En un programa tradicional es una persona quien escribe la regla: «si el importe pasa de cincuenta mil, pide aprobación». En el machine learning le das en cambio muchos ejemplos — casos aprobados y casos rechazados — y el sistema produce la regla por su cuenta. Eso compensa cuando la regla es demasiado complicada o demasiado cambiante para escribirla.
Los tres conceptos — IA, machine learning, IA generativa — no son sinónimos ni rivales: están encajados uno dentro de otro. El machine learning es una rama de la IA, y los modelos generativos de hoy son un tipo de deep learning dentro del machine learning. En cuanto sabes qué está dentro de qué, media prensa técnica se vuelve legible de golpe.
El error más frecuente es creer que el machine learning es nuevo. No lo es: lleva décadas funcionando, y el auge actual no vino de una idea nueva, sino de que hubo bastantes datos y cálculo bastante barato. Esto, por cierto, sirve de filtro: cuando alguien anuncia un «enfoque revolucionario», conviene preguntar qué se ha vuelto asequible de repente.
Cómo se relacionan los tres niveles lo explica Machine learning, deep learning e IA generativa: cómo encajan, un artículo aparte. Los conceptos directamente relacionados: deep learning, training y neural network.