2.11 IBM 10 Casos de uso cotidiano de IA generativa en acción

Todo el mundo habla de la IA generativa, pero la generación de IA es un subconjunto del campo más amplio del aprendizaje automático. Y les voy a dar diez casos de uso de cómo el aprendizaje automático, o ML, se usa hoy en día en la vida cotidiana. Y por aprendizaje automático, me refiero a los subcampos de la inteligencia artificial, en los que las máquinas aprenden de conjuntos de datos y experiencias pasadas al reconocer patrones y generar predicciones. Ahora, se prevé que el aprendizaje automático se convierta en una industria de 200 000 millones de dólares en 2029. Pero ya está muy presente hoy, así que hablemos de ello. Ahora, un aspecto del aprendizaje automático que ha tenido una gran utilidad es la PNL o procesamiento del lenguaje natural. Esa es la capacidad de las máquinas para dar sentido al desorden desestructurado que nos gusta llamar lenguaje humano. Por lo tanto, el caso de uso número uno es el servicio al cliente. Las consultas basadas en texto pueden gestionarse mediante chatbots, que actúan como agentes virtuales que muchas empresas proporcionan en sus sitios de comercio electrónico. Los chatbots pueden resolver muchas consultas por sí mismos. Y cuando no pueden, pueden dirigir a los clientes a un lugar donde puedan encontrar la ayuda adecuada de un representante humano del servicio de atención al cliente. El aprendizaje automático también potencia los asistentes de voz, como Siri y Alexa, donde los modelos de aprendizaje automático primero de voz a texto y luego de PNL ayudan a entender un comando hablado. Servicios como Slack y YouTube utilizan esa misma capacidad para impulsar la transcripción automática de las palabras habladas en el contenido de vídeo. Ahora, el número tres son el aprendizaje automático y las aplicaciones móviles. ¿Qué estaríamos sin los modelos de aprendizaje automático de Spotify para generar recomendaciones de canciones o sin el uso del aprendizaje automático por parte de LinkedIn para hacer sugerencias de empleo? Es probable que tu teléfono esté repleto de aplicaciones que llamen a los servicios que ejecutan modelos de aprendizaje automático. Y, de hecho, el aprendizaje automático en los teléfonos inteligentes realmente merece su propia categoría, porque con la potencia de los teléfonos inteligentes modernos, parte de ese aprendizaje automático se realiza directamente en el dispositivo. Como la fotografía computacional para generar un fondo borroso en las fotos de tus selfies o desbloquear tu teléfono con reconocimiento facial. O modelos de clasificación de imágenes de dispositivos integrados que le ayudan a buscar en su biblioteca de fotos. Como cuando intentaba encontrar esta foto de mi gato, en la que saltaba a la secadora, ML me ayudó a encontrarla sin perder mucho tiempo hojeando mi aplicación de fotos. Oye, la secadora no estaba realmente encendida. Ahora, ese es un ejemplo de un problema con una aguja en un pajar. Miles de imágenes y solo estoy buscando una, que, en cierto modo, es similar al caso de uso número cinco, es decir, las transacciones financieras. Ahora, solo en los EE. UU., hay 150 millones de transacciones con tarjetas de crédito todos los días, y la gran mayoría de ellas son legítimas. ¿Cómo detectar los fraudulentos? Bueno, el aprendizaje automático y el aprendizaje profundo se utilizan ampliamente en la detección de fraudes. Donde las instituciones financieras entrenan modelos de aprendizaje automático y algoritmos de clasificación para reconocer transacciones sospechosas en línea y señalarlas para una mayor investigación. 150 millones de transacciones con tarjetas de crédito cada día son 1739 por segundo. Por lo tanto, esta es una tarea que sería casi imposible de realizar manualmente. Bueno, ¿sabía también que entre el 60 y el 73% de todas las operaciones bursátiles se realizan mediante algoritmos de aprendizaje automático? Y ese porcentaje aumenta cada año. Muy bien, eliminemos rápidamente a un par más. Por lo tanto, el aprendizaje automático se usa con frecuencia en ciberseguridad. El aprendizaje por refuerzo utiliza el aprendizaje automático para entrenar a los modelos a fin de identificar y responder a los ciberataques y detectar intrusiones. ML informa mucho sobre nuestro transporte en estos días. Por ejemplo, Google Maps utiliza algoritmos de aprendizaje automático para comprobar las condiciones actuales del tráfico y determinar la ruta más rápida. Y las aplicaciones para compartir viajes, como Uber y Lyft, utilizan el aprendizaje automático para vincular a los pasajeros con los conductores. Además, el aprendizaje automático desempeña un papel importante en el filtrado de los mensajes de correo electrónico, así como en la clasificación de los mensajes entrantes y las respuestas de autocompletar. Ahora, número nueve, eso es la atención médica. Este es un ejemplo en el que el aprendizaje automático puede ayudar a aumentar y acelerar las capacidades humanas. Ahora, se estima que los médicos que evalúan las mamografías no detectan entre el 30 y el 40% de los cánceres, y la tasa de falsos positivos es aún mayor. El aprendizaje automático ya está ayudando en este sentido, donde los modelos de reconocimiento de patrones están capacitados para clasificar los tumores que son difíciles de ver con el ojo humano. Esto no solo aumenta la precisión de la interpretación de las imágenes radiológicas, sino que también aumenta el tiempo de lectura de los radiólogos. Esto les permite centrar su atención en los exámenes más sospechosos señalados por los modelos de aprendizaje automático. También hay éxitos de la ML en la detección temprana del cáncer de pulmón y en la detección de fracturas óseas. Vale, una última y una pregunta para ti. En general, ¿qué departamento de una organización utiliza más la IA y el aprendizaje automático? Bueno, según Forbes, es el departamento de marketing y ventas. Reproduce el video desde :5:56 y sigue la transcripción5:56 Los especialistas en marketing utilizan el aprendizaje automático para la generación de clientes potenciales, el análisis de datos y la optimización de motores de búsqueda y, a menudo, se basan en los modelos de aprendizaje automático existentes. Por ejemplo, considera cómo los algoritmos de recomendación, como los de Netflix, hacen sugerencias de películas y series sobre qué ver a continuación en función de tus gustos e intereses derivados. Bueno, el departamento de marketing y ventas puede usar esos mismos modelos de aprendizaje automático para campañas de marketing específicas y personalizadas que se adapten a esos mismos gustos e intereses. Mira, últimamente escuchamos mucho sobre el futuro de la IA y, en particular, de la AGI, la inteligencia artificial general, que algún día igualará y superará la inteligencia de los humanos. Pero ahora mismo, ese nivel de IA no existe, es teórico. Pero el aprendizaje automático es la IA que ya está aquí, y realmente forma parte de nuestra vida cotidiana.

2.10 IBM Inteligencia artificial: ¿hemos llegado ya?

En este vídeo, Martin y yo vamos a hablar sobre la IA y responder a la pregunta: ¿ya hemos llegado a ese punto? Y quédate hasta el final, donde Jeff y yo explicaremos cómo utilizamos la IA en nuestra vida diaria. >> Así que vamos a tener una conversación sobre la IA. ¿Ya estamos ahí? Bueno, creo que estamos ahí porque una definición de IA es básicamente la simulación del comportamiento inteligente en las computadoras, y más o menos lo hemos hecho. ¿Qué opinas, Martin? >> Sí, estoy de acuerdo con esa definición, pero ¿ya hemos llegado a ese punto? Por supuesto que no, no lo creo. Y la razón por la que creo que es por algo llamado AGI, que es un acrónimo de Inteligencia General Artificial. Y esto realmente describe un sistema de IA que es equivalente al de un humano, es tan diverso como un humano y puede hacer cualquier cosa que un humano pueda hacer, al menos tan bien o mejor. Y no creo que hayamos llegado a ese punto todavía. >> Está bien, tal vez no. Así que echemos un vistazo a algunos ejemplos de dónde venimos y hacia dónde vamos. Así que quizás sea hipotético. >> Sí, tengo uno bueno. Tengo uno bueno. Así que considerémoslo. También escribo algunos números aquí abajo. Vamos a ver esto. Si pongo esto, y luego vamos a hacer 3125. Si pudiera decirte en mi cabeza, sin más, que la respuesta a esa ecuación matemática es la inteligencia. >> Es realmente impresionante, es un buen truco de salón. Pero tengo una calculadora que puede hacer lo mismo y realmente no estoy preparado para declarar que mi calculadora es consciente. No es artificialmente inteligente. Así que quizás aún no lo haya hecho, pero es un gran ejemplo. Bueno, qué tal si te cuento una historia de mis días de instituto. Mi profesor de ciencias consideraba que la inteligencia sería si conocieras todos los elementos de la tabla periódica, a dónde van, cuáles son sus números atómicos, cómo se escriben y sus abreviaturas, y si pudieras colocar todo eso en su lugar, y eso se habría considerado inteligente. ¿Tenía razón? >> Con el mayor respeto a su profesor de ciencias, tampoco creo que eso sea inteligencia. Creo que lo que acabas de describir es una búsqueda en la base de datos. >> Sí. >> ¿Qué tal algo un poco más avanzado que eso, algo en lo que se tarde años y años en ser bueno, como un gran maestro de ajedrez? Ahora, piensa en todo el tiempo que tienes que invertir para aprender todos los patrones, todos los movimientos, toda la estrategia. ¿Es un gran maestro de ajedrez un verdadero ejemplo de inteligencia? >> Sí, creo que la mayoría de la gente diría que alguien que es el mejor del mundo en ajedrez es un genio. Así que pensarías que si eres un genio, eres inteligente. ¿ Pero adivina qué? IBM hizo este truco en 1997 cuando creó una computadora que llamamos Deep Blue. Y Deep Blue fue capaz de derrotar fácilmente al mejor jugador de ajedrez del mundo. Así que si ese es tu bar, ya lo hemos aprobado. Una vez más, sentimos que nos quedamos vacíos. Todavía no nos sentimos ahí. Entonces, ¿cuál es la pregunta clásica, el problema clásico a resolver? Me vas a contar la prueba de Turing, ¿verdad? Te voy a contar la prueba de Turing. Eso es exactamente correcto. ¿Y qué es la prueba de Turing? ¿ Para los que no lo saben? Con la prueba de Turing, básicamente tienes un usuario aquí y no puede ver a quién le está escribiendo. Por lo tanto, escriben mensajes de un lado a otro, y pueden estar hablando con otra persona o pueden estar hablando con una computadora. Y si es indistinguible cuando tienen sus comunicaciones y no pueden darse cuenta si están hablando con otra persona o con un ordenador, entonces declararíamos que se acabó el juego. La computadora ha logrado la inteligencia artificial, así que si alguna vez pudiéramos hacer eso, entonces estaríamos ahí. Vale, bueno, ¿ este es un poco controvertido en cuanto a si hemos pasado la prueba de Turing o no? Pero en 2014, técnicamente, algunas personas dicen que lo hicimos con un chatbot que simulaba a un niño de 13 años. Bueno, eso está poniendo el listón un poco bajo. Un niño de 13 años. Tú y yo solíamos ser uno de esos. Así que creo que tal vez queramos poner el listón más alto. Pero, ¿consideraríamos otras tecnologías, tal vez, que han elevado aún más el listón hacia la prueba de Turing? Quiero decir, hablo con ChatGPT a diario y, a veces, puedo convencerme de que es una persona real. Así que creo que ha habido muchos avances en ese tipo de área, creo. Así que también hablo con el chat GPT con regularidad. Nadie más quiere hablar conmigo, así que al menos eso no me ha fallado todavía. Así que ese es un buen ejemplo. Es evidente que se ha elevado el listón. Si hacemos la pregunta, ¿ya hemos llegado o no? Siento que es un poco como si moviéramos la línea de meta cada vez que nos acercamos a ella. En cuanto lo cruzamos, decimos: «Sí, pero aún no está ahí». Así que teníamos la sensación de que, si nos fijamos en todas estas cosas juntas, tenemos una especie de sabios aislados. Tenemos algo que es muy bueno en aritmética. Tenemos algo que es muy bueno para memorizar, recordar y recordar, algo que es genial en un juego con límites limitados que es bastante complejo pero que aún tiene reglas muy específicas que pueden describirse matemáticamente. O estamos hablando de un tipo de inteligencia general, inteligencia emocional que se necesitaría para pasar el test de Turing y cosas por el estilo. Por lo tanto, seguimos teniendo estos avances en áreas individuales, pero en conjunto, ese es su AGI. Pero creo que también vale la pena señalar que la curva de desarrollo de la IA, parece que hace muy poco, incluso este año, va cada vez más rápido que nunca, y nos acercamos cada vez más a esta idea de inteligencia general, alejándonos de donde tenemos todo aislado como el azul profundo, que está profundamente aislado, al ajedrez, a ahora estos sistemas de IA que realmente están cada vez más cerca de poder lograr mucho más de lo que hacemos como humanos. >> Creo que tienes razón. Cuando estaba en la escuela, hablábamos de inteligencia artificial, y siempre se trataba de algo que estaba a unos cinco o diez años de distancia, y diez años después, faltaban otros cinco o diez años. Pero siento que en realidad estamos reduciendo la brecha. En los últimos años, ha habido una curva empinada hacia lo que consideraríamos inteligencia artificial general. Entonces, ¿ya estamos ahí? >> No, pero nunca hemos estado tan cerca. >> Impresionante. >> Oye, oye, oye, Jeff, no hemos llegado a la parte en la que me digas cómo utilizas la IA en tu vida diaria. >> Lo olvidé. De hecho, tengo un coche autónomo que me lleva al trabajo. Básicamente es una computadora que me lleva a lugares. ¿Qué hay de ti? ¿Cómo se usa la IA? >> Me doy cuenta de que no soy muy buena fotógrafa, pero se me dan mucho mejor las indicaciones de IA. Así que solo indico lo que quiero en una imagen y se genera una hermosa fotografía profesional. Es fantástico.

2.9 IBM Evolución de la IA: IA tradicional frente a IA generativa

La IA generativa está de moda. Pero una pregunta que me hacen con bastante frecuencia es: ¿en qué se diferencia la IA generativa de la IA que hacíamos hace 5 , 10, 20, quizás incluso 30 años? Para entenderlo, echemos un vistazo a la IA tal como existía antes, la IA generativa. Por lo general, la forma en que funcionaba era que comenzabas con un repositorio, Reproduce el video desde ::36 y sigue la transcripción0:36 y un repositorio es exactamente lo que parece. Es justo donde guardas toda tu información. Pueden ser, ya sabes, datos y tablas, filas y columnas , pueden ser imágenes, pueden ser documentos. Realmente podría ser cualquier cosa. Es como una organización, donde guardas toda tu información histórica o cosas. La segunda parte es lo que llamamos una plataforma de análisis. Reproduce el video desde :1:9 y sigue la transcripción1:09 En el mundo de IBM, un ejemplo de plataforma de análisis es SPSS Modeler o Watson Studio. Luego, el tercer componente es la capa de aplicación. Reproduce el video desde :1:29 y sigue la transcripción1:29 Digamos que eres una empresa de telecomunicaciones. Tienes toda la información sobre los clientes en el repositorio. Supongamos que quieres saber qué clientes tienen probabilidades de abandonar o cancelar su servicio, por lo que cogerías esa información del repositorio y la trasladarías a una plataforma de análisis. Dentro de la plataforma de análisis, crearía sus modelos. En este caso, es poco probable que quién abandone o cancele su servicio. Luego, una vez que haya construido esos modelos, los colocará en alguna aplicación. La aplicación es donde intentas evitar que esas personas cancelen. Por ejemplo, si es probable que alguien cancele, tal vez te pongas en contacto con él e intentes convencerlo de que no lo haga o darle algún beneficio para que se quede como cliente. Pero esto en sí mismo, no lo llamaría IA. Se trata más de un análisis predictivo o de un modelo predictivo. Para crear esta IA, debes proporcionar un circuito de retroalimentación. Reproduce el video desde :2:33 y sigue la transcripción2:33 Un circuito de retroalimentación le permite automatizar el proceso. Por ejemplo, si eres una empresa de telecomunicaciones y tienes la información de tus clientes, puedes averiguar quién va a cancelar. Actúas a través de una aplicación para intentar evitar que se cancelen. Pero tus modelos aquí a veces tienen razón, a veces se equivocan. Lo que el ciclo de retroalimentación te permite hacer es aprender de esa experiencia. Si hay situaciones en las que predijiste que alguien cancelaría y no lo hizo, tal vez puedas profundizar y mejorar tus modelos para no cometer el mismo error por segunda vez. Piénsalo así. Si me engañas una vez, qué vergüenza. Engáñame dos veces, qué vergüenza. Eso es lo que quieres que haga tu IA. Quieres que tu IA aprenda de sus errores anteriores y también de sus éxitos anteriores, y un ciclo de retroalimentación te permite hacerlo. Así es como siempre ha existido. Llevo en este negocio más de 30 años y esto es anterior a mí. Sin embargo, con la IA generativa, todo este paradigma ha cambiado. Toda la arquitectura fundamental y la forma en que hacemos las cosas son diferentes ahora. Con la IA generativa, comienzas con datos, no con datos de tu organización, no con un repositorio dentro de las paredes de tu empresa, sino con datos de la tierra. Quizá no la tierra. Pero empiezas con esta enorme cantidad de información. Información sobre todo. Luego, los grandes modelos lingüísticos utilizan esa información. Reproduce el video desde :4:9 y sigue la transcripción4:09 Pero estos grandes modelos lingüísticos son muy poderosos. Son muy grandes y extraordinarios, sinceramente. Pero muchas veces no tienen los detalles que necesitas para guiarte en tu negocio. Por ejemplo, un modelo lingüístico amplio podría saber, en general, por qué las personas Reproduce el video desde :4:31 y sigue la transcripción4:31 cancelan un servicio en particular si eres una empresa de telecomunicaciones, pero no tendría los matices ni la idiosincrasia de por qué tus clientes específicos cancelan. Es entonces cuando usas lo que se llama solicitar y afinar. Reproduce el video desde :4:48 y sigue la transcripción4:48 La capa de solicitud y ajuste es donde se toman los modelos de lenguaje grandes, que son modelos muy generales, y se hacen específicos para su caso de uso. Volviendo a nuestra empresa de telecomunicaciones, que trata de hacer frente a la pérdida de clientes, tendrían este modelo que se basa no solo en la pérdida de clientes o en sus clientes, sino que se basa en cantidades masivas de información que lo contienen todo. Los LLM se derivan de esa enorme cantidad de información. A continuación, utiliza esta capa de solicitud y ajuste para tratar de ajustar esos modelos para que sean específicos de su organización. Luego, la parte final es que tienes una capa de aplicación como la que tienes con la IA tradicional. La aplicación, una vez más, es el lugar al que se lleva la IA para que se consuma y cumpla su propósito específico. Además, al igual que con la IA tradicional, también tienes un circuito de retroalimentación. Sin embargo, el ciclo de retroalimentación normalmente se reduce a la parte de solicitar y ajustar, ya que normalmente se producen fuera de la organización. Ahí lo tienes. Es por eso que los modelos de lenguaje grande son generativos. La IA es diferente porque la arquitectura fundamental es diferente y, principalmente, tiene que ver con el tamaño y la cantidad, tanto de los datos que ingresan como de los modelos que se están creando. Estos modelos en estos datos son demasiado grandes para que cualquier organización los guarde en el repositorio. Por eso necesitamos una arquitectura fundamentalmente diferente. Muchas gracias por tu tiempo. Espero que esto haya sido útil.

2.7 IBM Inteligencia artificial frente a inteligencia aumentada

Quiero compartir con ustedes la historia de cómo llegué a trabajar hoy. Le aseguro que cuando viajé de mi casa a mi oficina utilizé tres formas de inteligencia. La primera inteligencia fue la inteligencia humana. Reproduce el video desde ::27 y sigue la transcripción0:27 La información que había allí era la información que necesitaba para operar el vehículo, girar el volante y revisar mis espejos. La segunda forma de inteligencia era la inteligencia artificial. Reproduce el video desde ::45 y sigue la transcripción0:45 Cuando llegué a la autopista, activé la función de conducción autónoma de mi coche. Elegante. Ahora, el automóvil permaneció en su propio carril, mantuvo una distancia adecuada del vehículo que estaba delante y mantuvo una velocidad adecuada. Ninguna aportación mía en absoluto. Cuando salí de la carretera, usé una tercera forma de inteligencia, la inteligencia aumentada. Reproduce el video desde :1:14 y sigue la transcripción1:14 Inteligencia aumentada, bueno, que tomó la forma de todas las funciones de asistencia al conductor del vehículo. Cosas como la detección de colisiones para avisarme si me acerco demasiado al coche de delante y la detección de puntos ciegos para decirme si había un vehículo a mi lado cuando cambiaba de carril. La inteligencia artificial, bueno, es la capacidad de las máquinas para realizar tareas que normalmente requieren inteligencia humana, como el razonamiento, la comunicación natural y la resolución de problemas. Básicamente reemplaza la necesidad de un ser humano. Así que las computadoras están haciendo el trabajo, a los humanos no nos necesitan realmente. Reproduce el video desde :1:59 y sigue la transcripción1:59 Y la inteligencia artificial realiza ciertas tareas y toma decisiones, y está incorporada en muchos sistemas en la actualidad. Ahora, compare eso con la inteligencia aumentada. Ahora, aquí es donde las máquinas y los humanos trabajan juntos, Reproduce el video desde :2:24 y sigue la transcripción2:24 y lo hacen para mejorar los esfuerzos de los demás al completar las tareas. Los sistemas de inteligencia aumentada aumentan nuestras capacidades humanas. Cosas como los lectores de pantalla para ciegos, la navegación por voz o el sistema de prevención de colisiones que tengo en el coche son todos ejemplos de inteligencia aumentada en funcionamiento. Actúan en nuestro nombre en el mundo físico, pero de una manera que complementa nuestras propias capacidades. Entonces, artificial o aumentada, ¿qué forma de inteligencia nos dará los mejores resultados para un problema determinado? Bueno, para responder a eso, creemos una matriz de fortalezas. Así que las máquinas, contra los humanos. Reproduce el video desde :3:17 y sigue la transcripción3:17 Ahora, una cosa en la que las máquinas son excelentes es en ingerir grandes cantidades de datos. Reproduce el video desde :3:29 y sigue la transcripción3:29 Pueden recopilar más datos a un ritmo más rápido que cualquier humano y, además, no se cansan. Así que pueden seguir y seguir, ingiriendo esos datos a medida que avanzan. Las máquinas son especialmente buenas en tareas repetitivas, Reproduce el video desde :3:49 y sigue la transcripción3:49 y lo hacen de una manera que sea confiable y precisa, Reproduce el video desde :3:56 y sigue la transcripción3:56 a diferencia de mi ortografía de repetitivo. Reproduce el video desde :3:59 y sigue la transcripción3:59 Entonces, si necesitas analizar rápidamente una gran cantidad de datos o hacer algo una y otra vez sin margen de error, y específicamente, la inteligencia artificial es realmente tu mejor opción. Ahora, por otro lado, los humanos, bueno, también tenemos algunas ventajas. Se nos da muy bien generalizar la información. Reproduce el video desde :4:24 y sigue la transcripción4:24 Podemos tomar un solo dato y entender el concepto que representa. También se nos da muy bien la creatividad. Reproduce el video desde :4:37 y sigue la transcripción4:37 Se nos ocurren ideas. Podemos resolver problemas y comunicar nuestros hallazgos de una manera que, bueno, las máquinas simplemente no pueden. También tenemos inteligencia emocional, y eso es una gran ventaja, ya que podemos entender las reacciones de los demás, y es fundamental para tareas como el servicio de atención al cliente o la prestación de cuidados. Ahora bien, la inteligencia aumentada es realmente un punto óptimo que combina todas estas fortalezas humanas con un poco de ayuda de nuestras contrapartes de las máquinas. Al usar la IA para ayudarnos a ver y entender el mundo de nuevas maneras, podemos hacer cosas que nos serían imposibles a los humanos por nuestra cuenta. Entonces, ¿qué forma de inteligencia es la mejor? La respuesta es ambas. Y por eso me encanta la inteligencia aumentada. Es la forma en que los humanos seguirán prosperando y liderando el mundo y me permitirán trabajar de manera segura.

2.6 IBM Aplicaciones de la IA generativa

Bienvenido a las aplicaciones de IA generativa Después de ver este vídeo, podrá: Enumerar varias aplicaciones de la IA generativa y explorar los usos de cada aplicación. La IA generativa se ha convertido en una tecnología poderosa que permite a las aplicaciones de software crear , generar y simular contenido nuevo, mejorando sus capacidades y proporcionando experiencias únicas. A diferencia del software tradicional que sigue reglas y algoritmos predefinidos, la IA generativa aprovecha el aprendizaje automático y técnicas de aprendizaje profundo para aprender patrones y generar contenido original basado en conocimiento que ha adquirido durante la formación. Por su potencial para crear contenido nuevo y personalizado que habría sido imposible crear de otro modo, La IA generativa se ha utilizado en varios campos, lo que ha llevado al desarrollo de numerosos aplicaciones atractivas y populares. Algunas aplicaciones populares de La IA generativa en acción incluye: 1: Los transformadores generativos preentrenados o GPT, son una familia de grandes modelos de lenguaje desarrollados por OpenAI que son capaces de producir texto similar a un humano. GPT-3.5 y GPT-4 son versiones de esta familia de modelos con más modelos futuristas en desarrollo. Tiene una amplia gama de aplicaciones, que incluyen chatbots impulsados por GPT como ChatGPT, periodismo automatizado y incluso escritura creativa. 2: ChatGPT es un chatbot o herramienta de IA conversacional de OpenAI que permite a los usuarios mantener conversaciones basadas en texto con el idioma subyacente modelo, GPT. Formado en textos diversos de Internet, genera respuestas parecidas a las humanas, proporcionando información, responde preguntas, ayuda con las tareas, participa en la escritura creativa y ofreciendo sugerencias sobre varios temas. 3: Bard es un asistente de escritura impulsado por IA de Google, cuyo objetivo es ayudar a los usuarios a producir escritos de alta calidad para la comunicación documentos como correos electrónicos y publicaciones en redes sociales. Bard genera texto utilizando un formato grande modelo de lenguaje llamado LaMDA (Language Model for Dialogue Applications) y se puede ajustar a las preferencias del usuario en cuanto a estilo y tono. 4: Watsonx de IBM es una plataforma de datos e inteligencia artificial, compuesto por Watsonx.ai para el desarrollo de modelos, Watsonx.Data para el análisis escalable y Watsonx.Governance para los responsables Flujos de trabajo de IA. Ayuda a crear, implementar y gestionar aplicaciones de IA a escala, mejorando el impacto de la IA en su organización. 5: DeepDream es un modelo generativo que puede generar imágenes surrealistas y psicodélicas a partir de imágenes de la vida real. Cuenta con se ha utilizado en el arte y el entretenimiento, produciendo algunas piezas únicas y imágenes visualmente impactantes. 6: StyleGAN es un modelo generativo capaz de producir imágenes de alta calidad de rostros que no existen en la realidad. Se ha utilizado en una variedad de aplicaciones, incluida la creación de avatares de videojuegos realistas y simulación de rostros humanos para la investigación médica. 7: AlphaFold es un modelo generativo que puede predecir estructura proteica. Tiene el potencial de transformar el descubrimiento de fármacos y hacer posible desarrollar tratamientos más eficaces para las enfermedades. 8: Magenta es un proyecto de Google que crea música y arte utilizando la IA generativa. Ha rendido algunos resultados intrigantes e impresionantes, como un dueto de piano interpretado por un humano y un piano generado por IA. 9: El PaM 2 de Google AI cuenta con un poderoso curso de LLM en un conjunto de datos diez veces mayor. Se destaca en entender los matices, generando coherencia texto y código, traduce y responde preguntas. El desarrollo continuo promete: revolucionar las interacciones hombre-computadora, mejorando la precisión, la eficiencia, creatividad y comunicación. GitHub Copilot es una codificación basada en IA asistente desarrollado por OpenAI y GitHub que está diseñado para ayudar a los desarrolladores escribir código de manera más eficiente. Utiliza un algoritmo de aprendizaje profundo para analizar el código y genera sugerencias para el desarrollador, como el autocompletado de fragmentos de código o sugerencias funciones basadas en el contexto del código. La IA generativa es una rápida Un espacio en evolución y se espera que crezca de forma espectacular en los próximos años. Sin embargo, existen ciertas preocupaciones éticas sobre la IA generativa, incluido el posible uso indebido del contenido generado por la IA y las implicaciones para leyes de propiedad intelectual y derechos de autor. En este vídeo, aprendiste que: La IA generativa permite a las aplicaciones: crear, generar y simular contenido nuevo. Aprovecha el aprendizaje automático y las técnicas de aprendizaje profundo para aprende patrones y genera contenido original, y algunas aplicaciones de la generación de IA incluyen el GPT-4, ChatGPT, Bard, GitHub Copilot y PaM 2. En esta lección, ha aprendido: Las aplicaciones impulsadas por IA están creando un impacto en diversas áreas como la sanidad, la educación, la transcripción, la aplicación de la ley, el servicio de atención al cliente, las aplicaciones móviles y de medios sociales, la prevención del fraude financiero, los diagnósticos de pacientes, los ensayos clínicos y mucho más. Algunas de estas aplicaciones incluyen: Robótica y automatización, donde la IA está haciendo posible que los robots perciban entornos impredecibles a su alrededor para decidir los siguientes pasos. Seguridad aeroportuaria, donde la IA está haciendo posible que los escáneres de rayos X marquen las imágenes que puedan parecer sospechosas. Petróleo y gas, donde la IA está ayudando a las empresas a analizar y clasificar miles de muestras de rocas para ayudar a identificar los mejores lugares para perforar en busca de petróleo.. Algunas aplicaciones famosas de la IA de IBM incluyen: Watson jugando a Jeopardy para ganar a dos de sus mayores campeones, Ken Jennings y Brad Rutter Watson formando equipo con la Academia para ofrecer una experiencia amplificada de los Grammy a millones de fans Watson colaborando con ESPN para dar servicio a 10 millones de usuarios de la ESPN Fantasy App compartiendo conocimientos que les ayuden a tomar mejores decisiones para ganar sus partidos semanales.

2.5 IBM Aplicaciones famosas de la IA de IBM

Recuerdo esa mañana yendo al laboratorio y pensaba esto es todo, este es el último juego de Jeopardy. Se hizo real para mí cuando sonó la música y Johnny Gilbert dijo desde IBM Research en Yorktown Heights, Nueva York, esto es Jeopardy y yo simplemente me fui. Escuche que es un día. Esta es la culminación de todo este trabajo. Para serle sincero me emocioné. Watson. ¿Qué es Shoe? Tiene razón. De hecho nos pusimos en cabeza. Íbamos por delante de ellos, pero entonces empezamos a equivocarnos en algunas preguntas. ¿Watson? ¿Qué es Pierna? No, lo siento. No puedo aceptarlo. ¿Qué es 1920? No. ¿Qué es Chic? No, lo siento, Brad. ¿Qué es Class? Class. Lo tienes. Watson. ¿Qué es Sauron? Sauron está en lo cierto y eso te pone en un empate por el liderato con Brad. La ronda doble de Jeopardy de el primer juego me pareció fenomenal. Watson pasó al terror. Watson, ¿quién es Franz List? Has acertado. ¿Qué es el Violín? ¿Quién es la Dama de la Iglesia? Sí. Watson. ¿Qué es la Narcolepsia? Has acertado y con eso pasas a 36.681 dólares. Ahora, pasamos a Watson. Quién es Bram Stoker y la apuesta, hola 17.973 dólares y un total de dos días de 77.147 dólares. Hemos ganado Jeopardy. Están muy justificadamente orgullosos de lo que han hecho. Hubiera pensado que la tecnología como esta estaba a años vista pero ya está aquí. Tengo el ego magullado para demostrarlo. Creo que hoy hemos visto algo importante. Vaya, espere un segundo. Esto es historia. La 60ª edición de los premios Grammy, impulsada por IBM Watson. Hay una enorme cantidad de datos no estructurados que procesamos el domingo de los Grammy. Nuestra asociación con la Academia de la Grabación se centra realmente en ayudarles con algunos de sus flujos de trabajo para su producción digital. Mi equipo de contenidos es responsable no sólo de tomar todo este material en bruto que está entrando, sino de curarlo y publicarlo. Estás hablando de cinco horas de cobertura de la alfombra roja con 5.000 artistas, haciendo ese viaje por la alfombra con 100.000 fotos siendo tomadas. Durante las últimas cinco horas, Watson ha estado utilizando la IA para analizar los colores, los patrones de y las siluetas de cada uno de los atuendos que han pasado por allí. Así que hemos podido ver todos los estilos dominantes y compararlos con las galas de los Grammy en el pasado. Watson también está analizando las emociones de las letras de las canciones nominadas a los Grammy en los últimos 60 años. Fíjese, en realidad puede identificar los temas emocionales de la música y clasificarlos como alegría, tristeza y todo lo demás entre medias. Es muy chulo. Los deportes de fantasía son una forma increíblemente importante y divertida en la que servimos a los aficionados al deporte. Nuestros juegos de fantasía impulsan un enorme consumo en todas las propiedades digitales de ESPN, e impulsan la sintonización de nuestros eventos y programas de estudio . Pero nuestros usuarios tienen muchas formas diferentes de pasar el tiempo. Así que tenemos que mejorar continuamente nuestro juego para que elijan pasar ese tiempo con nosotros. Este año, ESPN se asoció con IBM para añadir una nueva y potente función a su plataforma de fútbol de fantasía. El fútbol de fantasía genera un enorme volumen de contenidos - artículos, blogs, vídeos, podcasts. Nosotros lo llamamos datos no estructurados: datos que no encajan perfectamente en hojas de cálculo o bases de datos. Watson se creó para analizar ese tipo de información y convertirla en conocimientos útiles. Entrenamos a Watson con millones de artículos de fútbol fantástico, entradas de blog y vídeos. Le enseñamos a desarrollar un rango de puntuación para miles de jugadores, sus aspectos positivos y sus aspectos negativos, y le enseñamos a estimar las probabilidades de que un jugador supere sus aspectos positivos o caiga por debajo de los negativos. Watson incluso evalúa el rumor mediático de un jugador y su probabilidad de jugar. Esta es una gran victoria para nuestros jugadores de fútbol fantasía . Es una herramienta más para ayudarles a decidir qué running back o QB empezar cada semana. Es un gran complemento a los galardonados analistas en los que confían nuestros seguidores. Como con cualquier aprendizaje automático, el sistema se hace más inteligente todo el tiempo. Eso significa que los conocimientos son mejores, lo que significa son sólo puede tomar mejores decisiones y tienen una mejor oportunidad de ganar su matchup cada semana. Cuanto más éxito nuestros jugadores de fantasía son, más tiempo van a pasar con nosotros. La asociación entre ESPN e IBM es un gran vehículo para demostrar el poder de la IA de nivel empresarial a millones de personas, y no es difícil ver cómo la misma tecnología se aplica a la vida real. Hay miles de escenarios empresariales en los que se está evaluando el valor y haciendo concesiones. Así es como va a ser el futuro de la toma de decisiones. El hombre y la máquina trabajando juntos, evaluando el riesgo y la recompensa, trabajando a través de decisiones difíciles. Esta es la misma tecnología que IBM utiliza para ayudar a los médicos a extraer millones de páginas de investigación médica y a los bancos de inversión a financiar ideas que mueven el mercado.

2.4 IBM Más aplicaciones de la IA

¿Puede hablar de la IA en acción. Para dar un ejemplo de digamos aprendizaje automático en acción hoy en día, cómo las empresas lo han implementado realmente, hay un ejemplo al que siempre me encanta volver, y es el ejemplo de Woodside Energy, una empresa en la región de Australia Nueva Zelanda. Ahora originalmente, ellos realmente contactaron a IBM porque ellos querían que IBM pudiera crear esencialmente un sistema que pueda entender los diferentes documentos y la investigación que sus ingenieros vienen con, y tener a Watson y entender eso, y esencialmente reemplazar algunos de los ingenieros en su equipo. IBM en realidad siguió adelante y construyó la aplicación que funcionaba para Watson fuera capaz de entender ese contenido no estructurado, pero nunca acabaron sustituyendo a ninguno de sus ingenieros. En lugar de eso, en realidad acabaron contratando a más ingenieros, porque ahora se dieron cuenta de que dos cosas. En primer lugar, la barrera de entrada para cada ingeniero es ahora más baja y el conocimiento puede ahora ser compartido más eficazmente entre los equipos. Porque ahora en lugar de que la investigación se escriba y se meta en un cajón de archivo donde nunca se vuelve a ver, Watson está ingiriendo esos datos, comprendiéndolos y proporcionándoselos a quien los necesite, a quien Watson crea que necesitaría esos datos. Así que si te imaginas en estos programas de televisión y en estas escenas de películas también, tienes a veces, si alguien está buscando a un sospechoso en particular en esta intersección de tráfico en particular o lo que sea, si pasa por esta intersección, y hay por supuesto algunas cámaras alrededor. Así que tenemos el guardia de seguridad tal vez, tratando de mirar a través de horas y horas, docenas y cientos de horas de metraje, tal vez a una velocidad de 10x y encontrar ese SUV negro en particular o ese coche verde. Entonces tan pronto como lo encuentran en el final del episodio o lo que sea, entonces decir ajá, hemos encontrado a esa persona. Pero si tuviéramos algún tipo de algoritmo de visión por ordenador funcionando en este vídeo durante todo el tiempo, entonces no tendríamos la necesidad de que alguna persona tuviera que mirar manualmente a través de horas y horas de metraje. Nuestro caso de uso específico es en realidad desencadenar la formación de nuevas vías neuronales en el cerebro. Como puede imaginar, hay mucha información que se produce entre la conexión de cómo funciona su cuerpo y cómo funciona su cerebro, y qué partes del cerebro están dañadas, qué partes del cerebro no están dañadas, y cómo está moviendo realmente a la persona o cómo está provocando que ocurran ciertas cosas en el cuerpo humano para que se formen nuevas vías neuronales. Así que lo que hemos hecho es, en realidad, hemos creado conjuntos de datos masivos de información de cómo se mueven las personas, y cómo eso responde a diferentes áreas del cerebro. A través de esa información, somos capaces de desencadenar movimientos específicos con un dispositivo robótico, que a su vez crea estas vías neurales para que se formen en el cerebro, y por lo tanto recuperar a la persona que sufrió un traumatismo neurológico.

2.3 IBM Algunas aplicaciones de la IA

¿Puede dar algunos ejemplos concretos de aplicaciones de la IA? Desde luego. Así que tenemos un programa de robótica colaborativa bastante amplio. Así que los cobots en los que trabajamos están dirigidos principalmente en este momento a aplicaciones de fabricación, fabricación, almacenaje, logística, este tipo de aplicaciones en las que normalmente puede tener una persona haciendo un trabajo que puede ser aburrido, puede ser peligroso, y tener apoyo robótico o tener un robot haciendo realmente el trabajo puede hacerlo mucho más seguro, más eficiente y más eficaz en general. Así que trabajamos en muchos de esos tipos de aplicaciones, particularmente donde los robots intentan interactuar directamente con las personas, como ya he dicho. Así que el robot puede ayudar a una persona a levantar un contenedor pesado, o ayudar a mover artículos en un almacenamiento, en una estantería con fines de almacenamiento, así que todos estos tipos de aplicaciones, donde creo que veremos robots colaborativos moverse primero, y luego, con suerte, un día y tal vez en su casa para ayudarle con la colada y los platos en la cocina. Esperemos que sí. Por ejemplo, en el sector del petróleo y el gas, hay una empresa, una empresa de petróleo y gas bastante grande llamada Abu Dhabi National Oil Company, y uno de los problemas con los que tiene que lidiar cualquier tipo de empresa petrolera es, ¿cuál es el mejor lugar para que perforen en busca de petróleo? Así que tienen que encontrar estas muestras de roca de todos estos lugares diferentes, para este lugar y en este lugar, y ese lugar, y tal vez cientos de lugares diferentes para que puedan perforar en busca de petróleo. A partir de estas muestras de roca, ahora usted tiene todas estas finas láminas de roca en tal vez cientos o miles de ellas, y depende de estas compañías petroleras ser capaces de clasificar estas usando que son geólogos entrenados y expertos. Pero entrenar geólogos para clasificar adecuadamente estas láminas de roca puede ser bastante difícil, podría consumir mucho tiempo, podría costar mucho dinero también. Así que una forma de ayudar a aumentar las capacidades de los humanos es poder utilizar la visión por ordenador, para clasificar estas muestras de rocas y poder identificar cuáles de estos lugares son los mejores para perforar en busca de petróleo... Eso en petróleo y gas. Imagínese antes de esto, si hubiera una forma muy, muy rara de cáncer experimentado por un médico en Dubai, y si hubiera otro caso en Nueva Zelanda, ¿cómo cree que se habrían dado cuenta de que, "Eh, ambos estamos tratando este caso tan raro ya que trabajamos juntos." Eso no habría sido posible en el pasado, pero ahora con la tecnología de aprendizaje automático siendo capaces de agregar conocimientos de tantas fuentes diferentes en una Nube centralizada y entenderla, y proporcionar esa información inaccesible, intuitiva, de forma implícita. Ahora, ese médico neozelandés puede ir por delante y utilizar esta técnica de aprendizaje automático para decir: "Oye, hace sólo unos días hubo un médico con un caso muy similar ", aunque no sea exactamente lo mismo. Claro. Así que trabajamos con un número de startups y el número de empresas, y sólo voy a traer un par de ejemplos. Así que lo que les gusta hablar bastante de es empresa fuera de California llamada Echo Devices. Lo que han hecho es que han tomado un simple dispositivo que es el estetoscopio, algo que vemos alrededor del cuello de cada médico, enfermera, y el profesional de la salud, y han tomado ese dispositivo y básicamente han transformado eso primero en un dispositivo digital cortando el tubo del estetoscopio, insertando en él un digitalizador que toma un sonido analógico, lo transforma en una señal digital, lo amplifica en el proceso, hace que sea mucho más fácil para la gente oír, es un sonido amplificado, el sonido de su corazón, o de sus pulmones trabajando. Pero lo que también nos permite hacer es que nos permite tomar la señal digital y enviarla por Bluetooth a un teléfono inteligente. Una vez que está en un teléfono inteligente, son capaces de graficarla, lo que permite al médico entender mejor, no sólo a través de los datos de audio sino a través de un gráfico real de cómo está funcionando su corazón. Pero debido a que la información es ahora capturada en el mundo digital, ahora puede ser algoritmo central de aprendizaje automático, y eso es lo que hacen. Un algoritmo de aprendizaje automático puede realmente aprender de eso, aplicar sus aprendizajes previos de los médicos humanos, cardiólogo, y ahora ayudar a un médico que está utilizando el dispositivo en su diagnóstico actual. Así que básicamente no sustituye a un médico de ninguna manera, forma o manera, es tecnología de asistencia que está tomando los aprendizajes de las generaciones anteriores de cardiólogo humano, y ayudando en el diagnóstico en el estado actual. Para mí, es un ejemplo perfecto de tomar la X, que en este caso concreto es como un estetoscopio, y luego añadir IA a esa X. Yo tengo un nombre realmente ingenioso para eso, lo llaman Shazam for Heartbeats.

2.2 IBM Opcional: Dominios de aplicación para la IA

¿Puede hablarnos de algunas de las aplicaciones de la IA? >> Hay todo tipo de aplicaciones diferentes, obviamente, está la sanidad, están las finanzas. La que está más cerca de mi corazón, por supuesto, es la robótica y la automatización. Donde las tecnologías de IA realmente nos ayudan a mejorar nuestras habilidades para percibir el entorno que rodea al robot y para hacer planes en entornos impredecibles a medida que van cambiando. >> Hay un gran libro publicado por un autor, era Kelvin Kelly, y es editor de la revista Wired, ha escrito un gran libro sobre las tecnologías que van a estar cambiando dando forma a nuestro mundo, específicamente 12 tecnologías. Y él tiene una definición fantástica en el libro sobre específicamente cómo la IA va a impregnar nuestra vida cotidiana y todo se resume en una cita excelente. Así que él dice que los casos de negocio para las próximas 10.000 startups son fáciles de predecir, tengo x y voy a añadir IA a mi x. La forma en que entiendo eso es básicamente una noción que la IA de una forma, manera o forma, en cualquier forma o forma, va a impregnar todos los aspectos del quehacer humano. Todo lo que hacemos, todo lo que tocamos va a ser mejorado por la IA. Tenemos grandes beneficios de tomar cualquier dispositivo, cualquier máquina, y hacerla sólo un poco más inteligente. El beneficio de eso es sólo añadirle un poco de smarts, un poco de inteligencia es exponencial en su beneficio. >> Así que trabajamos mucho con algunas aplicaciones realmente divertidas de la IA. Hacemos un par de cosas diferentes en el laboratorio que dirijo. Trabajamos en vehículos de auto-conducción como un aspecto, por lo que la autonomía para la auto-conducción. Lo que requiere mucha IA para los sistemas de visión, para la inteligencia de navegación , para los aspectos de planificación y control del coche, eso es lo que hacemos. Y también tenemos un amplio programa de investigación en lo que se denomina robótica colaborativa, o cobots. Así que robots que están diseñados para trabajar en y alrededor de y con personas. Y eso presenta muchos retos, porque queremos que los robots actúen de forma inteligente y que interactúen con los humanos de un modo que resulte natural. Y eso requiere comprender cómo se comportan las personas, lo que exige inteligencia. Además de esas, hay una miríada de otras aplicaciones, descubrimiento de fármacos, tratamientos médicos para el cáncer y otras enfermedades. Así que un montón de aplicaciones extremadamente emocionantes. >> Quiero decir que creo que el uso general de la IA hasta ahora ha sido tomar grandes conjuntos de datos, y darles sentido. Y hacer algún tipo de procesamiento con esos datos en tiempo real. Eso es lo que hemos estado haciendo, y eso es lo que hemos visto más eficaz, en términos de crear algún tipo de impacto a mayor escala en la asistencia sanitaria más allá de tener un dispositivo aislado. Y hemos estado viendo eso en todos los ámbitos, en todo el espectro de la asistencia sanitaria. >> Utilizamos la IA todo el tiempo, y muchas veces ni siquiera somos conscientes de ello. Utilizamos la IA cada vez que tecleamos una consulta en un buscador, cada vez que utilizamos nuestro GPS. O cada vez que utilizamos algún tipo de sistema de reconocimiento de voz. >> Me gustaría centrarme en un segmento concreto de la IA, si le parece bien, en torno a la visión por ordenador. Porque me resulta especialmente fascinante. Ahora, cuando pensamos en la visión por ordenador, están buscando en la IA formas de ayudar a aumentar, o ayudar a automatizar o ayudar a entrenar a los ordenadores para hacer algo que ya es muy difícil de entrenar a los humanos para hacer. Como cuando se trata del aeropuerto, tratando de encontrar armas dentro del equipaje a través del escáner de rayos X, ahora eso podría ser difícil de hacer. No importa lo mucho que entrenar a alguien que puede ser muy difícil de identificar. Pero con la visión por ordenador que puede ayudar a automatizar, ayudar a aumentar, ayudar a la bandera, ciertas imágenes de rayos X de modo que tal vez incluso los seres humanos pueden simplemente echar un vistazo a un conjunto filtrado de imágenes, no todas las imágenes ¿verdad? Así que la visión por ordenador es muy disruptiva. Y así hay muchas maneras en las que la visión por ordenador puede realmente ayudar a aumentar las capacidades de los humanos en muchas industrias diferentes. >> Ahora quiero decir que las aplicaciones de la IA están realmente a nuestro alrededor. No hay límite a lo que realmente estamos haciendo con la inteligencia artificial. Cuando usted hace prácticamente cualquier cosa en cualquier tecnología, lo más probable es que esté utilizando alguna forma de lo que llamamos aprendizaje automático o inteligencia artificial. Por ejemplo, cuando revisa su correo electrónico. Hacer algo tan simple como revisar su correo electrónico. El filtrado de spam se ha hecho durante años con la tecnología de aprendizaje automático. Más recientemente, Google salió con sus características que le permiten hacer composiciones inteligentes de correo electrónico. Así que en realidad puede tener texto escrito para usted sobre la marcha mientras está escribiendo su correo electrónico. Tus asuntos también se escriben automáticamente, te recomendará a quién deberías enviar el correo electrónico, ver si te has dejado a alguien. Todas estas cosas están impulsadas por el aprendizaje automático. Pero algunas de las principales áreas en las que creo que la tecnología de aprendizaje automático puede tener un impacto son los campos de la atención sanitaria y la educación.

2.1 IBM IMPACTO Y EJEMPLOS DE IA

La IA ha llegado para quedarse, con la promesa de transformar la forma en que funciona el mundo. Según un estudio de PWC, se añadirán 16 billones de dólares de PIB de aquí a 2030 sobre la base de la IA. Se trata de una escala de impacto económico nunca vista, y no sólo en la industria de las TI, sino que afecta prácticamente a todas las industrias y aspectos de nuestras vidas. La IA significa cosas diferentes para cada persona. Para un diseñador de videojuegos, la IA significa escribir el código que afecta a cómo juegan los bots, y cómo reacciona el entorno ante el jugador. Para un guionista, la IA significa un personaje que actúa como un humano, con algún tropo de rasgos informáticos mezclados. Para un científico de datos, la IA es una forma de explorar y clasificar datos para alcanzar objetivos específicos. Los algoritmos de IA que aprenden con el ejemplo son la razón por la que podemos hablar con Watson, Alexa, Siri, Cortana y Google Assistant, y ellos pueden respondernos. Las capacidades de procesamiento del lenguaje natural y de generación de lenguaje natural de la IA no sólo están permitiendo que las máquinas y los humanos se entiendan e interactúen entre sí, sino que están creando nuevas oportunidades y nuevas formas de hacer negocios. Los chatbots impulsados por las capacidades de procesamiento del lenguaje natural, se están utilizando en la atención sanitaria para interrogar a los pacientes y realizar diagnósticos básicos como los médicos reales. En la educación, están proporcionando a los estudiantes interfaces conversacionales fáciles de aprender y tutores en línea a petición. Los chatbots de atención al cliente están mejorando la experiencia del cliente resolviendo consultas en el momento y liberando tiempo de los agentes para conversaciones que añaden valor. Los avances en la tecnología de voz a texto impulsados por la IA han hecho realidad la transcripción en tiempo real Reproduce el video desde :1:47 y sigue la transcripción1:47 Los avances en la síntesis del habla son la razón por la que las empresas están utilizando la voz impulsada por la IA para mejorar la experiencia del cliente y dar a su marca su voz única. En el campo de la medicina, está ayudando a los pacientes con la enfermedad de Lou Gehrig, por ejemplo, a recuperar su voz real en lugar de utilizar una voz computerizada. Es gracias a los avances en IA que el campo de la visión por ordenador ha podido superar a los humanos en tareas relacionadas con la detección y el etiquetado de objetos. La visión por ordenador es una de las razones por las que los coches pueden dirigir su camino en calles y autopistas y evitar chocar contra obstáculos. Los algoritmos de visión por ordenador detectan rasgos e imágenes faciales y los comparan con bases de datos de perfiles faciales. Esto es lo que permite que los dispositivos de consumo autentifiquen las identidades de sus propietarios mediante el reconocimiento facial, que las aplicaciones de las redes sociales detecten y etiqueten a los usuarios y que los cuerpos de seguridad identifiquen a los delincuentes en las secuencias de vídeo. Los algoritmos de visión por ordenador están ayudando a automatizar tareas. Como detectar lunares cancerosos en imágenes de la piel o encontrar síntomas en radiografías y resonancias magnéticas. La IA está repercutiendo en la calidad de nuestras vidas a diario. Hay IA en nuestra cola de Netflix, nuestras aplicaciones de navegación, manteniendo el spam fuera de nuestras bandejas de entrada y recordándonos eventos importantes. La IA está trabajando entre bastidores supervisando nuestras inversiones, detectando transacciones fraudulentas, identificando fraudes con tarjetas de crédito y previniendo delitos financieros. La IA está influyendo en la atención sanitaria de manera significativa, ayudando a los médicos a llegar a diagnósticos preliminares más precisos, leyendo imágenes médicas, encontrando ensayos clínicos apropiados para los pacientes. No sólo está influyendo en los resultados de los pacientes, sino también haciendo que los procesos operativos sean menos costosos. La IA tiene el potencial de acceder a enormes cantidades de información, imitar a los humanos, incluso a humanos específicos, hacer recomendaciones que cambian la vida sobre la salud y las finanzas, correlacionar datos que pueden invadir la privacidad, y mucho más.

3. IBM IA Visión general y casos de uso de la IA generativa

Bienvenido a la descripción general y el uso de la IA generativa Casos. Después de ver este vídeo, podrás para: Definir la IA generativa y describir su significado, y explicar los diferentes casos de uso de la generativa AYUDA. La inteligencia artificial (IA) se define como Inteligencia aumentada que permite a los expertos escalar sus capacidades como máquinas gestiona tareas que consumen mucho tiempo, como reconocer el habla, jugar y tomar decisiones. Por otro lado, la inteligencia artificial generativa, o GenAI, es una técnica de IA capaz de crear datos nuevos y únicos, que van desde imágenes y música, texto y mundos virtuales completos. A diferencia de los modelos de IA convencionales que se basan en reglas y patrones predefinidos, los modelos de IA generativa utilizan técnicas de aprendizaje profundo y se basan en vastos conjuntos de datos para generar datos completamente nuevos con diversas aplicaciones. Un modelo de IA generativa también puede utilizar LLM, Large Modelo de lenguaje, un tipo de inteligencia artificial basada en técnicas de aprendizaje profundo diseñadas para procesar y generar lenguaje natural. Por ejemplo, la IA generativa puede desarrollar nuevos y algoritmos o arquitecturas de LLM más potentes, lo que resulta en un entorno natural más preciso o eficiente capacidades de procesamiento y generación del lenguaje. Alternativamente, una IA generativa puede diseñar e incorporar el LLM en un sistema de IA más grande y avanzado para realizar diversas tareas avanzadas, como la toma de decisiones, la resolución de problemas y el trabajo creativo. La IA generativa abarca varias tecnologías de IA y la idea de desarrollar sistemas de IA. Aunque pronto habrá más información sobre la IA generativa Sin embargo, los siguientes beneficios ya hacen de la IA generativa una tecnología estratégica: creatividad e innovación, ahorro de costes y tiempo, personalización, escalabilidad , robustez y exploración de nuevas posibilidades. Veamos algunos casos de uso diversos de la tecnología generativa GAI. En el campo de la salud y la medicina de precisión, La IA generativa puede ayudar a los médicos a identificar las mutaciones genéticas responsables de la enfermedad de los pacientes enfermedades y ofrecer tratamientos a medida. También puede producir imágenes médicas, simular cirugías y predecir las propiedades de los nuevos fármacos para ayudar a los médicos a practicar procedimientos y desarrollar tratamientos. En la agricultura, la IA generativa puede optimizar el rendimiento de los cultivos y crear variedades de plantas más robustas que puedan resistir los factores de estrés ambiental, plagas y enfermedades. En biotecnología, la IA generativa puede ayudar en el desarrollo de nuevas terapias y fármacos mediante la identificación de posibles objetivos farmacológicos, simulando las interacciones medicamentosas y la previsión de la eficacia de los fármacos. En medicina forense, la IA generativa puede ayudar a resolver delitos mediante el análisis de las pruebas de ADN y la identificación de los sospechosos. En conservación ambiental, generativo La IA puede apoyar la protección de las especies en peligro de extinción mediante el análisis de sus datos genéticos y sugiriendo estrategias de reproducción y conservación. En los campos creativos, la IA generativa puede producir contenido único de arte digital, música y vídeo para campañas de publicidad y marketing, y generar bandas sonoras para películas o videojuegos. En los juegos, la IA generativa puede crear contenido interactivo mundos de juego mediante la generación de nuevos niveles, personajes y objetos que se adaptan al comportamiento de los jugadores. En el mundo de la moda, la IA generativa puede diseñar y producir experiencias virtuales de prueba para clientes y recomendaciones de moda personalizadas basadas en opciones de moda en el comportamiento y las preferencias de los clientes. En robótica, la IA generativa puede diseñar nuevos los movimientos de los robots y los adaptan a entornos cambiantes, permitiéndoles realizar tareas complejas tareas. En educación, la IA generativa puede crear creaciones personalizadas materiales de aprendizaje y entornos de aprendizaje interactivos que se ajustan al aprendizaje de los estudiantes estilos y ritmos. En el aumento de datos, la IA generativa puede producir nuevos datos de entrenamiento para modelos de aprendizaje automático, mejorando su precisión y rendimiento. En este vídeo, aprendiste que: La IA generativa es una técnica de IA capaz de crear datos nuevos y únicos. Supera a los modelos de IA tradicionales en términos de creatividad, ahorro de costes y tiempo, personalización, escalabilidad, robustez y exploración de nuevas posibilidades. La IA generativa tiene el potencial de transformarse varias industrias y mejorar la vida de las personas y generar datos nuevos e imposibles y experiencias, y se puede utilizar para realizar una amplia gama de tareas, similares a la flexibilidad y adaptabilidad de la inteligencia humana. Hablemos sobre la Inteligencia Artificial Generativa, o Generative AI, de una manera sencilla. La Inteligencia Artificial Generativa es una técnica que permite a las máquinas crear cosas nuevas y únicas, como imágenes, música, texto e incluso mundos virtuales. Imagina que tienes un artista que puede pintar un cuadro, componer una canción o escribir una historia, pero en lugar de ser una persona, es una máquina que aprende de muchos ejemplos. A diferencia de otros tipos de inteligencia artificial que siguen reglas predefinidas, la IA generativa utiliza técnicas avanzadas para aprender de grandes cantidades de datos y así generar algo completamente nuevo. Por ejemplo, piensa en un chef que ha probado miles de recetas. Con ese conocimiento, puede inventar un plato original que nunca antes se había hecho. De la misma manera, la IA generativa puede combinar lo que ha aprendido para crear algo innovador y sorprendente. Resumen En esta lección, ha aprendido: IBM Research define la Inteligencia Artificial (IA) como Inteligencia Aumentada, que ayuda a los expertos a ampliar sus capacidades mientras las máquinas hacen el trabajo que consume tiempo. La IA aprende creando modelos de aprendizaje automático basados en entradas proporcionadas y salidas deseadas. La IA puede describirse de diferentes maneras en función de su fuerza, amplitud y aplicación: IA débil o estrecha, IA fuerte o generalizada, IA súper o consciente. La IA es la fusión de muchos campos de estudio, como la informática, la ingeniería eléctrica, las matemáticas, la estadística, la psicología, la lingüística y la filosofía.

2.IBM IA

Hola Tanmay, bienvenido y dinos cuántos años tienes? Tengo 15 años. Genial. ¿Cómo empezaste con la tecnología y la IA? Seguro. Así que he estado trabajando con tecnología durante más de 10 años. Todo comenzó cuando yo tenía unos cinco años porque mi padre solía trabajar como programador de computadoras, y verle programar casi todo el día era tan fascinante para mí, que realmente quería saber más. Quería saber cómo las computadoras podían hacer realmente cualquier cosa que hicieran. Ya sea mostrando mi nombre en la pantalla, o añadiendo dos números, o realmente algo de ese tipo, era como magia para mí a esa edad. Así que mi padre me presentó al mundo de la programación, y he estado trabajando con el código. Envié mi primera aplicación para iOS y más. Pero cuando tenía unos 10 años, empecé a sentir que la tecnología no era tan divertida como solía ser para mí. La tecnología no era tan emocionante como solía ser por una simple razón, es porque la tecnología era muy rígida, se codifica algo e inmediatamente comienza a volverse obsoleta, nunca se adapta, nunca cambia nuevos datos, nuevos usuarios, nuevas circunstancias que crean. Pero cuando tenía 11 años, en realidad me topé con un documental sobre IBM Watson jugando y ganando el programa de juegos de Jeopardy en 2011. Así que, por supuesto, que inmediatamente me fascinó, en cuanto a cómo una computadora puede jugar Jeopardy, y así fui a hacer un poco más de investigación, descubrí que IBM proporciona componentes individuales de Watson como API en la nube. Hice un poco más de investigación, empecé a crear mi primer tipo de aplicaciones cognitivas, y también creé tutoriales en mi canal de YouTube, sobre cómo otros también pueden aprovechar las API de IBM Watson. Así que desde que tenía 11 años, he estado trabajando con tecnología de aprendizaje automático a través de numerosos servicios diferentes como IBM Watson. Eso es impresionante. Entonces, ¿qué significa IA para ti? Realmente lo que la IA significa para mí, antes de llegar a eso, antes de que pueda explicar lo que es la IA para mí. Creo que primero es importante entender realmente cómo a los demás les gusta pensar de la IA. Mucha gente tiene este tipo de división, este tipo de respuesta bipolar al aprendizaje automático o a la IA, como la gente lo llama. Algunas personas son como, sí, es la mejor tecnología de todos los tiempos, y algunas personas son como, esto será la caída de la humanidad. Yo diría que ninguna de esas respuestas sería correcta. La razón por la que digo eso es porque la tecnología de aprendizaje automático es tecnología. Es tecnología muy avanzada, nos ayuda a hacer cosas que nunca podríamos haber hecho antes, pero es solo eso, es tecnología. La inteligencia artificial y el aprendizaje automático es algo en lo que la gente ha estado trabajando matemáticamente desde antes de que las computadoras fueran una cosa. La tecnología de aprendizaje automático no es nada nuevo, de hecho, existía los principios fundamentales al menos, durante muchas décadas antes de que yo naciera. Pero la cosa es la tecnología de aprendizaje automático o al menos, por ejemplo, el perceptrón básico y este tipo de técnicas matemáticas han existido incluso antes de que las computadoras o calculadoras se hicieran populares. Así que cuando estábamos creando este tipo de conceptos de aprendizaje automático e IA, y empezamos a crear literatura y películas sobre el futuro de la tecnología y las computadoras, apenas teníamos idea de no solo hacia dónde iría la tecnología en el futuro, sino también qué tecnología es realmente. Debido a eso, la gente tiene esta idea errónea muy común de que la inteligencia artificial es la mente humana dentro de una computadora, la inteligencia humana simulada totalmente dentro de una computadora. Pero eso no podría estar más lejos de la verdad. El aprendizaje automático o la IA no está simulando una mente humana, pero lo que intenta y hace, es intentar abrir nuevas puertas para las computadoras. Intenta permitir que las computadoras entiendan ciertos tipos de datos que no podrían haber entendido antes. Así, por ejemplo, si echamos un vistazo a lo que nosotros como humanos somos tan especiales, el hecho de que podemos entender el lenguaje natural, de hecho, somos el único animal que tiene una capacidad tan compleja de ser capaz de comunicarse en lenguaje natural, incluso si a través de algo que no tengo directamente presenciado, visto u oído evidencia para, todavía puedo describirle ese concepto imaginativo, que es realmente maravilloso. También somos excelentes en la comprensión de los datos auditivos sin procesar. Imagina que tu cerebro está tomando vibraciones de moléculas de aire y convirtiendo eso en pensamientos, eso es realmente increíble. También somos excelentes en el procesamiento de datos visuales, como cuando miras la cara de alguien, el hecho de que puedes reconocerlos instantáneamente. Cuando miras a los ojos de alguien, puedes decir exactamente dónde están mirando, eso es realmente una habilidad increíble. Estas son cosas que las computadoras no pueden hacer porque se limitan fundamentalmente a las matemáticas. Sólo pueden entender los números y las operaciones matemáticas. Pero mediante el uso de la tecnología de aprendizaje automático, en realidad puede tomar estas matemáticas y usarlas para comprender patrones en grandes cantidades de datos humanos estructurados y no estructurados. La única diferencia aquí es que antes, nosotros como humanos construiríamos manualmente estos patrones y estas condiciones, mientras que ahora se hace automáticamente para nosotros, al menos principalmente automáticamente por técnicas como descenso de gradiente y cálculo. Por lo tanto, la tecnología de aprendizaje automático es un término más preciso para lo que la IA realmente es hoy y lo será en el futuro. Por supuesto, la inteligencia artificial no está destinada a reemplazarnos porque en un nivel fundamental, es algo completamente diferente a un cerebro humano.

1. IBM QUE ES LA IA?

Hoy en día se habla mucho de la inteligencia artificial. ¿Cómo define o qué significa la IA para usted? Se habla mucho y hay muchas definiciones de lo que dice la inteligencia artificial. Así que una de ellas trata de enseñar a las máquinas a aprender, actuar y pensar como lo harían los humanos. Otra dimensión tiene que ver realmente con cómo hacemos que las máquinas hagan, cómo podemos impartir más capacidades cognitivas a las máquinas y capacidades sensoriales. Por lo tanto, se trata de analizar imágenes y vídeos sobre el procesamiento del lenguaje natural y la comprensión del habla. Se trata del reconocimiento de patrones, etc. Por lo tanto, el tercer eje gira más en torno a la creación de una tecnología que pueda, en algunos casos, reemplazar lo que hacen los humanos. Me gustaría pensar en esto como un aumento de lo que hacen los humanos. Para mí, personalmente, la parte más importante de la definición de inteligencia artificial consiste en transmitir la capacidad de pensar y aprender a las máquinas. Para mí, eso es lo que define la inteligencia artificial. La IA es la aplicación de la informática para resolver problemas de forma inteligente mediante algoritmos. Entonces, ¿qué es una forma inteligente? Bueno, una forma inteligente puede ser algo que imite la inteligencia humana. O puede ser un enfoque puramente computacional y un enfoque de optimización, pero algo que manipule los datos para obtener resultados no obvios, creo, es lo que yo clasificaría como inteligencia artificial. Yo definiría la IA como una herramienta que utiliza una computadora para completar una tarea automáticamente con muy poca o ninguna intervención humana. Para mí, la IA es en realidad una serie compleja de capas de algoritmos que hacen algo con la información que contiene. La inteligencia artificial es un conjunto de tecnologías que nos permite extraer conocimiento de los datos. Por lo tanto, es cualquier tipo de sistema que aprende o entiende los patrones de esos datos y puede identificarlos y luego reproducirlos en nueva información. La inteligencia artificial no es el tipo de simulación de la inteligencia humana que la gente cree que es. En realidad, no se trata en absoluto de inteligencia. Pero creo que otra palabra que describe la IA con mayor precisión hoy en día es el aprendizaje automático. La razón por la que digo esto es porque la tecnología de aprendizaje automático consiste en utilizar esencialmente las matemáticas en las computadoras para encontrar patrones en los datos. Ahora bien, estos datos pueden estar estructurados o no estructurados. La única diferencia entre el aprendizaje automático y las tecnologías que lo precedieron es que nosotros, como seres humanos, teníamos que codificar manualmente estos patrones y estas condiciones en las computadoras. Son capaces de encontrar estos patrones por sí mismos mediante el uso de las matemáticas. Esa es realmente la única diferencia aquí. Yo diría que la inteligencia artificial es un conjunto de algoritmos matemáticos que nos permiten hacer que las computadoras encuentren patrones muy profundos que quizás ni siquiera sabíamos que existen, sin que tengamos que codificarlos manualmente. Hablemos sobre la inteligencia artificial (IA) de una manera sencilla. La inteligencia artificial se refiere a la capacidad de las máquinas para aprender, pensar y actuar de manera similar a los humanos. Imagina que tienes un robot que puede reconocer tu cara, entender lo que dices y aprender de tus preferencias. Esto es posible gracias a la IA, que utiliza algoritmos, que son como recetas matemáticas, para analizar datos y encontrar patrones. Por ejemplo, si le muestras muchas fotos de gatos y perros, el robot puede aprender a distinguir entre ellos sin que tú le digas exactamente cómo hacerlo. En resumen, la IA es como un asistente inteligente que puede hacer tareas automáticamente, como organizar tus fotos o recomendarte música, todo esto con muy poca intervención humana.

IA IBM

Objetivos de aprendizaje Definir la IA Describa ejemplos, aplicaciones e impacto de la IA. Describa la IA Generativa y enumere algunos de sus casos de uso. Explore una aplicación interactiva de IA. Bienvenido a Introducing AI. Tras ver este vídeo, podrás definir la IA como inteligencia aumentada. También podrás analizar los tipos de IA en función de sus puntos fuertes. La historia de la IA se remonta a los orígenes de la informática. Desde los días del ábaco y las primeras calculadoras, los seres humanos se han esforzado por automatizar las tareas mentales. El viaje formal comenzó en la década de 1950, cuando Alan Turing propuso la prueba de Turing para la inteligencia artificial, y John McCarthy acuñó el término inteligencia artificial. Desde los primeros programas como ELIZA y SHRDLU en la década de 1960 hasta el surgimiento de los sistemas expertos en la década de 1970, la década de 1980 fue testigo de un aumento del aprendizaje automático, lo que sentó las bases para un mayor progreso. La década de 1990 introdujo las redes neuronales y la década de 2000 marcó el ascenso del aprendizaje profundo. Entre 2010 y 2020, las aplicaciones de IA se extendieron por todos los sectores con aplicaciones como el procesamiento del lenguaje natural, la PNL y la visión artificial. La IA ha continuado su rápida expansión en la presente década, incluidos los avances en los modelos de aprendizaje profundo, los sistemas autónomos y las aplicaciones de atención médica. Pero, ¿qué es exactamente la IA? La inteligencia artificial o IA se refiere a la simulación de los procesos de inteligencia humana mediante sistemas informáticos. Implica el uso de algoritmos y datos para permitir que las máquinas realicen tareas que normalmente requieren inteligencia humana, como el aprendizaje, el razonamiento, la resolución de problemas y la toma de decisiones. La IA puede abarcar desde una simple automatización hasta redes neuronales y de aprendizaje profundo complejas. Internet ha revolucionado la conectividad y nos ha dado un acceso más rápido a más información. La computación distribuida amplía el procesamiento de datos, lo que permite la eficiencia. El IoT hace proliferar los dispositivos conectados y genera cantidades masivas de datos. Las redes sociales nos han alentado a la mayoría de nosotros a desestructurar los datos. Juntos, reconfiguran nuestro panorama digital, acelerando el acceso a la información y la innovación. Con la inteligencia aumentada, la información que necesitan los expertos en la materia está al alcance de la mano y respaldada con pruebas, lo que les permite tomar decisiones informadas. Se alienta a los expertos a ampliar sus capacidades y dejar que las máquinas se encarguen del trabajo que lleva mucho tiempo. ¿Cómo definimos la inteligencia innata? Los seres humanos tenemos una inteligencia innata, que se define como la inteligencia que gobierna cada actividad de nuestro cuerpo. Esta inteligencia es lo que hace que un roble crezca a partir de una pequeña semilla y que un organismo complejo, como un elefante, evolucione a partir de un organismo unicelular. ¿Cómo aprende la IA? La única inteligencia innata que tienen las máquinas es la que les damos. Brindamos a las máquinas la capacidad de examinar ejemplos y crear modelos de aprendizaje automático basados en las entradas y salidas deseadas. Hacemos esto de diferentes maneras, como con el aprendizaje supervisado, el aprendizaje no supervisado y el aprendizaje por refuerzo, sobre los que aprenderá con más detalle más adelante. La IA se puede dividir en categorías según su fuerza, amplitud y aplicación. Teniendo en cuenta la fuerza de la IA, puede ser de tres tipos: IA débil o IA estrecha, IA fuerte o IA generalizada y superIA o IA consciente. La IA débil o limitada es la IA que se aplica a un dominio específico. La IA aplicada puede realizar tareas específicas pero no aprender otras nuevas, tomando decisiones basadas en algoritmos programados y datos de entrenamiento. Por ejemplo, traductores de idiomas, asistentes virtuales, búsquedas web basadas en inteligencia artificial, motores de recomendación y filtros de spam inteligentes. La IA fuerte o IA generalizada se refiere a la inteligencia artificial capaz de participar y realizar una amplia gama de tareas distintas y no relacionadas. Posee la capacidad de adquirir nuevas habilidades para abordar desafíos novedosos, y lo logra mediante el aprendizaje autónomo de nuevos enfoques. La IA generalizada es la combinación de muchas estrategias de IA que aprenden de la experiencia y pueden funcionar a un nivel de inteligencia humano. Sus casos de uso incluyen finanzas, recursos humanos, tecnología de la información, investigación y desarrollo y cadena de suministro. La superIA o IA consciente amplía el concepto de IA generativa a un nivel más avanzado. Es una IA con una conciencia a nivel humano, lo que requeriría que fuera consciente de sí misma, que mostrara habilidades cognitivas avanzadas y que desarrollara sus propias habilidades de pensamiento. Debido a que aún no podemos definir adecuadamente qué es la conciencia, es poco probable que podamos crear una IA consciente en un futuro próximo. La superinteligencia artificial podría demostrar capacidades más allá de la inteligencia humana en áreas como la atención médica, los vehículos autónomos, la robótica, la comprensión del lenguaje natural y la conservación del medio ambiente. La IA es la fusión de muchos campos de estudio. La informática y la ingeniería eléctrica determinan cómo se implementa la IA en el software y el hardware. Las matemáticas y las estadísticas determinan modelos viables y miden el rendimiento. Debido a que la IA se basa en cómo creemos que funciona el cerebro, la psicología y la lingüística desempeñan un papel esencial en la comprensión de cómo podría funcionar la IA. La filosofía, por otro lado, proporciona orientación sobre la inteligencia y las consideraciones éticas. Si bien la versión de ciencia ficción de la IA puede ser una posibilidad lejana, ya vemos que cada vez más IA participa en las decisiones que tomamos todos los días. A lo largo de los años, la IA ha demostrado ser útil en diferentes ámbitos y ha tenido un impacto significativo en nuestra sociedad. En este vídeo, aprendiste cómo la IA se define como inteligencia aumentada, con el objetivo de ampliar las capacidades humanas y abordar tareas que van más allá de las capacidades humanas y de las máquinas. También aprendió que los modelos de aprendizaje automático se desarrollan mediante el aprendizaje supervisado, el aprendizaje no supervisado y el aprendizaje por refuerzo. Por último, aprendiste cómo se puede dividir la IA en función de sus puntos fuertes. Aprendiste sobre la IA débil o limitada, una IA diseñada para dominios específicos; la IA fuerte o generalizada, una IA con diversas capacidades para realizar tareas no relacionadas; la IA superconsciente o superconsciente, una IA con una conciencia a nivel humano.

Introducción A IA

​

Bienvenido a este curso Introducción a la Inteligencia Artificial. 

Imagina abrir nuevas oportunidades profesionales y obtener una ventaja competitiva en tu campo con solo saber cómo aprovechar el poder de la inteligencia artificial o IA. La IA es imprescindible para que las personas o las empresas superen los límites de lo posible e impulsen el éxito como nunca antes.

 Con la IA revolucionando la forma en que vivimos y trabajamos, las nuevas innovaciones están afectando nuestras vidas todos los días. Desde los avances que salvan vidas en la gestión de la salud y la detección y prevención del fraude en las finanzas hasta los asistentes personales como Siri y Alexa, los vehículos autónomos, las experiencias personalizadas a través de Netflix y Spotify y el contenido nuevo generado por ChatGPT en segundos, las personas que saben cómo usar la IA están transformando nuestro mundo. Si está buscando impulsar su carrera y transformar su negocio, este curso es su puerta de entrada a un campo emocionante que da forma a su futuro. 

Según PwC, más del 70% de las empresas ya han adoptado alguna forma de IA, y esa tendencia no hará más que aumentar. Ya sea un director ejecutivo, un desarrollador de software, un diseñador de productos, un administrador o una persona que acaba de empezar su carrera, la IA puede permitirle hacer su trabajo de formas nuevas y más poderosas. 

Por lo tanto, este curso es para todos los principiantes interesados en conocer la IA, ya sean profesionales, entusiastas , practicantes o estudiantes. Si está buscando llevar su carrera al siguiente nivel o brillar como innovador empresarial utilizando la IA, este curso es la manera ideal de comenzar su viaje hacia la IA. 

Este curso es su puerta de entrada al dinámico mundo de la IA, donde profundizará su comprensión de sus conceptos y terminología fundamentales. Al final de este curso, podrás describir qué es la IA y explicar sus conceptos básicos.

 Y comprenderá cómo las aplicaciones y los casos de uso de IA pueden transformar nuestras vidas y nuestro trabajo. También reconocerá el potencial y el impacto de la IA en la transformación de las empresas y las carreras y discutirá los problemas , las limitaciones y las preocupaciones éticas que rodean a la IA. ¿Qué puede esperar a medida que avanza en este curso? El curso se divide en cuatro módulos potentes. Tan pronto como comience con el primer módulo, se sumergirá en el mundo de la IA y analizará las aplicaciones de IA populares que ya se utilizan en muchos sectores. 

Aprenderás sobre varias herramientas comunes como ChatGPT, Google Gemini, Microsoft Copilot y otras aplicaciones de IA generativa. Obtendrá información sobre la asistencia virtual y los dispositivos domésticos inteligentes que utilizan la IA para automatizar las tareas rutinarias y hacer la vida mucho más cómoda, y analizará cómo la IA está remodelando varias industrias y sectores.

 En el segundo módulo, se sumergirá en los conceptos básicos de la IA y aumentará su confianza en el uso de términos técnicos, como aprendizaje profundo , aprendizaje automático y redes neuronales. Examinará los modelos de IA generativa, incluidos los modelos lingüísticos de gran tamaño o LLM, y sus capacidades. 

Explorará el desarrollo y la aplicación de la IA y desarrollará su comprensión de varios dominios, como el procesamiento del lenguaje natural, la PNL y la visión por computadora. 

Descubrirá cómo los avances en estas áreas están impulsando innovaciones interesantes que están cambiando la forma en que vivimos y trabajamos. 

Una vez que comience con el tercer módulo, descubrirá cómo se puede aprovechar la IA para la generación de contenido, el análisis de datos, el servicio al cliente , el desarrollo de productos y más. Verás cómo la IA ya está beneficiando a las organizaciones a través de casos de uso del mundo real, y te guiaremos para descubrir cómo la IA también puede transformar tu trabajo y tu entorno laboral.

 Además, explorarás algunas de las carreras de IA más solicitadas, como la ingeniería de IA, la ciencia de datos, la ingeniería robótica, la ingeniería de PNL y la investigación de IA. De este modo, puede tomar una decisión informada sobre cuál debe ser su próximo paso de aprendizaje una vez que haya completado el curso. 

Naturalmente, también hay que tener en cuenta otros aspectos de la IA. Por lo tanto, en el cuarto módulo, analizará la ética de la IA, cómo se rige y cómo se abordan las preocupaciones y problemas prevalentes que rodean el panorama de la IA. Obtendrá información sobre aspectos de la IA como la explicabilidad, la imparcialidad, la solidez, la transparencia y la privacidad. 

Además, investigará las diferentes perspectivas de los actores clave y los enfoques que utilizan para abordar los desafíos éticos planteados. Para ayudarlo a comprender todos estos nuevos términos y aumentar su confianza en el tema, su viaje de aprendizaje seguirá una serie de videos y lecturas. 

Tendrá oportunidades fabulosas para charlar con sus compañeros y conectarse con el personal del curso en el foro de debate, y escuchará a profesionales experimentados a través de vídeos de puntos de vista de expertos, mientras comparten sus puntos de vista sobre los conceptos que aprende. 

También participarás en actividades prácticas y laboratorios que te ayudarán a aplicar tus conocimientos en la práctica y a profundizar tu comprensión. 

Se le presentarán cuestionarios de práctica al final de cada lección para ayudarlo a reforzar su aprendizaje, y completará un proyecto final y un cuestionario con calificaciones al final del curso para que pueda obtener su certificado. Si está listo para explorar el mundo de la IA y descubrir cómo su comprensión de los conceptos de la IA puede impulsar su carrera y situarlo a la vanguardia del resto de su campo, ha venido al lugar correcto. Empecemos.

¡HOMBRES CASADOS!

1. Nunca tengas una relación cercana con ninguna dama, soltera o casada de cualquier nombre, hija espiritual, secretaria, colega, vecina, criada, esposas de amigos.

2. Nunca te encariñes emocionalmente con ninguna mujer que no sea tu propia esposa legalmente casada.

3. Evite celebrar a cualquier mujer que no sea su esposa, madre e hija en las redes sociales. No envíes señales equivocadas a las damas

4. Siempre ten en cuenta que la dama que se ofrece baratamente a ti se ofrecerá a cualquiera y luchará contigo sucio mañana.

5. Nunca te aproveches de ninguna dama que esté debajo de ti, no lo hagas, estás en el lugar de confianza, no destruyas tu vida.

6. Nunca dé asistencia financiera a ninguna dama en el trabajo, en el vecindario o en cualquier lugar sin el consentimiento y la cooperación de su esposa, esto salvará su cabeza en el futuro.

7. Nunca te reúnas con damas en lugares solitarios, coches aparcados, esquinas de las calles

8. Nunca permitas que tu corazón lujure a ninguna dama, no hay nada que tengan que tu esposa no tenga, aún mejor con seguridad.

9. No comas de damas que constantemente te dan comida cocinada por cualquier motivo. Recuerda, la comida es otra forma de llegar al corazón de un hombre.

10. Ponte siempre tu anillo de bodas

11. Regañar por vestirse indecente y no toleres que nadie se vista sexy a tu alrededor, si ven que estás cómodo con eso, comienzan a venir por ti.

12. Si alguna mujer te está dando señales de sexo, repréndela abiertamente. Di no, con valentía y calma

13. Nunca inicies una discusión sucia y traviesa con ninguna mujer. No puedes saber hasta qué tan lejos te llevará esto, ten cuidado de llevarte con dignidad.

14. No le ocultes ningún secreto a tu esposa. Sé totalmente abierto, esta cabeza segura.

15. Haz de tu esposa tu mejor amiga y haz alarde de ella en cualquier lugar y de cualquier manera. Pon su foto como protector de pantalla en tu teléfono, portátil y tableta.

16. Celebra el cumpleaños y el aniversario de bodas de tu esposa generosamente en las redes sociales y en todas partes, esto enviará señales a las chicas de que amas a tu esposa y no estás disponible para ellas.

17. Nunca ocultes tu estado civil, hazles saber que estás casado.

18. Nunca uses la palabra te amo para ninguna mujer aparte de tu esposa e hija. Esto puede ser malinterpretado

19. Siempre habla de tu esposa. Persigue a las chicas malas que te quieren lejos.

20, Tus discusiones sobre tu esposa deben ser positivas, nunca hables negativamente de ella u otras mujeres.

21. Si no está disfrutando de su matrimonio, por favor no comparta esto con ninguna mujer, consulte a un consejero

22. Corta todos los contactos con todos tus ex y con todos tus ex con los que has tenido sexo antes del matrimonio, si no lo haces, puedes volver a estar juntos destruyendo tu matrimonio y el de ellos.

23. Profesa tu amor a tu esposa en cualquier lugar.

24. Si alguna dama comienza a acercarse demasiado a usted, informe a su esposa con su nombre, número de teléfono y sus datos.

25. ¿Quieres un dormitorio mejor? Quieres mejor sexo, puedes conseguirlo en tu matrimonio.

Dios te bendiga 

Notas de ajedrez

"Los valores del ajedrez NO se aprenden solo jugando: El lado oscuro que nadie quiere ver"

El tablero esconde una paradoja que pocos se atreven a confrontar. Mientras las piezas danzan en su batalla silenciosa, se libra otra batalla más importante: la que ocurre en nuestra mente y corazón.

Muchos ajedrecistas dominan la técnica pero olvidan la esencia. Se convierten en máquinas calculadoras, olvidando que ellos también fueron principiantes que cometieron errores elementales. La arrogancia sustituye a la humildad que alguna vez sintieron al mover su primer peón.

El verdadero aprendizaje del ajedrez va más allá del tablero:

🧠 Visión estratégica transformadora: El ajedrez no solo enseña a calcular variantes, sino a comprender que cada decisión forma parte de un tapiz más amplio. No se trata de memorizar aperturas, sino de desarrollar una mentalidad que analiza consecuencias en todos los ámbitos de la vida. Esta visión estratégica es un músculo que debe ejercitarse conscientemente, no surge automáticamente por mover piezas.

⏱️ La paciencia como filosofía de vida: Los grandes maestros entienden que la paciencia no es solo esperar el error del rival, sino abrazar el largo camino del aprendizaje. Cada derrota es una semilla que, regada con reflexión, florece en sabiduría. Esta paciencia profunda no nace espontáneamente; requiere introspección y trabajo interior.

🤔 Responsabilidad trascendental: Más allá de la responsabilidad por los movimientos, el ajedrecista maduro comprende que sus actitudes influyen en toda la comunidad. La responsabilidad se extiende a cómo trata a los rivales más débiles, cómo maneja las derrotas y cómo comparte su conocimiento. Esta dimensión ética rara vez se desarrolla sin guía.

👑 Liderazgo compasivo: El verdadero líder en el ajedrez no es quien acumula victorias, sino quien inspira a otros, quien tiende la mano al principiante recordando su propio camino. Este liderazgo nace de la empatía y el recuerdo vívido de las propias dificultades iniciales.

🙏 Humildad como piedra angular: La paradoja más profunda del ajedrez: cuanto más sabes, más consciente eres de lo que desconoces. La verdadera maestría no está en proclamar superioridad, sino en mantener el asombro del principiante mientras se avanza en el conocimiento. Esta humildad debe cultivarse activamente, pues el ego crece fácilmente con cada victoria.

La triste realidad es que muchos ajedrecistas brillantes técnicamente son incapaces de ver más allá de su rating. Olvidan que el tablero es un espejo donde se reflejan nuestras virtudes y defectos. La arrogancia sustituye a la curiosidad, la impaciencia a la contemplación, y el individualismo a la comunidad.

El verdadero maestro no es quien domina las piezas, sino quien se domina a sí mismo. Quien recuerda vívidamente sus primeros pasos temblorosos y extiende la mano a quienes comienzan el camino.

¿Estás jugando solo para ganar o para crecer como persona? El tablero espera tu respuesta más importante.

Crees que el ajedrez puede ser una escuela de valores... o una fábrica de egos. La diferencia está en cómo lo abordamos. ♟️

🌐 Ajedrez al 100

Este texto utiliza el ajedrez como metáfora para explorar dimensiones profundas de la vida, trascendiendo la mera técnica para adentrarse en la filosofía, la ética y el crecimiento personal. A continuación, se presentan algunos comentarios y recomendaciones que pueden ayudarte a reflexionar y aprovechar al máximo los valores que el ajedrez puede enseñarnos:

♟️ Comentarios

1. El Ajedrez como Espejo Interior

   El autor expone una paradoja intrigante: mientras las piezas se mueven en una lucha táctica, se libra una batalla interna en nuestra mente y corazón. Esto nos invita a ver el tablero como un reflejo de nuestras virtudes y defectos, donde la arrogancia y la impaciencia pueden enmascarar la verdadera esencia del aprendizaje.

2. Más Allá del Cálculo Frío

   Se critica la transformación del ajedrecista en una "máquina calculadora" que olvida sus inicios y la humildad necesaria para crecer. Este enfoque nos recuerda que la verdadera maestría se alcanza cuando combinamos el rigor técnico con una actitud abierta y humilde ante los errores, reconociendo que aprender es un proceso, no solo de estrategias sino de desarrollo humano.

3. Valores Esenciales: Paciencia, Responsabilidad y Humildad

   La pieza destaca la importancia de virtudes como la paciencia—entendida no solo como esperar el error del rival, sino como mantener una actitud reflexiva en el camino del aprendizaje—y la responsabilidad, que trasciende el tratamiento hacia el adversario para convertirnos en líderes compasivos y éticos dentro de la comunidad. La humildad, ese recordatorio constante de que el conocimiento crece al reconocer lo que aún se desconoce, es presentada como la piedra angular del crecimiento.

4. El Dilema del Ego versus el Crecimiento Personal

   La pregunta final, "¿Estás jugando solo para ganar o para crecer como persona?" es una invitación a la introspección. El ajedrez, en este sentido, se puede convertir en una escuela de valores si lo abordamos con la mentalidad correcta, o en una fábrica de egos si nos dejamos llevar por el orgullo y la competitividad desmedida.

♟️ Recomendaciones

1. Cultivar una Visión Estratégica Integral

   - Cómo hacerlo:

     Dedica tiempo a analizar no solo las jugadas tácticas, sino el impacto de cada decisión en tu vida. Reflexiona sobre cómo cada pequeño error o acierto se conecta con un panorama más amplio.  

   - Ejemplo práctico:

     Después de una partida, realiza un análisis personal. Anota no solo los errores estratégicos, sino tus emociones y reacciones ante dichos errores. Esto te ayudará a desarrollar un músculo estratégico que se extienda más allá del tablero.

2. Practicar la Paciencia Consciente

   - Cómo hacerlo:

     La paciencia no es simplemente esperar; es un trabajo activo de introspección. Cada derrota puede ser vista como una oportunidad para crecer y aprender.  

   - Ejemplo práctico:

     Incorpora prácticas de meditación o journaling sobre tus partidas y las decisiones que tomaste, permitiéndote entender tus impulsos y cómo sobreponerte a la frustración.

3. Fomentar un Liderazgo Compasivo

   - Cómo hacerlo:

     Integra el liderazgo desde el ejemplo. Recuerda tus primeros pasos y ofrece apoyo a quienes inician en el ajedrez.  

   - Ejemplo práctico:

     Si formas parte de un club de ajedrez o comunidad, involúcrate en mentorías. Compartir tus aprendizajes y errores con otros te ayudará a solidificar tu propio entendimiento y a contribuir de manera constructiva.

4. Equilibrar la Técnica con la Ética y la Sensibilidad

   - Cómo hacerlo:

     No permitas que la obsesión por optimizar cada movimiento te cieguen ante la dimensión humana del juego. Equilibra el estudio técnico con el desarrollo de valores como la empatía y la humildad.  

   - Ejemplo práctico:

     Organiza sesiones de análisis en grupo donde no solo se discutan líneas y aperturas, sino también las actitudes y emociones que surgen durante el juego. Esto puede abrir el camino a un aprendizaje más integral.

♟️ Un Diagrama para Visualizar la Evolución en el Ajedrez

1. El Tablero como Espejo

        ⬇️

2. Desarrollo de Valores y Autoconocimiento

        ⬇️

3. Técnica y Cálculo

        ⬇️

4. Crecimiento y Madurez Personal

Este diagrama resume la idea de que el juego comienza con la técnica, pero su verdadera riqueza se encuentra en el desarrollo de valores y autoconocimiento, culminando en el crecimiento integral del jugador.

♟️ Reflexión Final

El ajedrez, en su esencia, no es solo un juego de movimientos y estrategias; es una oportunidad diaria para ganar en la vida, aprender de los errores y construir un carácter robusto y consciente. Si adoptamos esta perspectiva amplia, el tablero deja de ser simplemente una competencia; se transforma en una escuela que moldea tanto el intelecto como el alma.

¿Te gustaría profundizar en cómo implementar estos valores en tu práctica o explorar casos históricos donde el ajedrez transformó vidas? Podemos seguir conversando sobre métodos prácticos para equilibrar técnica y ética en cualquier área de la vida.

Tomado de la red.

Ajedrecista

1. Los ajedrecistas saben resolver problemas.

Incluso un ajedrecista novato resuelve alrededor de 20 problemas relacionados con el ajedrez por semana; si nos fijamos en un semiprofesional, este número alcanza los 20 problemas por día. En este proceso, el individuo desarrolla no solamente habilidades analíticas y de resolución de problemas (Burgoyne, et al., 2016) sino también persistencia a la hora de encontrar la solución correcta. Desde un punto de vista laboral, un ajedrecista es una persona que resuelve problemas con tenacidad e ímpetu personal al enfrentarse ante cualquier desafío. 

2. Los ajedrecistas saben manejar el tiempo.

A pesar de que el ajedrez suele ser percibido como un juego muy lento, sabemos que esto no es cierto en la experiencia directa. En una partida profesional promedio, cada jugador recibe alrededor de dos horas para realizar cuarenta movimientos. Por lo tanto, cada jugada no puede tomar más de tres minutos en promedio. En estas condiciones, el ajedrecista está forzado a manejar su tiempo de forma efectiva para evitar meterse en apuros.  

3. Los ajedrecistas suelen estar presionados por el tiempo.

Incluso cuando un jugador tiene una habilidad perfecta para manejar su tiempo, se presentan ocasiones en las que simplemente no hay suficiente tiempo disponible. En estas ocasiones, el ajedrecista debe tomar una decisión en menos de un minuto, lo que significa que, a la larga, el jugador aprende a operar bajo presión (Unterrainer, et al., 2011). La práctica en toma de decisiones y en trabajo bajo presión puede ayudar a cualquiera a lidiar con fechas de entrega y a realizar tareas con recursos limitados.

4. Los ajedrecistas tienen habilidades organizativas.

Un ajedrecista sabe cómo compartimentar información y priorizar tareas. Al moverse entre filas, columnas y diagonales, el ajedrecista se ve obligado a poner las cosas en orden y a trabajar tanto eficiente como productivamente al momento de completar cualquier tarea. En un mundo volátil, incierto, complejo y ambiguo, es necesario tener la capacidad de poner en consideración distintos puntos de vista (Bennett & Lemoine, 2014) para poder organizarse.

5. Los ajedrecistas tienen pasión.

Ganar títulos y convertirse en un campeón puede ser un objetivo para cualquiera. Sin embargo para alcanzar ese objetivo un ajedrecista debe sacrificar mucho. La disposición para convertirse en el mejor exige hacer concesiones en la vida personal y social, incluso durante la juventud, a pesar de que no se recibe a cambio el reconocimiento que se le da a los futbolistas o a los jugadores de baloncesto. Esta pasión y motivación intrínseca por un juego tremendamente complejo es lo que distingue a los ajedrecistas de otros deportistas (Unterrainer, et al., 2011). Por lo tanto, un ajedrecista es capaz de desplegar la misma pasión y el mismo nivel de motivación como empleado de un trabajo que le inspire y eleve sus propias ambiciones.

6. Los ajedrecistas son pacientes y se orientan en el largo plazo.

El ajedrez no se trata de obtener victorias rápidas y sencillas: el ajedrez tiene más que ver con objetivos a largo plazo, trabajo duro y paciencia. Las ganancias o resultados positivos no son necesariamente visibles de inmediato, pues un individuo no puede ver su cuerpo o mente transformarse de forma instantánea. La paciencia y un planeamiento a largo plazo son también absolutamente esenciales durante las partidas. Como ya se notó, una partida promedio dura alrededor de cuarenta jugadas, las cuales deben ser calculadas y planeadas con precisión, dado que incluso un pequeño error puede producir el colapso de una posición ganadora. La paciencia y la orientación en el largo plazo pueden ayudar a un empleado a no perder de vista todo el panorama, sin apurarse a encontrar soluciones rápidas y sencillas, sino, por el contrario, enfocarse en encontrar la raíz del problema.

7. Los ajedrecistas son creativos.

El ajedrez suele ser percibido como un juego aburrido, similar a las matemáticas puras y al análisis extenuante, pero para poder alcanzar la maestría en el juego también hace falta pensar de forma creativa (Waters, et al., 2002). Para jugar ajedrez se debe pensar pero también hace falta imaginar lo que sucederá luego, dado que, en promedio, una variante de tres jugadas tiene un árbol de posibilidades de casi 4 mil millones de posiciones (Rice, 2008), algo imposible de calcular si no eres una máquina. Por lo tanto, las habilidades creativas pueden ayudar al ajedrecista a encontrar jugadas innovadoras y estrategias sin necesidad de calcular tanto. El uso de estas habilidades creativas junto al razonamiento abstracto y al reconocimiento de patrones en problemas de la vida real puede ayudar a un empleado a encontrar soluciones creativas a una gran variedad de problemas.

Tomado de La Red.