El futuro y los retos de la Inteligencia Artificial – ShowmeCAST 143

No ShowmeCAST 143 de esta semana, Daniel e Dacio hablar sobre Generación de Contenidos. Nunca antes en la historia de la humanidad se ha hablado tanto sobre este tema y quizás nunca ha habido tantas transformaciones en la sociedad a raíz de este tema. La gran acumulación de fuentes de generación de datos y el avance en las tecnologías de análisis y aprendizaje automático significa que no solo nuestra experiencia en Internet está moldeada por IA, sino que nuestras vidas actualmente están personalizadas por los impactos de esta novedad. Ya sea a través de algoritmos que te hacen comprar un producto en Amazonas o por ChatGPT, la Inteligencia Artificial está presente en nuestras vidas y vamos a debatir cuáles son los impactos y el futuro de esta nueva realidad.

¿Qué es la inteligencia artificial?

El concepto de inteligencia –aunque existen varias definiciones diferentes–, según el Idiomas de Oxford, es la capacidad de conocer, comprender y aprender, adaptándose a nuevas situaciones. Ser inteligente casi siempre se asocia con la capacidad de aprender y, superponiendo esta idea en el contexto de las computadoras, la Inteligencia Artificial se define como la capacidad de una máquina para detectar patrones y aprender de ellos para generar una solución deseada de la manera más eficiente y precisa. manera posible. .

Hablamos en ShowmeCAST 143 sobre cómo la realidad de la IA difiere de lo que nos enseñaron a través de películas de ciencia ficción cuando el robot tenía el deseo de dominar el mundo o librar al planeta de la humanidad. La inteligencia informática está asociada a un conjunto de habilidades que se programan a partir de una base de datos estadística y al concepto de Aprendizaje automático (Machine learning & LLM) donde el algoritmo usa esta base para predecir probabilísticamente lo que podría suceder.

¿Cómo aprende una máquina?

Con el exito de ChatGPT y la intensificación de la personalización de la experiencia del usuario en internet, las máquinas empiezan a formar parte intensa de nuestras vidas. Pero, ¿nos hemos detenido a pensar en cómo se lleva a cabo el aprendizaje de una computadora? Las 4 formas más básicas de aprendizaje automático que se utilizan utilizan datos históricos como entrada para predecir los datos de salida y se pueden aplicar a la detección de fraudes en los sistemas, la automatización de procesos y, lo que se ha vuelto popular recientemente, en el procesamiento del lenguaje natural.

• aprendizaje supervisado

En este tipo de aprendizaje, se proporciona un conjunto de datos de entrenamiento al algoritmo, que contiene entradas (características) y salidas (etiquetas) correspondientes. El objetivo es que el modelo aprenda a asignar las entradas a las salidas correctas, de modo que pueda generalizar este conocimiento para predecir las etiquetas de nuevos ejemplos no vistos anteriormente.

Durante el entrenamiento, el algoritmo analiza los patrones y las relaciones en los datos de entrenamiento, ajustando sus parámetros internos para minimizar la diferencia entre los resultados previstos y las etiquetas reales proporcionadas.

• aprendizaje sin supervisión

En este caso, tenemos un aprendizaje con el mismo propósito, sin embargo, buscando identificar agrupaciones naturales de similitudes entre individuos u objetos sin la etiqueta previamente prevista para la identificación. Los algoritmos de aprendizaje no supervisados ​​pueden utilizar técnicas como clustering (clustering), donde los datos se agrupan en clusters en función de su similitud, o análisis de componentes principales, que reduce la dimensionalidad de los datos conservando la mayor parte de su variabilidad. Estas técnicas ayudan a explorar los datos de forma exploratoria y extraer conocimiento útil sin necesidad de etiquetas preexistentes.

• aprendizaje semi-supervisado

El aprendizaje semisupervisado es un enfoque híbrido que combina elementos de aprendizaje supervisado y no supervisado. En este tipo de aprendizaje, el modelo tiene acceso a datos etiquetados y no etiquetados durante el entrenamiento.

La principal motivación detrás del aprendizaje semisupervisado es aprovechar la disponibilidad de grandes conjuntos de datos sin etiquetar, que pueden ser más fáciles de obtener o más abundantes que los conjuntos de datos etiquetados. La idea es que los datos etiquetados proporcionen información precisa y confiable sobre las clases o categorías deseadas, mientras que los datos no etiquetados ayuden a capturar la estructura y la variabilidad de los datos de manera más completa.

• aprendizaje reforzado

Por último, el aprendizaje por refuerzo es un tipo en el que un agente interactúa con un entorno dinámico y aprende a tomar medidas para maximizar una recompensa acumulativa a lo largo del tiempo. Está inspirado en el proceso de aprendizaje que ocurre en humanos y animales cuando toman decisiones y reciben retroalimentación a través de premios y castigos.

En este tipo de aprendizaje, el agente no recibe ejemplos etiquetados ni instrucciones explícitas sobre qué acciones tomar. Más bien, explora el entorno a través de prueba y error, tomando acciones y recibiendo recompensas o penalizaciones del entorno en respuesta a esas acciones. El objetivo del agente es aprender una política de toma de decisiones que maximice la recompensa acumulada a lo largo del tiempo.

El futuro de las máquinas y la humanidad.

Finalmente, en ShowmeCAST 143, discutimos el futuro de las máquinas y cómo personalizar nuestra experiencia puede ser positivo o dañino. Existen diferentes casos donde la Inteligencia Artificial puede ser utilizada en beneficio de la humanidad, al mismo tiempo que si con malas intenciones o mal instruida puede llegar a conclusiones erróneas. Los datos correctos pueden generar predicciones incorrectas. Discutimos en el episodio cómo la causalidad y la correlación son términos diferentes y pueden ser confundidos incluso por académicos en el área.

De hecho, hay soluciones que surgirán a través de la Inteligencia Artificial, así como nuevos problemas que aparecerán en esta nueva revolución tecnológica que llegará en los próximos años. Será nuestro papel debatir y discutir cómo hacer que este nuevo recurso funcione para una vida mejor para todos.

Si te gusta y sigues nuestro trabajo, considera seguir y activar las notificaciones de ShowmeCAST, tu podcast sobre tecnología, juegos, ciencia, cultura y muchas curiosidades sobre lo que pasa en el mundo. El programa está disponible en servicios como Spotify, Podcasts de Apple y otros agregadores.

Véase también

Si llegaste aquí y aún no has escuchado nuestro último episodio, asegúrate de rebobinar tu feed y ponerte al día. episodio #142 de ShowmeCAST. En la ocasión hablamos de lo que hemos estado siguiendo en las últimas semanas en series, películas y juegos. ¡No pierdas!

Revisado por Glaucón Vital en 24 / 5 / 23.