Una asistente de IA generativa es muy buena conversando, pero esa fluidez es también su mayor riesgo: puede responder con aplomo algo que no es cierto. Son las llamadas alucinaciones. En un entorno de investigación, donde un dato erróneo puede invalidar un análisis, eso es inaceptable. Por ejemplo, estos son los principales sucesos que debemos tener en cuenta cuando iniciamos un proceso de entrenamiento de una asistente de IA generativa:
Alucinaciones y falsa seguridad. Una respuesta plausible no es una respuesta correcta. Hay que conseguir que el asistente consulte siempre los datos reales y reconozca cuándo no dispone de ellos.
Un lenguaje muy específico. Módulos, tanques, tratamientos, magnitudes, tipos de ensayo, tipos de muerte: la terminología de un RAS no es la de una conversación cotidiana, y la asistente debe interpretarla sin ambigüedad.
Datos de naturaleza distinta. Las mediciones automáticas de los sensores, los controles manuales una o dos veces al día, la biometría y los eventos sanitarios se registran de formas diferentes y deben tratarse cada uno con su lógica.
Fuentes que pueden diferir. Por ejemplo, registros de eventos en elementos comunes o diferentes, y el asistente debe saber de dónde sale cada cifra.
Validación por expertos. Ninguna mejora es fiable sin que los investigadores contrasten las respuestas con su conocimiento del experimento.
El proceso de aprendizaje no es sencillo ni se hace de una vez. Requiere un esfuerzo sostenido para mejorar la interacción, y avanza por fases:
1. Definir qué debe saber hacer. Delimitar el alcance: qué preguntas debe poder responder y con qué datos.
2. Conectar la asistente con las fuentes reales. En lugar de confiar en lo que "recuerda", la asistente dispone de funciones específicas para consultar los datos del proyecto, de modo que sus respuestas se apoyen en información verificable.
3. Estructurar las funciones por tipo de dato. Cada familia de información (experimentos, sensores, controles manuales, crecimiento, salud, documentación) tiene sus propias herramientas.
4. Probar con casos reales. Preguntas reales de los investigadores, con respuestas que se pueden comprobar.
5. Detectar y corregir errores. Cada fallo o respuesta imprecisa se analiza y sirve para ajustar el comportamiento de la asistente.
Iterar. La interacción mejora con el uso: cuanto más se utiliza y se supervisa, menos errores comete.
Cuando el aprendizaje madura y las alucinaciones dejan de ser un problema, la asistente se convierte en una herramienta útil en el día a día. Estas son las capacidades de Julia, nuestra asistente de IA generativa “JulIA” y lo que sabe hacer a día de hoy:
Localizar experimentos por título, número de estudio, especie, módulo, fechas o tipo, con identificadores, fechas y estado.
Resumir la actividad experimental: contar experimentos y calcular su duración media, mínima y máxima, agrupados por especie, tipo o año.
Consultar qué sensores hay en el módulo de un experimento (temperatura, oxígeno, pH), con sus unidades y el periodo del experimento.
Obtener estadísticas y series temporales: media, mínimo, máximo, primera y última lectura, o promedios horarios y diarios.
Explorar los catálogos: módulos, tanques, salas de cultivo, especies, dietas, definiciones de alarmas, tipos de incidentes, de ensayos y de muertes.
Recuperar los parámetros registrados a mano (temperatura, oxígeno, pH, salinidad, caudal, alimentación y observaciones), con sus estadísticas.
Consultar peso y longitud por tratamiento o tanque, en el primer y último muestreo o en todos, y calcular el incremento de crecimiento.
Listar los eventos del experimento: mortalidad, vacunaciones, desafíos con patógenos, cambios de dieta y muestreos, con fechas, alcance y detalles.
Calcular la mortalidad acumulada a partir de dos fuentes: los eventos del experimento (por tratamiento) y el registro de muertes del módulo (por tipo, fecha y porcentaje).
Buscar en la documentación del proyecto Control Research cómo funciona el sistema: Comms Box, Aqua Box, sensores, monitorización, alarmas, trazabilidad y sistemas RAS.
El resultado es poder preguntar en lenguaje natural y obtener, en segundos, información que antes requería navegar por distintas plataformas, exportar datos y procesarlos a mano.

Lo que hoy es una asistente de consulta puede convertirse en un apoyo cada vez más estratégico:
Leave A Comment
You must be <a href="https://irtamar.irta.cat/gestion?redirect_to=https%3A%2F%2Firtamar.irta.cat%2Fel-reto-de-que-la-ia-no-se-invente-nada%2F">logged in</a> to post a comment.