Quiero destacar, la cálida, el material y el profesionalismo que cada vez más enfatizan en cada curso y material, Sigan así porque en lo personal siempre espero esta calidad con la que trabajan día a día. Felicitaciones!!!, congratulations!!!
Fundamentos de inteligencia artificial (IA)
¿Cómo usar inteligencia artificial en tu trabajo?
¿Cómo funciona la inteligencia artificial?
IA en el día a día
Quiz: Fundamentos de inteligencia artificial (IA)
IA dentro de la empresa
¿Cómo elegir la herramienta de IA adecuada?
Tu primera conversación con ChatGPT
Estructura de un prompt para usar ChatGPT
IA en la gestión del talento
Transcribe un video a texto con Fireflies.ai
Sintetizar información con ChatGPT
Usar IA para dominar nuevas herramientas de trabajo
Usar IA para agilizar tareas en Excel
Generación de imágenes con DALL-E
Funciones de ChatGPT Plus
Quiz: IA dentro de la empresa
Inteligencia Artificial para comunicación efectiva
Redacción rápida de un blogpost usando AI
GPTs: ¿Qué son?, ¿Cómo crearlos? y ¿Cómo usarlos?
¿Cómo crear un nuevo producto con GPTs?
Crece tu impacto profesional usando ChatGPT
Automatizar la creación de presentaciones usando SlidesAI
Quiz: Inteligencia Artificial para comunicación efectiva
IA para toma de decisiones
Decisiones basadas en datos
Análisis de datos con Data Analysis de ChatGPT
People Analytics con ChatGPT
Análisis de ventas con ChatGPT
Análisis de pérdida de clientes con ChatGPT
Análisis automático de gráficas e imágenes
Quiz: IA para toma de decisiones
Uso potencial de la inteligencia artificial
¿Qué puede y qué no puede hacer la IA?
¿Por qué una IA escribe texto, genera imágenes o transcribe audio?
Precaución al usar inteligencia artificial en el trabajo
Ética en inteligencia artificial y datos
Quiz: Uso potencial de la inteligencia artificial
El futuro del trabajo con inteligencia artificial
IA: Individuos Aumentados
No se trata de lo que quieres comprar, sino de quién quieres ser. Invierte en tu educación con el precio especial
Antes: $249
$209
Paga en 4 cuotas sin intereses
Termina en:
12 Días
16 Hrs
32 Min
10 Seg
¿Cómo funciona la inteligencia artificial?
2/29Recursos
Transcripción
Navegar en el mundo de la inteligencia artificial (IA) puede parecer algo intimidante.
No obstante, saber cómo funciona y cómo usarla efectivamente puede abrir un mundo de posibilidades para aumentar tu productividad y mejorar tu impacto en cualquier equipo.
¿Quiénes trabajan con la Inteligencia Artificial?
Hay tres grupos principales de personas que trabajan con la IA. El primer grupo son aquellos dedicados a la creación de nuevos modelos, algoritmos y arquitecturas de la IA, cuyos avances son publicados en revistas académicas.
Un segundo grupo lo conforman aquellos que toman estos modelos y desarrollan distintas aplicaciones. Este proceso exige un desempeño sólido en el desarrollo de productos e ingeniería de software.
Finalmente, tenemos a las personas que utilizan estas herramientas de IA en su vida cotidiana, igual que cualquier otra aplicación. Estos usuarios finales son quienes realmente ponen a prueba estas herramientas y revelan su verdadero valor en la vida real.
¿Cómo opera la Inteligencia Artificial?
La inteligencia artificial se centra en crear sistemas computacionales para realizar tareas que normalmente requieren del intelecto humano.
Utilizamos un gran volumen de datos para "enseñarle" a la computadora cómo pensar y realizar predicciones. Estas se clasifican dentro del aprendizaje automático, que puede ser supervisado, utilizando datos etiquetados, o no supervisado, con datos sin etiquetas.
Dentro del aprendizaje automático, las redes neuronales juegan un rol vital al simular cómo funciona el cerebro humano. Un subcampo del aprendizaje automático, llamado aprendizaje profundo, se originó a partir de las redes neuronales.
¿Por qué el procesamiento del lenguaje natural es revolucionario?
El procesamiento del lenguaje natural es un campo emocionante dentro de la IA que busca cómo una computadora puede analizar, simular y solucionar problemas específicos del lenguaje humano.
Uno de los mayores desafíos fue lograr que una computadora entendiera el contexto de una palabra en diferentes oraciones. Una solución a esto se presentó al introducir un modelo de arquitectura de redes neuronales conocido como "Transformers".
¿Cómo se construyen herramientas basadas en IA como ChatGPT?
Las herramientas basadas en la IA como ChatGPT se construyen utilizando modelos fundacionales de la IA.
Los modelos fundacionales son versiones generales que se pueden ajustar para cumplir tareas específicas. En el caso de la generación de texto, se utilizan los llamados Modelos de Lenguaje a Gran Escala (LLMs).
¿Cómo podemos usar estas herramientas de IA en la vida cotidiana?
Podemos utilizar la IA en nuestra vida cotidiana para aumentar nuestra productividad y profundizar nuestro trabajo. Ejemplos de estas herramientas incluyen ChatGPT o Google Bard para el texto, DALI para imágenes y MusicLM u Otter para el audio.
Sin embargo, para obtener resultados útiles y confiables de estas herramientas, debemos aprender a crear "prompts" de calidad.
Los "prompts" son instrucciones que determinan lo que queremos lograr con la computadora. Estos deben estar bien diseñados para ser claros y entregar el contexto o datos relevantes cuando sea necesario.
¿Por qué todo el mundo debería usar la Inteligencia Artificial?
Todo el mundo puede y debe aplicar la IA en sus respectivas actividades. Nos ahorra tiempo al aumentar la velocidad de nuestras tareas, pero, aún más importante, nos permite tomar decisiones más fundadas que pueden causar un mayor impacto en nuestras organizaciones.
Aportes 190
Preguntas 16
Ordenar por:
2. ¿Cómo funciona la inteligencia artificial?
- Entrenamos modelos para que realicen tareas que simulen el razonamiento humano.
- Aprendizaje supervisado datos etiquetados.
- Aprendizaje no supervisado datos sin etiquetar.
- Aprendizaje supervisado + no supervisado = deep learning
- Las redes neuronales simulan las neuronas de nuestro cerebro.
- Pieza claven el NLP Generative Pre trained Transformer
- Cerebros digitales que aprenden de una cantidad de información.
- GPT es una IA generativa.
- Prompt = instrucción para describir lo que queremos lograr
- Todos podemos aprender a usar la IA.
Si es la primera vez que oyes estos conceptos, te recomiendo que repases esta clase las veces que haga falta hasta que te sientas comodx con ellos, es una excelente base para entender todo lo que viene en tu camino para ser expertx en AI
- Personas que trabajan con IA
- Investigadores de modelos, algoritmos y arquitecturas de la IA.
- Desarrolladores de aplicaciones.
- Usuarios de herramientas.
- IA
- Campo de teorías para crear sistemas computacionales que realices tareas consideradas propias del intelecto humano.
- Necesita un entrenamiento con datos para que aprenda el entendimiento humano y pueda hacer predicciones.
- Aprendizaje automático
- Supervisado
- Datos etiquetados.
- No supervisado
- Datos sin etiquetar.
- Supervisado
- Deep learning
- Uso de redes neuronales.
- Procesamiento de lenguaje natural.
- Función de atención
- La probabilidad que una palabra pueda influir en el contexto.
- Transformer
- Función de atención + Redes neuronales
- Función de atención
- Cómo se construyen estas herramientas.
- A partir de modelos fundacionales
- Large Language Model (LLM)
- A partir de modelos fundacionales
- IA generativa
- Crear contenido para el día a día
- Texto
- ChatGPT
- Google Bard
- Imagen
- Midjourney
- Dall-E
- Stable Diffusion
- Audio
- MusicLM
- Outter
- Texto
- Prompts
- Máx. 400 caracteres (recomendación de OpenAI)
- Crear contenido para el día a día
Excelente introducción! Junto con el curso Prompt Engineering con ChatGPT se pueden conseguir grandiosos resultados con los LLM.
Este formato es excelente. Me parece que es una evolución al típico profesor exponiendo sobre diapositivas. Podrían hacer cursos completos así. Felicitaciones!
Es de destacar .con el ejemplo del un buen promtt, la necesidad de continuar desarrollando habitos como la lectura. asistencia a videos conferencias. analisis de libros tecnicos a fin de desarrollar volabulario y elementos de valor para alimentar el prompt . si no hay base solidas no se puede explotar la IA. los atajos no existen
¿Cómo funciona la inteligencia artificial?
- Algoritmos:Un algoritmo es un conjunto de instrucciones o reglas definidas y no ambiguas, ordenadas y finitas que permite llevar a cabo una actividad mediante pasos sucesivos que no generen dudas a quien deba hacer dicha actividad. En términos de programación y ciencias de la computación, un algoritmo es una secuencia de instrucciones que se utilizan para resolver un problema o realizar una tarea.
- Redes neuronales y aprendizaje profundo (deep learning): Las redes neuronales son un modelo computacional inspirado en el funcionamiento de las neuronas biológicas. Una red neuronal consiste en un conjunto de nodos o “neuronas” interconectadas que procesan información. El aprendizaje profundo es una subcategoría de machine learning que se basa en redes neuronales con muchas capas -de ahí el término “profundo”. Estas redes neuronales profundas permiten que la máquina aprenda a través de grandes cantidades de datos no estructurados y son fundamentales en muchas aplicaciones de IA modernas.
- Procesamiento de lenguaje natural (NLP): El procesamiento de lenguaje natural es una rama de la inteligencia artificial que se centra en la interacción entre las computadoras y el lenguaje humano. Su objetivo es leer, descifrar, entender y hacer sentido de la lengua humana de una manera valiosa. Se utiliza en muchas aplicaciones, incluyendo la traducción automática, el reconocimiento de voz, y la generación de texto.
- Función de atención en las redes neuronales: La atención es un mecanismo que se introdujo en las redes neuronales para mejorar la extracción de características y la interpretación de los datos de entrada. En esencia, permite a la red “enfocarse” en ciertas partes de la entrada sobre otras. Esto es especialmente útil en tareas como la traducción automática, donde ciertas palabras en la entrada pueden ser más relevantes para la traducción que otras.
- Transformers como una nueva arquitectura para modelos de IA: Los Transformers son un tipo de modelo de aprendizaje profundo introducido en 2017 que utiliza mecanismos de atención para mejorar la velocidad y la calidad de las tareas de procesamiento del lenguaje natural. Los Transformers han demostrado ser muy eficaces en una serie de tareas de NLP y han sido la base de muchos modelos de lenguaje de gran escala, como GPT-3 y BERT.
- Modelos fundacionales y LLM (Large language Model) en NLP: Los modelos fundacionales son modelos de aprendizaje profundo que se entrenan en grandes cantidades de datos y luego se afinan para tareas específicas. Los modelos de lenguaje de gran escala (LLM) son un tipo de modelo fundacional que se entrena en grandes cantidades de texto. Estos modelos, como GPT-3, pueden generar texto coherente y relevante y se utilizan en una serie de aplicaciones, desde la generación de texto hasta el asistente de chat.
- Inteligencia artificial generativa: La inteligencia artificial generativa se refiere a los sistemas de IA que pueden crear contenido nuevo y original. Esto puede incluir la generación de texto, la creación de imágenes o música, o incluso la creación de nuevos diseños de productos. Estos sistemas suelen utilizar técnicas de aprendizaje profundo y pueden ser entrenados en una variedad de datos.
- Herramientas como “ChatGPT (Generative Pre Trained Transformers)” o “Google Bart” para trabajar con texto: ChatGPT y Google BART son ejemplos de modelos de lenguaje de gran escala que se utilizan para trabajar con texto. ChatGPT, desarrollado por OpenAI, es capaz de generar respuestas a preguntas, escribir ensayos, y más. Google BART es similar, y se utiliza en una variedad de tareas de procesamiento de lenguaje natural.
- La importancia de un buen prompt para obtener resultados útiles y confiables: Un “prompt” es la entrada que se da a un modelo de lenguaje para generar una respuesta. Un buen prompt es crucial para obtener resultados útiles de un modelo de lenguaje. Un prompt bien formulado puede ayudar a guiar al modelo hacia la generación de una respuesta útil y relevante, mientras que un prompt vago o mal definido puede llevar a respuestas menos útiles o incluso incoherentes.
Que son los modelos fundacionales
Creo que se saltaron una parte importante en la intro de este video, mencionaron los roles frente a la IA, pero claramente ahí falta una aclaración que puede despejar dudas y confusiones para TODOS.
Me refiero a que de entrada existen 3 roles que las personas pueden adoptar frente a los avances de las IAs de forma natural:
- primero: Las personas normales sin formación técnica o estudios al respecto, solo son USUARIOS FINALES DE LAS APLICACIONES DE IAs CONSTRUIDAS, que solo deben usar dichas herramientas de forma directa, porque así han sido diseñadas.
- segundo: El grupo de desarrolladores de nuevas aplicaciones o de mejoras en las aplicaciones de IA existentes o la combinación de estás desde un punto de vista técnico, operativo y comercial.
- tercero: Está el grupo técnico de personas que crean o revisan la arquitectura, programación y diseño completo de una IA por dentro de la IA misma.
Su perspectiva y trabajo respecto a la IA es diferente desde esas posiciones, me parece que falta esa aclaración.
RESUMEN:
La inteligencia artificial es altamente aplicable en diversos roles y profesiones, ofreciendo la oportunidad de aumentar la productividad y tener un mayor impacto en el equipo de trabajo. Dentro de este contexto, se pueden identificar tres perfiles clave relacionados con la inteligencia artificial: los investigadores, encargados de crear nuevos modelos y algoritmos; los equipos de desarrollo, responsables de construir aplicaciones basadas en dichos modelos; y las personas que utilizan herramientas de inteligencia artificial en su rutina laboral.
Es importante comprender los conceptos fundamentales de la inteligencia artificial, como el entrenamiento de modelos y el uso del aprendizaje supervisado y no supervisado. Asimismo, el aprendizaje profundo y el procesamiento de lenguaje natural son áreas destacadas, haciendo hincapié en el papel crucial de las redes neuronales y la arquitectura de los Transformers. Herramientas como Chat GPT, Dall-E y Music LM se mencionan como ejemplos concretos de cómo se aprovechan estos avances.
Un aspecto clave para obtener resultados efectivos es utilizar “Prompts” claros y específicos. Estas instrucciones guían la interacción con las herramientas de inteligencia artificial y son fundamentales para obtener respuestas útiles y confiables.
Es relevante destacar que todas las personas, independientemente de su función laboral, pueden beneficiarse de la inteligencia artificial en su trabajo cotidiano. La implementación de estas herramientas puede acelerar tareas, mejorar la toma de decisiones basadas en datos y ampliar el impacto en la organización. Al aprovechar la inteligencia artificial, se logra una mayor eficiencia y profundidad en el trabajo, generando nuevas oportunidades para la toma de decisiones y la creación de valor en diversos contextos profesionales.
La *Inteligencia Artificial* es la extensión para imitar la manera en la que los seres humanos aprenden e incluso razonan.
**Me dío curiosidad jajajaajj**
<u>Mal prompt: Enseñame de física</u>
ChatGPT
¡Por supuesto! La física es una rama de la ciencia que estudia la naturaleza y sus fenómenos, desde las partículas subatómicas hasta las galaxias en el universo. Aquí hay algunos conceptos básicos de física que podrían interesarte:
1. **Mecánica Clásica**: Es la rama de la física que estudia el movimiento de los cuerpos y las fuerzas que lo causan. Incluye subcampos como la cinemática (el estudio del movimiento sin considerar las causas), la dinámica (el estudio de las fuerzas y cómo afectan al movimiento) y la estática (el estudio de los cuerpos en equilibrio).
2. **Termodinámica**: Esta rama de la física trata sobre el estudio del calor y la energía. Incluye conceptos como la temperatura, el calor, la entropía y las leyes de la termodinámica, que describen cómo la energía se transforma y se transfiere en sistemas físicos.
3. **Electromagnetismo**: Esta rama combina dos fuerzas fundamentales de la naturaleza: la electricidad y el magnetismo. Estudia cómo se comportan y se relacionan los campos eléctricos y magnéticos, así como la manera en que interactúan con las cargas eléctricas y las corrientes eléctricas.
4. **Óptica**: La óptica se enfoca en el estudio de la luz y su comportamiento. Esto incluye la reflexión, la refracción, la dispersión, la formación de imágenes y fenómenos más avanzados como la interferencia y la difracción.
5. **Mecánica Cuántica**: Esta teoría describe el comportamiento de partículas subatómicas, como electrones y fotones, a escalas muy pequeñas. Introduce conceptos como la dualidad onda-partícula, el principio de incertidumbre y el concepto de estados cuánticos.
6. **Teoría de la Relatividad**: Propuesta por Albert Einstein, esta teoría consta de dos partes: la teoría de la relatividad especial y la teoría de la relatividad general. La primera trata sobre el comportamiento de objetos en movimiento a velocidades cercanas a la velocidad de la luz, mientras que la segunda describe la gravedad como la curvatura del espacio-tiempo causada por la presencia de masa y energía.
Estos son solo algunos de los campos principales de la física, pero hay muchos más, como la física de partículas, la astrofísica, la física nuclear, la física de fluidos, entre otros. Cada uno de estos campos tiene sus propios principios, leyes y fenómenos que los físicos estudian y tratan de entender.
<u>Buen prompt: </u>Eres profesor de astrofísica en una universidad. Vas a dar una clase a personas sin experiencia sobre la teoría de la relatividad de Einstein. Explica el concepto y para qué sirve esa teoría en terminos simples y con analogías adecuadas a niños de 10 años. Limita tu respuesta a 4 párrafos.
ChatGPT
¡Hola chicos! Hoy vamos a hablar sobre algo realmente emocionante: la teoría de la relatividad de Einstein. Imaginen que están en un tren en movimiento y quieren jugar al fútbol. Cuando lanzan la pelota hacia adelante, ¿qué pasa? ¡Exacto! La pelota parece moverse más rápido si alguien está viendo desde fuera del tren que si están dentro del tren. ¿Por qué? Porque el movimiento del tren se suma al movimiento de la pelota. Bueno, la teoría de la relatividad nos dice que algo similar ocurre con el tiempo y el espacio.
Einstein nos mostró que el tiempo y el espacio no son cosas separadas, sino que están conectadas en algo que llamamos "espacio-tiempo". Es como si fueran un par de amigos inseparables. Entonces, si algo muy masivo, como una estrella o un planeta, está cerca, curva el espacio-tiempo a su alrededor. Es como si pusieran una gran bola en una sábana estirada: hace que las cosas giren a su alrededor. Esto es lo que llamamos gravedad.
Ahora, imaginen que están en una nave espacial cerca de un agujero negro, que es una estrella muy, muy masiva. Si miran hacia afuera, verán que el tiempo parece pasar más lento. ¡Es como si el tiempo estuviera siendo estirado por el agujero negro! Esto es lo que llamamos dilatación del tiempo. Es un poco como cuando están muy emocionados haciendo algo divertido y el tiempo parece volar, pero al revés: el tiempo parece ir más lento cuando están cerca de algo muy pesado.
Entonces, en resumen, la teoría de la relatividad de Einstein nos ayuda a entender cómo el espacio y el tiempo están conectados y cómo se comportan en presencia de cosas muy masivas, como estrellas y agujeros negros. Nos permite explicar fenómenos extraños como la curvatura del espacio-tiempo y la dilatación del tiempo. Es como un mapa que nos guía en un viaje por el universo, ayudándonos a comprender mejor cómo funciona todo a gran escala. ¿Alguna pregunta?
**Que diferencia en las respuestas, no les parece?**
Cómo funciona la IA
La inteligencia artificial (IA) es un campo de estudio que se enfoca en crear sistemas computacionales capaces de realizar tareas que normalmente requieren del intelecto humano. Para lograr esto, se utilizan modelos y algoritmos que son entrenados con datos para que la computadora pueda aprender a pensar y tomar decisiones. Existen diferentes enfoques dentro de la IA, como el aprendizaje automático (machine learning) y el aprendizaje profundo (deep learning), que utilizan técnicas como las redes neuronales para procesar información y resolver problemas complejos.
Perfiles trabajando con IA
En el campo de la IA, existen tres perfiles principales de personas que trabajan en diferentes aspectos:
- Investigadores: Son aquellos que se dedican a investigar y desarrollar nuevos modelos,
algoritmos y arquitecturas de IA. Publican sus avances en revistas
académicas y son responsables de crear las innovaciones que revolucionan la industria. - Equipos de desarrollo: Estos equipos tienen conocimientos en desarrollo de productos e
ingeniería de software. Utilizan los modelos y algoritmos creados por
los investigadores para construir aplicaciones y herramientas que pueden ser utilizadas por otras personas. - Usuarios finales: Son las personas que utilizan las herramientas de IA en su día a día,
de la misma manera que utilizan cualquier otra aplicación. Estas
herramientas les permiten aumentar su productividad y tomar decisiones
basadas en datos.
Aprendizaje automático y aprendizaje profundo
Dentro del campo del aprendizaje automático, existen dos enfoques principales: el aprendizaje supervisado y el aprendizaje no supervisado.
- Aprendizaje supervisado: En este enfoque, se utilizan datos etiquetados para entrenar a la
computadora y ayudarle a encontrar patrones y realizar predicciones. Los datos etiquetados contienen información sobre las características y las respuestas esperadas, lo que permite que la computadora aprenda a clasificar y predecir. - Aprendizaje no supervisado: En contraste, en el aprendizaje no supervisado se utilizan datos sin etiquetar. La computadora busca patrones y estructuras en los datos para encontrar información relevante y realizar tareas como la agrupación
(clustering)o la reducción de dimensionalidad.
Dentro del aprendizaje automático, el aprendizaje profundo es un subcampo que utiliza redes neuronales artificiales para procesar información de manera similar a cómo lo hace el cerebro humano. Estas redes neuronales son capaces de aprender y realizar tareas más complejas, como el procesamiento de lenguaje natural.
Procesamiento de lenguaje natural y Transformers
El procesamiento de lenguaje natural (NLP, por sus siglas en inglés) es un campo de la IA que se enfoca en investigar cómo las computadoras pueden analizar, simular y resolver problemas relacionados con el lenguaje humano. Uno de los desafíos más importantes en el NLP era lograr que una computadora entendiera el contexto de una palabra en diferentes oraciones o textos largos.
En 2017, se introdujo una nueva arquitectura llamada Transformers, que utiliza una función de atención para mejorar el desempeño de las redes neuronales en el procesamiento de lenguaje natural. La función de atención permite que la computadora analice cómo otras palabras influyen en el significado total de una oración. Los Transformers son la base de herramientas como ChatGPT, que utilizan modelos de inteligencia artificial generativos para generar texto coherente y relevante.
Modelos fundacionales y prompts
Los modelos fundacionales son grandes modelos de inteligencia artificial que se entrenan con una amplia gama de datos y luego se ajustan para realizar tareas específicas. En el procesamiento de lenguaje natural, estos modelos fundacionales se conocen como Large Language Models (LLMs) y son como cerebros digitales que aprenden de una gran cantidad de información.
Para utilizar herramientas de inteligencia artificial generativas como ChatGPT, se utilizan instrucciones o frases llamadas prompts. Un prompt es una descripción clara y específica de lo que se desea lograr con la computadora. Un buen prompt debe indicar claramente el objetivo y proporcionar contexto o datos relevantes. Esto ayuda a obtener resultados útiles y confiables.
Beneficios de la IA en el día a día
La IA ofrece muchas posibilidades para aumentar la productividad y tomar decisiones basadas en datos en el día a día. Al utilizar herramientas de IA, las personas pueden realizar tareas de manera más rápida, ágil y profunda. Esto permite resolver problemas de manera más eficiente y aumentar el impacto en las organizaciones.
Es importante destacar que la IA no reemplaza a las personas, sino que las complementa y les brinda herramientas poderosas para mejorar su trabajo y su capacidad de resolver problemas.
* Uno de los retos mas importantes era que una computadora comprendiera el contexto de una palabra en diferentes oraciones o en textos muy largos. Para resolver este desafío en el 2017 se publicó un artículo que explicaba que podían mejorar el desempeño de estas redes Neuronales si utilizaban funciones propias de la condición humana como atención. Gracias a la función de la atención una computadora puede analizar como otras palabras tienen probabilidades mayores o menores de influir en el significado total de la oración
* La función de atención y las redes neuronales dieron pie a los Transformers una nueva arquitectura para crear modelos de IA y la pieza fundamental en herramientas como ChatGPT. Significa Transformer Generativo Preentrenado. Su gran logro es ser excelente determinando cual es la siguiente palabra mas probable en un texto sin olvidar
Ese sistema de generación de PROMPT es increíble, uno pasa de tener un texto que perfectamente se puede encontrar en la wikipedia, a tener una explicación clara y legible sobre el tema que uno le pregunte. Lo acabo de probar con algunos temas de mi conocimiento y el nivel de respuesta es bastante adecuado.
Excelente punto: la AI puede estar al servicio de todos, siempre y cuando aprendamos la manera adecuada de usarla para sacar el máximo de su potencial.
entender cómo funciona la inteligencia artificial hace que uno sepa que esto es más que una herramienta es una ayuda para los trabajos que uno realiza no lo van a reemplazar a uno tan fácilmente solamente hay que saberla aprovechar la
Muy buena edición, muy buena introducción, muy buena explicación, platzi siempre evoluciona, gracias por este curso.
Update: Google bard => Gemini
Perfiles de las personas que trabajan con IA:
* Quienes investigan modelos, algoritmos y arquitecturas de la IA
* Equipos que usan los modelos creados y con estos construyen aplicaciones para otras personas.
* Las personas que usan herramientas de IA en sí día a día
Investigación:
Campo de teorías para crear - sistemas computacionales - a entrenamiento.
Aprendizaje automático:
* Aprendizaje supervisado: Aprende de datos etiquetados para encontrar patrones.
* Aprendizaje no supervisado: Datos sin etiquetar.
Redes neuronales Son aprendizaje profundo Deep learning conteniendo datos Estas redes simulan como funcionan las neuronas. En este está el procesamiento de lenguaje natural donde se: Analiza - Simula - Resuelve
Función de atención + Las redes neuronales = Transformers
Chat GPT Significa Generative Pretrained Transformer
Modelos fundacionales son grandes que se entrenan en una gran gama de datos, después se pueden entrenar en tareas específicas.
Procesamiento de lenguaje natural: ILM Language Models. Los cuales son como cerebros digitales que aprenden grandes cantidades de información, para después generar texto, en este caso.
Prompts= Es una instrucción o frase máximo 400 caracteres, según recomendación
Saber hacer prompts de calidad es la clave para tener resultados útiles y confiables.
Un buen prompt debe:
* Ser claro.
* Específico.
* Entregar contexto o datos relevantes en caso de ser necesario.
Eres profesor de Astrofísica en una universidad. Vas a dar una clase a personas sin experiencia sobre la Teoría de la Relatividad de Einstein. Explica el concepto y para qué sirve esa teoría en términos simples y con analogías adecuadas a niños de 10 años. Limita tu respuesta a 4 párrafos.
Todos podemos usar IA
Incluso podemos tomar mejores decisiones basadas en datos, aumentando nuestro impacto.
cada vez amo mas platzi gracias por esta oportunidad enserio.
que es la inteligencia artificial ?
1. **Inteligencia Artificial (IA)**
* *Definición:* Capacidad de las máquinas para imitar la inteligencia humana.
2. **Tipos de IA**
* *IA Estrecha o Débil (Narrow AI):* Tareas específicas y limitadas.
* *IA General o Fuerte:* Habilidades cognitivas similares a las humanas en diversos contextos.
3. **Aprendizaje Automático (Machine Learning)**
* *Definición:* Permite a las máquinas mejorar su rendimiento con más datos y experiencia.
* *Aprendizaje Profundo (Deep Learning):* Utiliza redes neuronales artificiales para tareas complejas.
4. **Aplicaciones de la IA**
* *Reconocimiento de Voz*
* *Procesamiento de Lenguaje Natural*
* *Visión por Computadora*
* *Sistemas de Recomendación*
* *Vehículos Autónomos*
* *Otros*
### 💥 **Perfiles trabajando con Inteligencia artificial:**
* Personas que investigan cómo trabajar con nuevos modelos, algoritmos y arquitecturas de inteligencia artificial
* Equipos que usan los modelos creados y con esto construyen aplicaciones para otras personas
* Las personas que usan herramientas de Inteligencia artificial en el día a día
<u>💡 La inteligencia artificial es el campo de teorías para crear sistemas computacionales que realicen tareas consideradas propias del intelecto humano.</u>
Para esto se necesitan datos con los cuales se le enseña a la computadora cómo debería pensar. Este proceso se llama entrenamiento y cuando lo hacemos bien, la computadora podrá realizar relaciones entre los datos para así clasificar o hacer predicciones.
### 💥 **Aprendizaje automático:**
* Aprendizaje supervisado: Aprende de datos que han sido etiquetados para ayudarle a la computadora a encontrar patrones
* Aprendizaje no supervisado: Utiliza datos sin etiquetar
### 💥 **Redes Neuronales**
Es un campo del aprendizaje automáticos que utiliza datos supervisados y no supervisados junto a algoritmos muy especiales.
Las redes neuronales dan pie a un subcampo de Machine Learning llamado *aprendizaje profundo* o **deep learning.**
Estas redes simulan cómo funcionan las neuronas de nuestro cerebro. Cada neurona se activa, se desactiva, pasa información a otras neuronas de acuerdo a los datos que le enviemos.
### 💥 **Procesamiento de Lenguaje Natural**
Es un campo dentro del deep learning o aprendizaje profundo. Su objetivo es investigar cómo las computadoras pueden analizar, simular, resolver problemas propios del lenguaje humano. Este es un campo con muchos retos por resolver.
Uno de los más importantes era lograr que una computadora comprenda el contexto de una misma palabra en distintas oraciones o en textos muy largos. Esto se resolvió logrando que las redes utilizarán condiciones propias de la condición humana como la atención.
### 💥 **Función de atención:**
Gracias a ella una computadora puede analizar cómo otras palabras tienen probabilidades mayores o menores de influir en el significado total de la oración
### 💥 **Transformer**
La función de atención y las redes neuronales dieron pie a los transformers, una nueva arquitectura para crear modelos de inteligencia artificial. Esta es la pieza fundamental en herramientas cómo chatGPT, que significa: *Transformer generativo pre entrenado.*
El gran logro de ChatGPT es adivinar cuál es la palabra más probable en un texto sin olvidar miles de palabras anteriores. Así logra mantener **consistencia en el mensaje**
<u>💡 Todos estos modelos son la base para desarrollar múltiples herramientas y se conocen como: modelos fundacionales</u>
### 💥 **Modelos fundacionales**
Son grandes modelos de inteligencia artificial que se entrenan en una amplia gama de datos y luego se pueden ajustar para realizar tareas especificas.
En el caso del procesamiento del lenguaje natural estos modelos se llaman: **LLM** (*Large Language Models*)
**Large Language Models**: Son como cerebros digitales que aprenden de una gran cantidad de información y luego usan ese conocimiento para hacer muchas cosas diferentes.
Expertos en ciencias de datos, machine learning, desarrollo backend y cloud engineering investigan que modelos fundacionales se han creado y los adaptan para implementarlos en productos que nos ayuden a resolver problemas en el día a día.
💡 GPT es un tipo de IA generativa, porque es capaz de generar a partir de lo que ha aprendido en el pasado.
![]()
### 💥 **Prompts**
Es una instrucción o frase de máximo 400 caracteres (Según la recomendación de Open AI) para escribir lo que queremos lograr con la computadora.
<u>💡 Saber hacer prompts de calidad es la clave para tener resultados útiles y confiables.</u>
Un buen prompt:
* Debe ser claro
* Específico
* Entregar contexto o datos relevantes cuando sea necesario.
Aquí encontré el sitio con el PDF del estudio mencionado (2017): https://arxiv.org/abs/1706.03762
* La IA es el campo de teorías para crear sistemas computacionales que realizan tareas consideradas propias del intelecto humano, para esto se necesitan datos con los cuales se le enseña a la computadora como debería pensar, esto se llama entrenamiento y cuando se hace bien la computadora podrá realizar relaciones entre los datos para clasificar o hacer predicciones
* Dentro del aprendizaje automático existe el aprendizaje supervisado y el no supervisado. La diferencia es que el supervisado aprende de datos que han sido etiquetados para ayudar a la computadora a encontrar patrones. El no supervisado utiliza datos sin etiquetar
* Algunas veces se quiere aprender cosas mas complejas de los datos pero los modelos tradicionales de machine learning no logran ayudar
* Dentro del aprendizaje automático también existe un campo que utiliza datos supervisados y no supervisados junto a algoritmos muy especiales llamados Redes Neuronales que dan pie a un subcampo de machine learning llamado aprendizaje profundo como Deep Learning. Estas redes simulan como funcionan las neuronas de nuestro cerebro cada neurona se activa y se desactiva y pasa información a otras neuronas de acuerdo a los datos que le enviemos, así se entrena el modelo
* Dentro del Deep Learning encontramos uno de los campos mas revolucionarios de la IA. El procesamiento del lenguaje natural tiene como objetivo investigar como las computadoras pueden analizar, simular y resolver problemas propios del lenguaje humano
La función de atención, también se puede entender como "entender el contexto".
# Perfiles de personas que trabajan con IA
* Investigadores
* Quienes investigan modelos, algoritmos y arquitecturas de la IA
* Crean modelos mediante
* Entrenamiento Supervisado
* Entrenamiento No Supervisado
* Entrenamiento Supervisado + No supervisado
* Ejemplos IA Generativa
* Texto
* ChatGPT
* Bard
* Imagenes
* Midjourney
* Dall-E
* Stable DIffusion
* Audio
* MusicLM
* Otter
* Equipos
* Equipos que usan los modelos creados y con estos construyen aplicaciones para otras personas
* Usuarios
* Las personas que usan herramientas de IA en su dia a dia
Desde que estaba en el pregrado escuchaba sobre las redes neuronales, antes que si quiera empezara el 2000. En esa epoca era cosa de ciencia ficcion siqueira imaginarse que en el 2024 llegariamos a usar el IA con lenguaje natural y al alcence de todos.
Felicitaciones #PlatziTeam, cada curso es mejor y los videos de apoyo generan gran impacto !!!
clap!! clap!! clap!!
ACTUALIZACION
Hola en 6:22 indica q un prompt debe ser a lo mucho 400 caracteres.
A fecha de 25.12.2023 ChatGPT indica q su limite es 4096 chars y en un blog vi que ChatGPT 4 tiene como limite 25 mil "PALABRAS".
Sin saberlo, ya estaba haciendo mis prompts de manera correcta. Recuerden que un buen prompt tieneÑ
\* Mensaje Claro
\* Es especifico
\* Se debe entregar contexto
Mucho se define en el lenguaje que utilizamos para que las ideas que tengamos se desarrollen de manera correcta.
La IA no remplaza nuestro trabajo, es un herramienta que nos ayuda a potenciar nuestro trabajo.
La clase sobre "¿Cómo funciona la inteligencia artificial?" se puede resumir en varias partes clave:
1. **Definición de IA**: Se describe la inteligencia artificial como un campo que busca crear sistemas computacionales que realicen tareas que requieren intelecto humano, utilizando datos para entrenar a las computadoras.
2. **Procesos de Entrenamiento**: Se explica el proceso de entrenamiento, donde los modelos de IA aprenden a clasificar o predecir a partir de datos etiquetados (aprendizaje supervisado) o no etiquetados (no supervisado).
3. **Redes Neuronales y Deep Learning**: Se introduce el concepto de redes neuronales, que simulan el funcionamiento del cerebro humano y permiten avances en el aprendizaje profundo, especialmente en procesamiento de lenguaje natural.
4. **Modelos Fundacionales y IA Generativa**: Se discuten los modelos fundacionales que permiten la creación de herramientas de IA generativa, como ChatGPT, que pueden generar texto a partir de lo aprendido.
5. **Uso de Prompts**: Se enfatiza la importancia de formular prompts de calidad para obtener resultados útiles de herramientas de IA, destacando la claridad y contexto en las instrucciones.
Este resumen abarca los puntos más importantes tratados en la clase y su relevancia en el uso de la inteligencia artificial.
Es fantástico poder tener esta información para no perder el tiempo investigando en otras plataformas que es como funciona y que utilidades se les puede dar a cada aplicación de IA.
Encantado de poder seguir esta ruta
Excelente el resumen
En lo personal para usar texto he usado además de chat GPT, Copilot me ha parecido muy bueno. Para videos he usado fliki, video gen, filmora, imagen me gusto mucho la versión de dall-e, leonardo ai, craiyon, y de multimedia me parece genial magic school y nearpod. En lo personal aprendí a estructurar los prompt gracias a su curso de chat GPT.
En mi interpretación los datos etiquetados son los datos dados a un modelo de ML que tienen un "contexto", es separar los diferentes datos para que la maquina "sepa" que representan esos datos
Excelente clase.
bueno, según creo, a chatgpt no se le da bien contar palabras
Que buen formato de curso, las explicaciones, las imágenes de apoyo, me está gustando bastante, gracias Platzi por querer enseñar cada vez mejor, para que nosotros sus estudiantes nunca paremos de aprender 💚
Resumen del resumen :)
\_La inteligencia artificial (IA) se centra en crear sistemas computacionales que realizan tareas que normalmente requieren intelecto humano.
\_Hay tres grupos principales que trabajan con IA: creadores de modelos, desarrolladores de aplicaciones y usuarios finales.
\_El aprendizaje automático utiliza grandes volúmenes de datos para "enseñar" a la computadora a pensar y hacer predicciones.
\_El procesamiento del lenguaje natural es un campo revolucionario que busca que las computadoras entiendan y procesen el lenguaje humano.
\_Herramientas como ChatGPT se construyen utilizando modelos fundacionales de IA, como los Modelos de Lenguaje a Gran Escala (LLMs).
\_La IA puede usarse en la vida cotidiana para aumentar la productividad y profundizar el trabajo, a través de herramientas como ChatGPT, DALI y MusicLM.
\_Para obtener resultados útiles de las herramientas de IA, es crucial aprender a crear "prompts" de calidad.
\_La IA puede ahorrar tiempo y permitir tomar decisiones más fundadas, causando un mayor impacto en las organizaciones.
Un ejemplo sencillo sobre la diferencia entre AI y Machine Learning:
En el video nos hablan del uso de modelos , sin embargo me queda la inquietud de cual es la definición de un modelo en IA. Además, quisiera saber qué son los datos etiquetados y no etiquetados. Gracias
Hola comunidad deseo esten muy bien.
Tengo la siguiente consulta. Cuando se habla de datos etiquetados y no etiquetados; se refieren a datos que han sido comprobados y datos que nos han sido comprobados ? No me queda claro cuando se refieren a la palabra etiquetados.
Gracias por su ayuda.
Saludos desde Bogotá, Colombia.
Me gusto demasiado la forma de las presentaciones del vídeo y la forma de narrarlo. 10/10.
se me para el video.
estoy viendo desde el móvil y me llega señal 5G
¿Qué software utilizan para sus presentaciones? son muy buenas
Gracias por las ense;amzas, pero patra esta fecha octubre 2024. Ya la Inteligencia artificial ha aavanzado. Como aplicaciones para crear videos casi reales. Por favor aumemntene clases actuales, proque esto está avanzando mes a mes. MCHAS GRACIAS
que genial aprender que signifca GPT nsformers pretrained generative / Transformadores generativos preentrenados. hasta ahora lo desconocia
Excelente material y aporte a nuestro desarrollo profesional como consultores a las empresas Clientes
Me encanta, está súper bien explicado, gracias por mejorar cada día
Super interesante.
Impresionante; desde Algoritmos, modelos: redes neuronales, hasta el punto de crear apropiadamente un prompt. "Excelente".
La inteligencia artificial es el futuro debemos aprender a usarla correctamente, para que la tecnología sea un aliado en nuestro dia a dia.
Muy bueno el tema y la calidad de la informacion excelente..
Viendo esto considero que no solo son necesarios esos perfiles más técnicos para su desarrollo si no perfiles en humanidades que, siempre que se quiera hacer buen uso de la IA, den valor y transmitan la importancia del lenguaje, la interpretación, la sintaxis, la ortografía, etc., tanto para entrenar a la IA como para analizar y aprovechar los resultados que arroje
**Resumen**
IA:
Campo de teorías para crear sistemas computacionales que realicen tareas consideradas propias del humano.
El "entrenamiento" en el proceso donde se usan mucho datos para enseñarle a pensar a los modelos,
bien realizado le permite a la IA clasificar y predecir sobre los datos.
Redes Neuronales: simulan como funcionan las neuronas
Usan aprendizaje supervisado (datos etiquetados) y no supervisado(datos no supervisados) + algoritmos.
Transformes = nueva arquitectura basada en la "función de atención" + "redes neuronales"
ChatGPT = Chat Generative Pretrained Transformer, determina la siguiente palabra guardando el contexto.
Modelos funcionales = grandes modelos de IA entrenados con muchos datos,
LLM = Large Language Models, modelo fundacional para Procesamiento de Lenguaje Natural
Existen para Texto, Imagen y Audio.
Prompts = es una frase para pedir lo que queremos de la IA, debe ser claro, específico y tener contexto.
Personas trabajando en IA:
* Investigadores en algoritmos y modelos de IA.
* Creadores de aplicaciones usando los modelos IA.
* Personas que utilizan herramientas IA. (Aquí estoy por el momento).
Desglose del Término "Generative Pretrained Transformer"
Generative (Generativo):
Definición: Se refiere a la capacidad del modelo para generar contenido nuevo.
Explicación: A diferencia de los modelos discriminativos que solo clasifican datos, los modelos generativos pueden crear datos nuevos similares a los datos con los que fueron entrenados. En el caso de GPT, esto significa generar texto coherente y relevante basándose en la entrada que se le proporciona.
Pretrained (Preentrenado):
Definición: Indica que el modelo ha sido entrenado previamente en una gran cantidad de datos antes de ser ajustado para tareas específicas.
Explicación: El entrenamiento previo se realiza en un gran corpus de texto general para aprender patrones del lenguaje, gramática, conocimiento del mundo y más. Luego, este modelo puede ser afinado (fine-tuned) para tareas específicas, utilizando conjuntos de datos más pequeños y especializados.
Transformer (Transformador):
Definición: Es una arquitectura de red neuronal introducida en 2017 que ha demostrado ser muy eficaz para tareas de procesamiento del lenguaje natural (NLP).
Explicación: Los Transformadores utilizan mecanismos de atención para procesar y generar texto de manera más eficiente que los modelos anteriores. Pueden manejar relaciones complejas en el texto y trabajar en paralelo, lo que los hace más rápidos y efectivos para tareas como la traducción automática, la generación de texto y la comprensión del lenguaje.
Cómo Funciona GPT
Entrenamiento Previo (Pretraining):
El modelo GPT se entrena inicialmente en un gran corpus de texto, aprendiendo a predecir la siguiente palabra en una oración. Esto se realiza con una enorme cantidad de datos de internet, libros, artículos y más.
Durante este proceso, el modelo aprende las reglas y patrones del lenguaje, adquiriendo un conocimiento amplio sobre cómo se construyen las oraciones y el contexto de las palabras.
Ajuste Fino (Fine-Tuning):
Después del entrenamiento previo, GPT puede ser afinado para tareas específicas como responder preguntas, traducir texto, resumir documentos, entre otros.
En este proceso, se utiliza un conjunto de datos más pequeño y específico para ajustar los parámetros del modelo, mejorando su rendimiento en tareas particulares.
Generación de Texto:
Cuando se le proporciona una entrada (prompt), el modelo GPT utiliza lo que ha aprendido para generar texto que continúa de manera coherente y relevante.
Utiliza la arquitectura Transformer para prestar atención a diferentes partes de la entrada y generar una salida fluida y contextual.
Ventajas y Usos de GPT
Generación de Contenido:
GPT puede escribir artículos, historias, poesía y más, a partir de una pequeña entrada de texto.
Asistencia en Tareas de NLP:
Es útil para la traducción de idiomas, resumen de textos, respuesta a preguntas y otras tareas relacionadas con el lenguaje.
Desarrollo de Chatbots:
Se utiliza para crear asistentes virtuales y chatbots que pueden interactuar de manera natural con los usuarios.
Investigación y Desarrollo:
GPT también es una herramienta poderosa para la investigación en el campo del procesamiento del lenguaje natural y la inteligencia artificial.
Limitaciones y Consideraciones Éticas
Sesgos en los Datos: Como se entrena con una gran cantidad de datos de internet, GPT puede reflejar sesgos presentes en esos datos.
Generación de Información Incorrecta: Puede generar contenido plausible pero incorrecto o engañoso.
Uso Ético: Es importante utilizar modelos como GPT de manera ética y responsable, considerando el impacto potencial en la sociedad.
En resumen, GPT es un modelo de inteligencia artificial que utiliza la arquitectura Transformer para generar texto coherente y relevante, entrenado previamente en una gran cantidad de datos y afinado para tareas específicas
Excelente resumen !
Casi todo el espectro de la IA en 7 minutos.
Buen inicio !
Estoy Emocionado de asumir el reto del aprendizaje de la Inteligencia Artificial!!!
https://youtu.be/gsnFXlLYt9w?si=zscQcnsX6wGBHwIA
Les recomiendo este vídeo en YouTube sirve como refuerzo y entender más como utilizar de forma más creativa la IA.
¿Qué es la Inteligencia Artificial?
La Inteligencia Artificial (IA) es una rama de la ciencia de la computación que se enfoca en crear máquinas y programas capaces de realizar una serie de tareas imitando algunos procesos propios de la inteligencia humana.
Estas tareas pueden ser el reconocimiento de la voz, la investigación de distintos temas en varias fuentes, la toma de decisiones basadas en la información disponible, la generación de textos, el aprendizaje y la resolución de problemas, la generación de gráficos, etcétera.
![]()
Respuesta 3:
B. Genera nuevos contenidos en diferentes formatos (Audio, texto, video) basado en datos ya existentes y en el entrenamiento previo
Respuesta 2.
B. Large Languaje Model (LLM). Son modelos fundacionales que desarrollan tareas de procesamiento de lenguaje natural, que en este caso sirven para generar texto. Tiene capacidad de crear relaciones entre las palabras mediante procesos de ATENCIÓN y generar nuevos contenidos aprendiendo del pasado y produciendo nuevas soluciones.
Respuesta 1.
A) Con entrenamiento para crear relaciones entre millones de datos, de tal manera que pueda activar un proceso de aprendizaje, bien sea supervisado o no supervisado, La idea es simular el funcionamiento de las neuronas en el cerebro humano, y llegar al procesamiento del lenguaje natural.
ChatGPT: Es una herramienta versátil de la IA que puede aplicarse de diferentes formas prácticas. Es capaz de responder preguntas, generar historias, resumir tramas de libros, ayudar en tareas de programación y mucho mas. Tanto si necesita información, escritura creativa, traducción de textos o asistencia técnica
Excelente el inicio del curso de la manera como nos explica la utilidad de la IA en el ámbito laboral y de como nos va a ayudar. Gracias
* Estas herramientas son utilizadas con los Prompts. Los Prompts son instrucciones o frases con un máximo de 400 caracteres según la recomendación de Open IA para describir lo que queremos lograr con la computadora
* Saber hacer prompt de calidad es la clave para tener resultados útiles y confiables. Debe ser claro, indicar específicamente lo que queremos lograr y entregar contexto o datos relevantes cuando sea necesario. Así la IA entenderá lo que queremos y dará mejores resultados
* Estas herramientas se construyen ChatGPT. Todos estos modelos son la base para desarrollar múltiples herramientas. Se conocen como modelos fundacionales
* Los modelos fundacionales son grandes modelos de IA que se entrenan en una amplia gama de datos y luego se pueden ajustar para realizar tareas específicas
* En el procesamiento del lenguaje natural estos grandes modelos fundacionales se llaman LLM ( Largue Language Models) y son como cerebros digitales que aprenden de una gran cantidad de información y luego utilizan ese conocimiento para hacer muchas cosas diferentes en este caso generar texto
* Podemos utilizar IA generativa en herramientas como ChatGPT, Google Bard para texto. Dail E, Mid Journey, Stable Diffusion para generar imágenes y Music LM y Otter para audios
Cómo funciona la inteligencia artificial:
* Se puede utilizar sin importar el rol y la profesión
* Existen tres perfiles que trabajan con la IA. El primer perfil es el grupo de personas que investigan como crear nuevos modelos, algoritmos y arquitectura de IA. Constantemente los publican en revistas académicas. Su papel es fundamental porque están creando las innovaciones que revolucionan la industria
* Luego otros equipos quienes conocen suficiente sobre la ingeniería de software toman esos modelos y con ellos construyen aplicaciones que otras personas pueden usar
* Finalmente están las personas que usan herramientas de IA en el día a día de la misma forma que usan cualquier otra aplicación
* Aprender esto es útil porque ayuda a entender el panorama general de la IA y las herramientas que vayamos a utilizar en nuestro trabajo
Excelente videos de introducción al curso de IA, felicidades!
interesante
A son entrenados con datos
¿Cómo funciona la inteligencia artificial?
Perfiles de personas que trabajan con IA
* Quienes investigan modelos, algoritmos y arquitectura de la IA
* Equipos que usan los modelos creados y con estos construyen aplicaciones para otras personas
* Las personas que usan herramientas de IA en su día a dia
Como funciona:
* Es el campo de teorías para crea sistema computacionales para esto s se necesitan datos para enseñarle a la computadora a pensar.
Aprendizaje automático:
Supervisado:
Aprende de datos etiquetados que le ayudan a la computadora a encontrar patrones.
No Supervisado:
Datos sin etiquetar
Redes neuronales:
Dan pie a un sub campo de machine learning llamado aprendizaje profundo
Deep learning
Función de atención:
Revisa la probabilidad de la palabras siguiente según el contexto
Como se construyen la herramientas de IA:
* Se conocen como modelos fundacionales: grande modelos de IA se entrenan en la gama de datos y se pueden ajustar (LLM).
ChatGPT: es un tipo de IA Generativa, es capaz de generar a partir de lo que ha aprendido de lo pasado, nos ayuda a crear contenido.
IA Texto: Bard (Gemini) y Chat GPT
IA Imagenes: Stable Diffusio, Midjourney y Dalle- E
IA Audio: MusicLM, Otter
PROMPTS:
Es una instruccion o frase de maximo 400 caracteres para describir lo que queremos lograr
\- Debe ser claro
\- Especifico
\- Entregar contexto
Ya estoy en 2024, quizá inicio tarde, pero mis estoy motivado.
Muy buen video! La calidad va aumentando con el tiempo en Platzi.
excelente clase
en si que es un modelo en IA
Muy buena introducción, por el desarrollo de menos a más, con frases bien articuladas y conceptos que se van vinculando de forma entendible. Vamos bien,....seguimos!!!
### Definición:
Se dice que el término “[modelo fundacional](https://es.wikipedia.org/wiki/Modelos_fundacionales)” fue acuñado por Bimmasani y colaboradores en 2021 para describir una serie de modelos de inteligencia artificial (IA) que se basan en conceptos e ideas clásicas del aprendizaje profundo, pero presentan dos diferencias principales. La primera es que el aprendizaje se lleva a cabo mediante grandes cantidades de datos no etiquetados, lo cual es característico del aprendizaje no supervisado. La segunda es la adaptabilidad y una mayor eficiencia en la muestra. En el último año, los avances en IA han sido cada vez más accesibles para el público, permitiendo la realización de diversas actividades, como la generación de imágenes, la resolución de problemas matemáticos, la escritura de poemas o la respuesta a preguntas complejas.
muy buena info aqui: <https://www.juanbarrios.com/modelos-fundacionales-en-ia/>
**Descifrando la Inteligencia Artificial: Un Viaje de Descubrimiento**
¿Alguna vez te has preguntado cómo funciona la **Inteligencia Artificial (IA)**? Permíteme guiarte a través de los conceptos clave:
1. **Entrenamiento de Modelos**: Imagina que estamos enseñando a un cerebro digital. Los modelos de IA se entrenan para realizar tareas, como clasificar imágenes o predecir el clima. ¿Cómo? Exponiéndolos a datos etiquetados (aprendizaje supervisado) o sin etiquetar (aprendizaje no supervisado). 🧠
2. **Aprendizaje Profundo**: Aquí es donde las redes neuronales entran en juego. Estas estructuras simulan las conexiones en nuestro cerebro. El **Deep Learning** combina ambos tipos de aprendizaje y nos permite abordar problemas más complejos. 🚀
3. **Generative Pre-trained Transformer (GPT)**: Este es nuestro mago digital. GPT es una IA generativa que crea contenido a partir de patrones en grandes cantidades de información. ¿La clave? Darle instrucciones claras (¡los famosos “prompts”!). ✨
4. **Para Todos**: No importa si eres un investigador, un desarrollador o un profesional en cualquier campo. Todos podemos aprender a utilizar la IA. Es como aprender un nuevo idioma: con práctica y curiosidad, podemos dominarlo. 🌐
3 perfiles trabajando con IA, Equipos que crean e investigan modelos, algoritmos y Arq. de IA, otros que toman los modelos creados y con eso construyen aplicaciones para que otros las usen y las personas que usan las aplicaciones con IA, de la misma manera como usan cualquier aplicación. La IA es un campo de teorías para crear sistem. computacionales que realicen tareas del intelecto humano, a su vez estos sistem. computacionales, necesitan alimentarse de Datos para enseñarle a la compu a pensar como humano.
Felicitaciones por haber ofertado esté curso de IA lo estoy necesitando en mi vida profesional, para no quedar obsoleto y seguir en la competencia.
Felicitaciones sigan así y también gracias a los profesores, que se dedican a transmitir su conocimiento.
Saber que es lo que quieres lograr
Ejemplo: un PROMPT
para saber como ser un gran profesor de astrofisica
Entender la relatividad para poder saber como ser una persona que entiende estos conocimientos que
La rutina de nuestra dia ya conlleva muchos desafiios por esto conectarse a la tecnologia y realizar la IA generativa para generar informacion nueva. Apoyame asi usar las herramientas
LLL language larg mode.
Con este conocimiento se puede entender los conocimientos por medio del aprendizaje
Transformar buscadores de busqueda para personalizar la informacion de acuerdo a los formatos es importante para buscar.
Esta importante busqueda de alcanzar un gran avanze
El aprendizaje profundo se empieza a dar cuando las computadoras se automatiza por medio de los ordenadores fisicos.
1. Pllatzi cuenta con sistemas de aprendizaje automatico
2. La cantidad de significados que obtiene una imagen
3. Las probabilidades del deep learning
Sabiendo los procesos que involucran la digitalización.
Esta digitalización ayuda a procesar los sistemas de ingineria de servicios financieros.
Finalmente estos procesos es considerar la emulacion del intelecto humano.
* Simula los procesos humanos
* Para realizar varias finalidad: predecir, almacenar, diagnosticar y entender independienmente
excelente la recomendación, de como escribir los Prompts.
2: b
1-A
## ¿Cómo funciona la inteligencia artificial?
**IA para todos:**
* La IA crea sistemas que imitan el intelecto humano.
* Se usa para aumentar la productividad y tomar mejores decisiones.
* Cualquier persona puede usar herramientas de IA en su vida diaria.
**Perfiles en IA:**
* **Investigadores:** Crean nuevos modelos y algoritmos.
* **Desarrolladores:** Construyen aplicaciones con esos modelos.
* **Usuarios:** Usan las herramientas de IA en su día a día.
**Aprendizaje automático:**
* **Supervisado:** Se entrena con datos etiquetados.
* **No supervisado:** Se entrena con datos sin etiquetar.
* **Deep learning:** Usa redes neuronales para aprender.
**Procesamiento del lenguaje natural:**
* La IA analiza, simula y resuelve problemas del lenguaje humano.
* Los Transformers mejoran la comprensión del contexto.
* ChatGPT genera texto coherente con modelos LLMs.
**Herramientas de IA:**
* Se basan en modelos fundacionales ajustables.
* Se controlan con "prompts" claros y específicos.
**Beneficios de la IA:**
* Aumenta la productividad y la eficiencia.
* Permite tomar decisiones más informadas.
* No reemplaza a las personas, las complementa.
**Ejemplos de herramientas:**
* Texto: ChatGPT, Google Bard.
* Imágenes: Midjourney, Dall-E, Stable Diffusion.
* Audio: MusicLM, Outter.
**Recuerda:**
* Un buen "prompt" es clave para obtener resultados útiles.
* La IA te ayuda a trabajar de forma más inteligente, no más duro.
Comentario:
En este clase destaco los siguientes puntos, que es con lo que me quedo de la clase.
1. La IA emplea aprendizaje profundo, que está muy relacionado con redes neuronales y un entrenamiento previo que se le hace a esas "redes neuronales".
2. Las IA actuales hacen un procesamiento de lenguahe natural, pero esto fue un reto lograrlo.
El funcionamiento de una IA me pareció también interesante, y esta clase me ayudo a entender eso que parecía "magia", (desde el punto de vista de un ojo no tecnológico jaja)
La IA básicamente emplea dos cosas: redes neuronales y una función de atención, eso ayuda a generar algo denominado ***Transformer***, que es una nueva tecnología, que permite que la máquina pueda determinar la siguiente palabra más probable según el contexto que yo le brinde, y que de esa manera también me pueda responder. Yo lo llamaría un *lenguaje natural en contexto,* como para entender que la máquina está generando la complejidad de "hablar" bajo el contexto que yo le enmarqué.
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?