Novatos en programación crean aplicaciones de IA para el ejército con chatbots

En la actualidad, los chatbots de inteligencia artificial, como ChatGPT y Claude, han demostrado su capacidad para realizar diversas tareas, desde redactar correos electrónicos hasta planificar itinerarios de viaje. Estos sistemas se basan en modelos de lenguaje y visión entrenados con vastas bases de datos que incluyen libros, sitios web, código e imágenes.

Los algoritmos de IA son perfeccionados mediante retroalimentación humana masiva, lo que les permite seguir instrucciones y evitar resultados dañinos o no deseados. A pesar de sus limitaciones evidentes, estos chatbots pueden ser herramientas valiosas en áreas que tradicionalmente requieren habilidades especializadas, como la programación informática.

Claves de la noticia

Como parte del proyecto Phantom del U.S. Department of the Air Force–MIT AI Accelerator, el cadete Joshua Lynch, con el apoyo de su mentora Laura Niss del Embedded and AI Systems Group en el MIT Lincoln Laboratory, se propuso investigar si podría desarrollar un programa completamente funcional sin experiencia previa en codificación. Para ello, utilizó un proceso denominado «vibe-coding», donde se basa únicamente en indicaciones para guiar a un chatbot generativo a escribir y refinar código.

Lynch tenía como objetivo empoderar a quienes conocen el contexto militar a avanzar en sus ideas para aplicaciones útiles de software, superando así las limitaciones de tiempo y costo del tradicional proceso de desarrollo militar. Mientras él trabajaba en su aplicación, Niss observaba su experiencia con esta tecnología.

Desarrollo y aprendizaje práctico

Lynch se propuso crear una aplicación específica para su equipo táctico que ayudara a reducir daños colaterales y mejorara la supervivencia en misiones. Esta aplicación incluiría capacidades como reconocimiento de objetivos asistido por IA y gestión autónoma de comunicaciones en el campo de batalla. Durante el proyecto, completó varios cursos de desarrollo profesional en IA y se familiarizó con usos tanto militares como no militares de esta tecnología.

Para la generación del código, utilizó modelos pagos de tres chatbots: Claude de Anthropic, ChatGPT de OpenAI y Gemini de Google. La mayor parte del trabajo se realizó a través de la función principal del chatbot en un navegador web, sin integrarse dentro de un entorno estándar de desarrollo. La aplicación final fue producida utilizando Google AI Studio App, que permite crear aplicaciones que interactúan con la interfaz de programación (API) del modelo Gemini.

A lo largo de tres meses, Lynch desarrolló su aplicación llamada Remote Operating Modular Augmentation Device (ROMAD-AI). Aprendió métodos para mejorar la salida del código y enfrentó desafíos relacionados con la falta de enfoque jerárquico por parte del chatbot. Descubrió que era crucial dividir problemas complejos en partes más pequeñas y formular preguntas claras.

Retos y descubrimientos finales

A medida que adquirió experiencia con los chatbots, Lynch ajustó sus expectativas debido a las limitaciones tecnológicas y al tiempo disponible para el desarrollo. Esto llevó a reescalar su proyecto hacia una herramienta capaz de procesar documentos básicos relacionados con mapas tácticos y planificación de misiones mediante una interfaz con un chatbot impulsado por VLM. Aunque el prototipo final no cumplió todas las funciones inicialmente previstas ni era seguro para uso crítico, demostró ser útil para los miembros del servicio.

Niss expresó su impresión sobre el producto final: "Mostró cómo estos sistemas pueden ser poderosas herramientas para que no expertos transmitan problemas y soluciones a expertos técnicos". A lo largo del proyecto, observó un cambio significativo en la percepción que Lynch tenía sobre los modelos lingüísticos AI; comenzó con grandes expectativas pero terminó reconociendo las capacidades reales disponibles actualmente.

El proyecto subrayó cómo los chatbots pueden empoderar a miembros no técnicos del servicio militar para desarrollar aplicaciones viables ante problemas únicos; sin embargo, es importante tener presente que funcionan mejor como asistentes prototipadores que como herramientas completas para producción crítica debido a riesgos potenciales asociados al manejo inadecuado del código generado.

"Este proyecto reafirmó la brecha entre expertos en diferentes campos", concluyó Niss. "Independientemente del avance tecnológico en IA, siempre necesitaremos colaborar para encontrar las mejores soluciones a los problemas más importantes".

Preguntas sobre la noticia