https://studio.code.org/s/oceans/lessons/1/levels/2?viewAs=Instructor

https://teachablemachine.withgoogle.com/

Ventajas

• Creación de contenido educativo: Útil para diseñar planificaciones, cuadernillos, ejercicios o actividades.
• Aprendizaje personalizado: contenido y actividades adaptadas a las necesidades e intereses individuales.
• Retroalimentación inmediata: identificando rápidamente áreas de mejora
• Apoyo en la enseñanza: respondiendo dudas, ofreciendo ejercicios de práctica.
• Explorar nuevas ideas: jugar, ser creativos.

Ejemplos de prompts

• Secuencializar: Se utiliza para solicitar una secuencia de eventos o pasos en orden específico. Por ejemplo: “Enumera los pasos para resolver una ecuación cuadrática”.
• Comparar: Se emplea para pedir una comparación entre dos o más elementos. Por ejemplo: “Compara las ventajas y desventajas de la energía solar y la energía eólica”.
• Argumentar: Se usa para solicitar una opinión respaldada por argumentos. Por ejemplo: “Argumenta a favor o en contra del calentamiento global”.
• Personificar: Se emplea para pedir que se redacte un texto desde el punto de vista de un personaje o entidad específica. Por ejemplo: “Actúa como si fueras Dmitri Mendeleiev. ¿Cómo llegaste a idear la tabla periódica?”.
• Listar: Se utiliza para solicitar una lista de elementos relacionados con un tema. Por ejemplo: “Enumera cinco ejemplos de fuentes de energía renovable”.
• Explicar: Se utiliza para solicitar una explicación detallada sobre un tema o concepto. Por ejemplo: “Explica el funcionamiento del ciclo del agua”.
• Narrar: Se usa para solicitar la creación de una historia o relato. Por ejemplo: “Crea un cuento sobre un átomo de carbono”.

Limitaciones

• Sesgos y discriminación: los modelos incorporan los sesgos inherentes a los datos utilizados para entrenarlos, ya sean estos sociales, políticos o culturales.
• Alucinaciones: son resultados gramaticalmente correctos, pero conceptualmente erróneos o imprecisos.
• Falta de comprensión y sentido común: puede tener problemas para identificar sutilezas lingüisticas y culturales generando interpretaciones erróneas o respuestas inapropiadas.

Desafíos

• Cajas negras: Modelos tan complejos como inescrutables. Desconocimiento de cómo y porqué toman ciertas decisiones.
• Deepfakes y noticias falsas: Desinformación y manipulación informativa. Lo generado por IA es indistinguible de la realidad.
• Privacidad y seguridad de los datos: cómo se resguarda y se usa la información personal y sensible.
• Desplazamiento laboral: la automatización impulsada por la IA tendrá un impacto significativo en el mercado laboral.
• Desafíos éticos y responsabilidad: por lo anterior expuesto y por la responsabilidad de las decisiones automáticas de las IA.

IA utilizadas:

• https://dubverse.ai
• https://hei.io

• 1952: Test de Turing
  • Alan Turing propone un test para evaluar la capacidad de una máquina de exhibir comportamiento inteligente indistinguible de un humano.
• 1955: Origen del concepto Inteligencia Artificial
  • El término es acuñado por John McCarty durante la conferencia de Dartmouth, marcando el comienzo formal del campo de estudio de la IA.
• 1958: Inicio de la computación moderna
  • Invención del microchip, que marca el inicio de la revolución tecnológica que una década después diera paso a la computación moderna.
• 1997: DeepBlue gana al ajedrez a Kasparov
  • Marcando un hito en la evolución de la IA. En 2006, AlphaGo hace lo propio ganando al campeón mundial de Go.
• 2010: Auge de las Redes Sociales
  • Se produce una explosión en la generación de datos, a medida que la base de usuarias de estas redes aumenta.
• 2020: Pandemia
  • Digitalización forzosa de la experiencia humana, produciendo una aceleración en la transformación digital.
• 2021: IA generadoras de imágenes
  • En enero de 2021 la compañía OpenAI lanza al público Dall-E, una IA que genera imágenes realistas.
• 2022: IA generadoras de texto
  • En noviembre de 2022 la compañía OpenAI lanza al público su chatbot ChatGPT.
• 2023: ChatGPT aprueba complejos exámenes de medicina y abogacía en segundos.

ChatGPT es la tecnología que más rápido ha crecido

¿Cómo aumentaron los datos?

Tendencias de Google

¿Qué es la inteligencia artificial (IA)? ¿Desde cuándo la utilizamos en nuestro país? ¿La conocemos más de lo que creemos? Estos son algunos de los interrogantes que se plantean en este capítulo que explora y profundiza las formas en que se utiliza la IA, el uso de los datos con los que se alimenta, los diversos espacios donde se desarrolla, las necesidades tecnológicas y los límites éticos que se desprenden de su utilización.
Una coproducción de Canal Encuentro y TEC.

• Inteligencia Artificial: Es un concepto que engloba toda tecnología que permita a las computadoras imitar la inteligencia humana, procesando y analizando grandes cantidades de datos para reconocer patrones, resolver problemas y realizar tareas complejas.
• Aprendizaje Automático: También conocido como Machine Learning, es un tipo de IA que aprende sin haber sido explícitamente programado para ello. En vez de seguir instrucciones precisas, interpreta los datos y toma decisiones de manera automática.
  • aprendizaje supervisado: se usan datos etiquetados para entrenar, ya sabemos de antemano lo que es.
  • aprendizaje no supervisado: se usan datos no etiquetados, y se agrupan los datos según similaridad.
  • aprendizaje por refuerzo: aprende por premios y castigos, con un enfoque conductista.
• Aprendizaje Profundo: También conocido como Deep Learning, es una rama del aprendizaje automático que se basa en redes neuronales artificiales, donde la información se propaga a través de múltiples capas para aprender y reconocer patrones complejos para realizar tareas cada vez más sofisticadas.

• Macrodatos: También conocido como Big Data, son conjuntos de datos tan grandes, complejos y dinámicos para ser procesados por sistemas tradicionales. Los datos son la materia prima usada para entrenar las IA.

• Prompt: Es la instrucción inicial que le damos a la IA para generar una respuesta. En general deben ser específicas, detalladas y descriptivas en relación al contexto, longitud, formato, estilo, tono, etc. Mientras mejor sea la pregunta, mejor será la respuesta.
• Grandes Modelos de Lenguaje (LLM): Son modelos de IA entrenados con una gran cantidad de datos de texto y tienen una capacidad avanzada para comprender y generar lenguaje natural. ChatGPT y herramientas similares son ejemplos de grandes modelos de lenguaje.

• Tipos de Inteligencia Artificial
  • Discriminadora: Este tipo de IA se centra en la clasificación y reconocimiento de patrones. Predominantes hasta la irrupción de estas nuevas herramientas de IA. Muy utilizado en la visión por computadoras, por ejemplo tienen la capacidad de analizar una imagen y poder discriminar y segmentar sus partes.
  • Generativa: Son IA que se centran en la generación de contenido que no existe. Aprenden las características y estructuras subyacentes de los datos de entrenamiento para crear nuevos ejemplos que son similares en estilo y contenido.
  • Red Generativa Adversar (GAN): Son un tipo especial de IA que utiliza dos redes neuronales: una generativa y otra discriminadora que compiten entre sí. La primera crea nuevas muestras de manera aleatoria, mientras que la segunda intenta distinguir entre las muestras generadas y las reales. Son redes que mejoran sus habilidades en cada iteración.

Hay cien mil millones de neuronas en el cerebro humano. Trabajan juntas y nos permiten comprender y poder movernos por el mundo. Los científicos han construido réplicas del cerebro humano con computadoras, pero nadie ha podido hacer uno con humanos.