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.