20 febrero, 2024

Descarga Guía: Cómo aplicar la Inteligencia Artificial, en la práctica docente

La IA: una tecnología disruptiva

Descarga esta Guía de apoyo:
Cómo aplicar la Inteligencia Artificial en la práctica docente

Esta guía puede estar conectada con:

  • Talleres de formación para profesores en implementación de IA
  • Competencias Digitales Docentes CDD
  • Estrategia institucional (IA, CDD)
  • Canales institucionales para divulgar y abrir debate (interno y externo) sobre recomendaciones, riesgos y desafíos de la IA en la educación. 

Descarga la guía (pdf, 814 KB)

31 enero, 2024

¿Alguien se atreve a hacer una previsión sobre la IA en 2004?

 ¿Alguien se atreve a hacer una previsión sobre la IA en 2004?

Sí, Medium.com se atreve (texto original en inglés)

Algunos titulares


  • Lanzamiento de Gemini Ultra
  • Impresionantes mejoras en los modelos de IA de código abierto
  • Crecimiento de la financiación en robótica
  • Lanzamientos de LLama 3 y
    GPT 4.5
  • Avances en la seguridad de la IA
  • Los LLM acelerarán los descubrimientos científicos
  • Lanzamiento de GPT 5.0
  • Los modelos de visión se hacen más realistas


Does anyone dare to make a forecast for AI in 2004? Yes...

Yes, Medium.com dares

Some of the headlines

  • Gemini Ultra Launch
  • Impressive improvements in open-source AI models
  • Funding Growth in Robotics
  • LLama 3 and GPT 4.5 Releases
  • Advances in AI Safety
  • LLMs will accelerate Scientific discoveries
  • GPT 5.0 Launch
  • Vision Models Become More Realistic

18 diciembre, 2023

Is Gemini the long-awaited promise?

 


Article in MIT Technology Review

A few observations about Gemini, Google DeepMind's latest creation:
  • Gemini is Google's biggest AI release to date. 
  • Gemini does not appear to have significantly more capability than GPT-4.
  • Some experts have doubts about the metrics that Google uses to measure Gemini's performance.

Original article: MIT Technology Review
By Melissa Heikkilä, December, 2023

Google Gemini. ¿Mereció la pena tanta expectación?



Artículo en MIT Technology Review

Algunas observaciones acerca de Gemini, la última creación de Google DeepMind:

  • Gemini es el mayor lanzamiento de IA de Google hasta la fecha. 
  • Gemini no parece tener una capacidad significativamente mayor que GPT-4.
  • Alguos expertos tienen dudas sobre los parámetros que Google utiliza para medir el rendimiento de Gemini.

Artículo original: MIT Technology Review

"Gemini de Google DeepMind es asombroso, pero podría indicar el pico de la IA"

por Melissa Heikkilä, Diciembre, 2023


12 diciembre, 2023

Aprendizaje Automático (Machine learning), en pocas palabras

(imagen generada por Imagen Creator from Bing.com)



Esta poderosa forma de inteligencia artificial AI, está cambiando todos las actividades de la sociedad, con gran potencial y también con limitaciones.

No todos necesitamos conocer los detalles técnicos, pero sí, debemos conocer qué puede y qué no puede hacer la tecnología.

¿Qué es el aprendizaje automático?

El aprendizaje automático está detrás de los chatbots (programa que y automatiza las respuestas, simulando una conversación de chat en línea), del texto predictivo, de las aplicaciones de traducción de idiomas, de los programas y películas que te sugiere Netflix, la música que te recomienda Spotify y cómo se presentan tus noticias en las redes sociales. Impulsa vehículos autónomos y máquinas (o computadores) capaces de diagnosticar enfermedades a partir de imágenes. Genera texto, imágenes, audio y sonido, para mencionar algunas aplicaciones conocidas.

En resumen

El Aprendizaje Automático (Machine learning):

  • es una subcategoría de la AI, que permite a las computadoras aprender sin ser programadas explícitamente,
  • se basa en grandes cantidades de datos para identificar patrones y hacer predicciones,
  • tiene el potencial de mejorar la toma de decisiones y automatizar tareas,
  • tiene limitaciones, como la necesidad de grandes cantidades de datos y la posibilidad de sesgos,
  • es importante considerar las implicaciones sociales, sociales y éticas.

Funciones de un sistema de aprendizaje automático

  • Descriptivo - el sistema utiliza los datos para explicar lo que ocurre.
  • Predictivo - el sistema utiliza los datos para predecir lo que ocurrirá.
  • Prescriptivo - el sistema utiliza los datos para sugerir qué acción tomar.

Malone T, Rus D, Laubacher R (2020) Artificial intelligence and the future of work.
MIT Work of the Future Research Brief, RB17-2020 

Existen tres subcategorías de aprendizaje automático:

Supervisado (supervised): modelos que se entrenan con conjuntos de datos etiquetados, que permiten a los modelos aprender y ser más precisos con el tiempo. Por ejemplo, el algoritmo se entrena con fotos de gatos y de otros objetos, en que cada foto está etiquetada por humanos. Así, el modelo aprende a identificar fotos de gatos de forma independiente.

No supervisado (unsupervised): un programa busca patrones en un conjunto de datos no etiquetados. Por ejemplo, un programa de aprendizaje automático no supervisado podría examinar datos de ventas en línea para identificar distintos tipos de clientes, según las compras que realizan.

Por refuerzo (reinforcement): entrenamiento de máquinas mediante ensayo y error para que realicen la mejor acción estableciendo un sistema de recompensas. Por ejemplo, para entrenar modelos para jugar o entrenar en la conducción de vehículos autónomos recompensando a la máquina cuándo ha tomado las decisiones correctas. Así, con el tiempo, el algoritmo aprende qué acciones debe realizar.

El aprendizaje automático también está asociado a otros subcampos de la inteligencia artificial:

Procesamiento del lenguaje natural PLN (natural language processing, NLP)

Entender el lenguaje natural hablado y escrito por humanos, en lugar de los datos y números utilizados normalmente para programar ordenadores. Esto permite reconocer, entender y responder, creando nuevos textos y traducir entre idiomas. Ejemplos conocidos del procesamiento del lenguaje natural son los chatbots y los asistentes digitales como Siri o Alexa.

Redes neuronales (neural network)

Las redes neuronales se basan en datos de entrenamiento para aprender y mejorar su precisión con el tiempo. El ajuste de estos algoritmos de aprendizaje los convierte en potentes herramientas de IA.

El algoritmo de búsqueda de Google es una de las redes neuronales más conocidas.

Aprendizaje profundo (deep learning)

Deep learning elimina parte del procesamiento previo de datos que conlleva el machine learning. Deep learning pueden capturar y procesar datos no estructurados, como texto e imágenes, automatizando la extracción de características y reduciendo la dependencia de expertos humanos.

Algunos ejemplos de aplicaciones del Deep learning: 

  • Reconocimiento de Voz y Traducción Automática
  • Asistentes Virtuales Inteligentes (como Siri, Alexa, y Cortana)
  • Automóviles Autónomos
  • Reconocimiento Facial 
  • Controles remotos de TV habilitados por voz, 
  • Detección de fraudes con tarjetas de crédito, 
  • Diagnósticos médicos.

El aprendizaje profundo requiere una gran potencia de cálculo, lo que plantea preocupaciones sobre su sostenibilidad económica y medioambiental.

Bueno, es todo por ahora, continuaremos más adelante!

Descarga Guía: Cómo aplicar la Inteligencia Artificial, en la práctica docente

La IA: una tecnología disruptiva Descarga esta Guía de apoyo: Cómo  aplicar la Inteligencia Artificial en la práctica docente Esta guía pued...