CINCO REALIDADES QUE DEBES DECIRLE A TU HIJO SI NO QUIERE ESTUDIAR

Hay un momento donde los padres deben dejar de rogar…

Y empezar a mostrar la vida como realmente es.

No con gritos, sino con verdades que abran los ojos.

Si tu hijo no quiere estudiar, si no le interesa prepararse, dile esto con amor, pero con firmeza:

1. El mundo no te debe nada. Nadie te va a regalar dinero.

Allá afuera nadie va a darte oportunidades por lástima. Si no te preparas, vas a trabajar el doble… 

por la mitad de lo que podrías ganar.

2. La vida no perdona la pereza.

Puedes tener talento, pero si no eres disciplinado, otros con menos habilidades te pasarán por encima solo por tener más constancia.

3. Cada etapa tiene su tiempo.

Hoy tienes comida, techo, internet, todo fácil… pero eso no es eterno. La comodidad de ahora puede ser tu ruina mañana si no la usas con inteligencia.

4. Nadie va a creer en ti si tú no das el primer paso.

Tus papás pueden apoyarte, pero no vivir la vida por ti. Si no tomas responsabilidad, ni Dios puede ayudarte si tú no te mueves.

5. Si no estudias ni trabajas, prepárate para depender siempre de alguien.

Y depender no es libertad. Es vivir esperando que otros decidan por ti. Y eso, tarde o temprano, duele.

🧠 Estudiar no solo es ir a una universidad.

Es aprender algo, prepararte, crecer, construir una vida con herramientas reales.

El que no estudia, que al menos aprenda un oficio. 

Pero que no se quede viendo pasar la vida desde el celular.

💬 "Educar a un hijo es amar con verdad, no con permisividad."

Dile lo que necesita escuchar, no lo que le gusta.

Porque el dolor de la corrección hoy, evitará el sufrimiento del fracaso mañana.

ENIGMA DE LA PIZZA

Ah, el eterno misterio de la pizza! Una pregunta que ha desconcertado a filósofos y hambrientos por igual. Permíteme, como experto en enigmas, iluminar este acertijo culinario:

La pizza es redonda porque... es la forma más eficiente de distribuir los ingredientes. Imagina extender la salsa y el queso: ¡un círculo maximiza el área con la menor cantidad de borde! Además, girarla al hornear es más sencillo.

La caja es cuadrada porque... es la forma más fácil y económica de fabricar y almacenar. Los cuadrados son simples, apilables y requieren menos cortes que los círculos. ¡Piensa en la eficiencia del empaque!

Se corta en triángulos porque... es la forma más equitativa de dividirla. Cada porción tiene un trozo de borde y un trozo del centro, ¡la distribución perfecta de sabor y textura!

Así que, aunque parezca una locura, ¡hay lógica en esta deliciosa geometría!

En conclusión 

La pizza es redonda para distribuir mejor los ingredientes, la caja es cuadrada por eficiencia de fabricación y almacenamiento, y se corta en triángulos para dividirla equitativamente, combinando lógica práctica con una distribución justa del sabor.

Preguntas obligadas para formalizar una relación

Índice

 · ¿Qué es para ti una relación de pareja?

 · ¿Qué esperas de esta relación?

 · ¿El matrimonio entra en tus planes?

 · ¿Qué objetivos tienes en la vida?

 · ¿Quieres tener mascotas?

 · ¿Te gustaría tener hijos?

 · ¿Colaboras en las tareas domésticas?

 · ¿Cómo muestras afecto?

 · ¿Qué es para ti una infidelidad?

Cuando ya has tenido unas cuantas citas y todo ha funcionado bien, la posibilidad de formalizar la relación y convertiros en pareja empieza a flotar en el ambiente. No has visto ninguna bandera roja que te ponga en alerta, y cada día te encuentras más a gusto, por lo que la fantasía de una vida en conjunto empieza a tomar forma. Pero cuidado. Antes de dar ese paso conviene asegurarse de que sois compatibles en los temas verdaderamente importantes.

La psicóloga María Esclápez hace referencia a esto como “los no negociables”, y verdaderamente se trata de asuntos de gran trascendencia que van a determinar en gran medida el futuro de la relación. Así que antes de tomar la decisión de ir adelante en serio con esa persona, asegúrate de que las respuestas que te ofrece a las siguientes 9 preguntas te convencen lo suficiente como para tirar adelante.

Qué es para ti una relación de pareja?

Tu idea de lo que es una relación puede diferir mucho de la que tiene la otra parte. Así que antes de involucrarte en serio conviene que le preguntes qué entiende como relación de pareja, ya que su concepto y el tuyo al respecto de este tema no tienen por qué ser los mismos.

¿Qué esperas de esta relación?

También es importante establecer con claridad cuales son las expectativas de cada uno. Si das por supuesto que una relación te va a aportar una serie de cosas y luego éstas no se dan, llega la frustración.

¿El matrimonio entra en tus planes?

Dentro de las expectativas de futuro hay que aclarar si la posibilidad del matrimonio está sobre la mesa. Hay quienes disfrutan de las relaciones pero no se plantean dar el paso definitivo, así que abordar esta cuestión es importante para no montarte películas en tu cabeza.

¿Qué objetivos tienes en la vida?

Los objetivos vitales deben estar alineados si lo que se pretende es una relación a largo plazo. De no ser así, aunque todo sea perfecto ahora, el tiempo os irá distanciando.

¿Quieres tener mascotas?

Hay para quienes los animales son una extensión de la familia, mientras que otras personas no los soportan. Por trivial que pueda parecer, hay que conocer su opinión en este asunto para saber si puede ser fuente de conflictos.

¿Te gustaría tener hijos?

Un tema clave. Muchas parejas no tienen vocación de ejercer de padres/madres o simplemente tienen ya hijos de relaciones anteriores y consideran cubierto ese capítulo . El futuro en relación a este tema debe quedar bien definido.

¿Colaboras en las tareas domésticas?

Las tareas del hogar pueden ser motivo de discusión si solo recaen en uno de los miembros de la pareja. Asegúrate de que esa persona es consciente de la importancia de colaborar en ellas.

¿Cómo muestras afecto?

Hay personas más frías y más afectivas, y aunque creas que pueden cambiar en el futuro, es raro que lo hagan. Además, el modo en que se demuestra amor puede ser distinto al que tú necesitas, por lo tanto esta es otra cuestión a aclarar.

¿Qué es para ti una infidelidad?

Una pareja es un acuerdo entre los miembros y ellos establecen los términos. Por eso éstos deben quedar claros. Una conversación subida de tono en un chat puede ser infidelidad para uno, mientras que para el otro no se trata más que de un juego. Define los límites de lo que no estás dispuesta a tolerar bajo ningún concepto.

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.