IA invisible

La IA més exitosa és la que no notes. No la veus, no saps que hi és, però si la traguessis, el teu dia a dia canviaria dràsticament. Avui farem un recorregut per totes les aplicacions d’IA que probablement ja fas servir.

El teu mòbil és una fàbrica d’IA

Cada vegada que fas una foto, el teu telèfon posa en marxa diversos models d’IA simultàniament.

Mode nit: Quan fas una foto amb poca llum, la càmera no simplement augmenta la brillantor. Un model d’IA analitza la imatge, separa el senyal del soroll, i reconstrueix detalls que l’ull humà a penes veu. Per això les fotos de nit dels mòbils moderns semblen miracles — ho són, computacionals.

Mode retrat (desenfocament): El telèfon té una càmera petita i plana que físicament no pot desenfocar el fons com una càmera professional. Un model d’IA detecta on ets tu i on és el fons, i aplica el desenfocament artificialment. Tan bé que la majoria de gent no nota la diferència.

Reconeixement facial: Quan desbloqueges el mòbil amb la cara, un model d’IA compara la teva cara amb la que té guardada. I no és una comparació simple de fotos — funciona amb angles diferents, amb barba o sense, amb ulleres, de nit.

Teclat predictiu: Cada vegada que escrius un missatge, el teclat prediu la paraula següent. Això és un petit model de llenguatge entrenat amb milions de textos. No és tan potent com ChatGPT, però la idea base és la mateixa: predir la paraula més probable.

Google Maps / Waze: No es limiten a calcular la ruta més curta — prediuen el trànsit futur. Analitzen dades de milions de telèfons en temps real, les combinen amb patrons històrics (els divendres a les 18h l’autopista X es col·lapsa) i calculen el temps d’arribada amb una precisió sorprenent. Això és Machine Learning pur.

Uber / Cabify: El preu del viatge no és fix — un model d’IA l’ajusta dinàmicament segons la demanda, el trànsit, l’hora i la zona. Si plou i hi ha poca oferta de conductors, el preu puja. L’algoritme busca l’equilibri entre oferta i demanda en temps real.

Conducció assistida: Cotxes com Tesla, Mercedes o BMW usen models de Deep Learning per processar les imatges de les càmeres i detectar carrils, cotxes, vianants i senyals. No és un cotxe autònom complet (encara), però la IA ja frena per tu si detecta un obstacle, manté el carril i aparca sola.

Entreteniment

Netflix: El 80% del que la gent mira a Netflix ve de recomanacions de la IA. El model analitza què has vist, durant quant de temps, quan vas parar, què vas saltar, i ho compara amb milions d’altres usuaris. Fins i tot les miniatures que veus estan personalitzades — si t’agraden les pel·lícules d’acció, et mostra una miniatura amb una escena d’acció; si prefereixes el drama, la miniatura serà diferent per a la mateixa pel·lícula.

Spotify / YouTube Music: El Discover Weekly de Spotify és un exemple brillant d’IA. Cada dilluns tens una llista de 30 cançons que probablement t’agradaran. El model analitza les teves escoltes, busca usuaris amb gustos similars, i t’ofereix el que ells escolten i tu encara no has descobert.

YouTube: L’algoritme de recomanació de YouTube és un dels models d’IA més potents (i controvertits) del món. Decideix què et mostra a la pàgina principal i què et suggereix després de cada vídeo. Està optimitzat per maximitzar el temps que passes mirant — per bé i per mal.

TikTok: El “For You” de TikTok és IA de recomanació portada a l’extrem. Analitza no només què mires, sinó com ho mires: quant de temps mires cada vídeo, si el tornes a veure, si el comparteixes, si el comentes. En menys de 30 minuts d’ús, el model ja té un perfil bastant precís dels teus gustos.

Comunicació

Filtre de spam: El filtre de spam del teu email és un dels exemples més antics i exitosos d’IA quotidiana. Analitza el contingut, el remitent, els patrons de formatting, els enllaços, i decideix si un email és legítim o brossa. Cada vegada que marques un email com a spam, estàs entrenant el model.

Traducció automàtica: Google Translate va passar de ser una broma a ser sorprenentment útil gràcies al Deep Learning. Des del 2016 usa una xarxa neuronal que tradueix frases senceres en lloc de paraula per paraula. DeepL, un competidor europeu, va pujar el llistó encara més amb models específicament dissenyats per a traducció.

Assistents de veu: Siri, Alexa i Google Assistant combinen diversos models d’IA: un per entendre la teva veu (speech-to-text), un per interpretar què vols (processament del llenguatge natural), un per generar la resposta, i un per convertir-la en veu (text-to-speech). Cada frase que els dius passa per almenys quatre models d’IA.

Compres i finances

Amazon: Les recomanacions de “qui ha comprat això també ha comprat…” són IA de filtratge col·laboratiu. Però Amazon va molt més enllà: usa IA per decidir quins productes et mostra primer, quin preu oferir-te, quan fer promocions, i fins i tot com organitzar els seus magatzems per enviar-te les coses més ràpid.

Detecció de frau bancari: Si la teva targeta de crèdit es bloqueja quan fas una compra estranya, és perquè un model d’IA ha detectat un patró inusual. Compra a les 3 de la matinada des d’un país on mai has estat? El model ho marca com a sospitós en mil·lisegons.

Publicitat personalitzada: Per què et surten anuncis de coses que acabes de buscar (o de pensar)? Models d’IA analitzen el teu comportament de navegació, les teves compres, i la teva demografia per mostrar-te anuncis que tenen més probabilitat de funcionar. No et llegeixen la ment — però el model és tan bo que a vegades ho sembla.

Salut

Diagnòstic per imatge: Models de Deep Learning poden detectar tumors en radiografies i mamografies amb una precisió comparable (i a vegades superior) a la de radiòlegs experts. No substitueixen el metge — però l’ajuden a no passar per alt anomalies.

Predicció de malalties: Alguns hospitals usen models que analitzen l’historial clínic del pacient per predir el risc de malalties futures. Un model pot detectar patrons subtils en analítiques de sang que un humà no veuria.

Seguretat

Reconeixement facial en aeroports: Cada vegada més aeroports usen IA per verificar identitats. El model compara la teva cara amb la foto del passaport en segons.

Detecció de contingut il·legal: Les plataformes de xarxes socials usen IA per detectar i eliminar contingut que viola les seves polítiques — des de discurs d’odi fins a contingut il·legal. No ho poden fer manualment amb el volum de contingut que es publica cada segon.

La pregunta que et queda

Després de veure tot això, potser et preguntes: si la IA ja fa tantes coses per mi, per què necessito entendre-la?

Perquè hi ha una diferència entre ser usuari passiu d’IA que altres han dissenyat per tu, i ser usuari actiu que entén com funciona, tria quines eines usar, i fins i tot crea els seus propis agents.

Aquesta és la diferència que estem construint en aquest curs.

Conceptes clau d’avui

  • IA invisible: La IA més exitosa és la que no notes perquè està integrada en productes quotidians
  • Recomanació: Sistemes que prediuen què t’agradarà basant-se en el teu comportament i el d’altres
  • Filtratge col·laboratiu: Recomanar-te coses basant-se en què fan usuaris similars a tu
  • Speech-to-text / Text-to-speech: Convertir veu a text i viceversa — ambdós són models d’IA

Propera lliçó: Comencem la Setmana 2 — Què és un LLM? El model que entén (i genera) text.