escriure, dibuixar o compondre.
- Ciència i salut: detecció, diagnòstic, simulacions.
Clau pedagògica
La IA no sap coses: estima respostes probables. La responsabilitat de contrastar i decidir és nostra.
Transparència i governança
Per reduir riscos, cal , i amb auditoria, traçabilitat de dades i normes clares. També ajudari molt que les parts del sistema fossin obertes i auditables.
Com ja et pots esperar, si la clàssica dels sistemes d’Internet pot crear un de tu, imagina la interacció contínua amb un model d’IA. Recorda que, quan fas servir aquests serveis, tot l’historial dels teus xats queda emmagatzemat en els servidors d’una empresa. El sistema podria arribar a saber més sobre com ets que no pas tu mateix. Tot i així, la imprevisibilitat —per dir-ho suau— i la imbecilitat humana, per ser concrets, són tan grans que no està clar si mai es podrà encapsular en un model de personalitat estable.
FAQ breu
- La IA és “intel·ligent”?
En sentit humà, no. Treballa amb patrons i probabilitats. - Per què s’equivoca?
Per biaixos a les dades, limitacions del model o prompts imprecisos. - Qui la controla?
Empreses i governs. Caldria influir rotundament i el més aviat possible en transparència, regulació i auditoria.
Repensant la IA contínuament
Els grans models d’IA () ja no s’entrenen només amb preferències humanes (). Ara s’està obrint camí un nou enfocament basat en recompenses verificables i objectives (). Aquest canvi permet models que no només “sonin bé”, sinó que realment raonin i resolguin problemes. Nous algoritmes com simplifiquen i estabilitzen aquest procés, reduint errors i trampes (). També emergeix la supervisió de processos, que valora cada pas correcte i fa més transparent el raonament del model. És un moment clau: encara no tenim , però s’està cuinant un salt qualitatiu en la capacitat de pensament de les IA.
Ara ja saps, si estàs habituat a treballar amb IA i et trobes en un moment desesperat, aquell moment en què la IA sembla que només et dona respostes per defugir responsabilitats, sempre li pots dir:
“Ei!, no vull que em donis un rewardHacking. Si no la solució!”
I ja veuràs que quedaràs com un senyor!
😂😂😂
De fet, tot això sembla un relat antropològic: una espècie que es creu intel·ligent intentant crear un sistema prou intel·ligent per substituir la intel·ligència inherent... o per millorar la intel·ligència de què? de qui? En fi, ja m’he perdut!
Les tendències de la poden apuntar també cap a un rol d’assistent personal. Ja gestionen comptes d’empreses, responen preguntes en webs i formen part de molts processos de decisió automàtica. Molt aviat, fins i tot, podran consensuar les nostres cites i organitzar calendaris. Això implica que haurem de confiar-los dades molt sensibles perquè els models puguin parlar entre ells i coordinar-nos la vida professional, el lleure i la nostra salut. El repte és enorme: caldrà establir límits clars i coherents. Si no podem intervenir en aquestes decisions, el risc de perdre el control és total.
En realitat, no em malinterpreteu: no parlo de compartir la contrasenya literal amb la IA.
Cada vegada més es fa servir o , que permeten a un servei accedir al teu compte
sense exposar la clau principal. No és Això el que vull dir.
El que poso en relleu és l’efecte pràctic: estàs delegant accés a dades i serveis
perquè els models automatitzin tasques per tu, o bé generant la confiança perquè siguin els models qui decideixin per tu.
I si aquests models són estàndards tancats que tu no pots definir,
el risc és encara més gran: ja no ets tu qui decideix, sinó els models existents.
O sigui, primer cal consciència digital i una base de coneixement sobre com funciona un model. És un tema complex, però imprescindible. A partir d’aquí, també podem obrir la porta a inferir trets personals, tocs de la teva manera de raonar o decidir. Potser això no fa el model més “eficient”, però sí més coherent amb el teu desig. I aquí hi ha la clau: distingir entre models estàndard, que tendeixen a resoldre sempre igual, i models personalitzats, que poden reflectir millor la teva pròpia veu.
Tot això pot transformar els models d’IA en diversos i personals. Una idea prou atractiva: imagina poder decidir si vols que el teu assistent digital raoni com una sistema molt intel·ligent, o bé com un savi de la vida. El futur de la IA no serà només tècnic, sinó també una qüestió de valors, poder, estils i preferències personals. Com sempre.
Checklist ràpid
- Pregunta’t si la sortida és versemblant o contrastada.
- Comprova fonts abans de compartir resultats generats amb IA.
- Prefereix eines amb polítiques clares i opcions de privacitat.
- Evita delegar decisions crítiques només a la IA.