La inteligencia artificial generativa incluye modelos que aproximan distribuciones de datos y pueden generar nuevos puntos de datos plausibles.
Entre los métodos centrales se encuentran las Redes Generativas Antagónicas (GANs), los Autoencoders Variacionales (VAEs) y modelos autorregresivos como GPT.
Estos modelos aprenden optimizando funciones de pérdida que buscan no distinguir los datos generados de los datos reales de entrenamiento.
La IA generativa tiene aplicaciones importantes en la síntesis de imágenes, el procesamiento del lenguaje natural y la simulación de sistemas complejos.
Definición:
«La inteligencia artificial generativa se refiere a sistemas capaces de generar contenido nuevo aprendiendo los patrones subyacentes de un conjunto de datos dado, produciendo salidas que se asemejan a la distribución original de los datos.»
Fuente:
Goodfellow et al. – Generative Adversarial Nets, 2014; así como artículos de revisión actuales sobre IA generativa.