Guia trabajo libro
Basado en los bloques esta es la distribución propuesta del curso y ponentes
La filosofía del curso es que haya siempre una parte práctica de modo que desde el primer minuto el alumno ya tome contacto con herramientas de IA, obviamente crecientes en complejidad.
En general y salvo que se explicite todas las actividades se entregarán en un documento pdf con la estructura indicada.
Siempre con una portada que incluya la cabecera con el nombre y apellidos y la fecha.
De manera orientativa cada hora es 1000 palabras como mínimo y 1500 máximo
La estructura es módulo o capítulo y unidades que son cada página dentro del módulo.
Aquí están las orientaciones generales a tener en cuenta
https://libros.catedu.es/books/manual-de-creacion/page/orientaciones#bkmrk-extensi%C3%B3n-de-los-con
El guión general sería este:
Módulo 1 Introducción y panorama de la IA - 6h
Unidad 11 Panorama y conceptos - 1h HUESO
Unidad 12 Historia - 4h PEDRO
Unidad 13 Situación y aplicaciones extremas - 1h PEDRO
Módulo 2 Fundamentos de IA - 6h
Unidad 21 De que estamos hablando: Concepto y Definiciones de IA - 1h HUESO
Unidad 22 Aprendizaje profundo o cómo aprender de los datos - 1h HUESO
Unidad 23 Machine Learning. Como aprender sin instrucciones - -2h HUESO
Unidad 24 Redes neuronales. Imitando al cerebro - 2h HUESO
Concepto, funcionamiento y tipos (perceptrón, redes de refuerzo, transformers...)
Módulo 3 Aplicaciones de la IA - 8h
Unidad 31 Posibilidades de la IA - 1h PEDRO
Unidad 32 Introducción a prompting - 3h PEDRO
Actividad: revisión chatGPT
Unidad 33 Tipos de aplicaciones de la IA - 1h HUESO
Actividades: Aplicaciones multimodo
Unidad 34 Aplicaciones educativas - 4h HUESO
Actividad: Uso de Khanmigo, ML4Kids etc...
Módulo 4 Más allá de chatGPT - 12h
Unidad 41 Ampliando el chat. Transfer learning y almacenes de datos - 4h HUESO
Actividad: Crea tu propio bot con tus datos (transfer learning y vectores de datos)
Unidad 42 Nuevos paradigmas de chatBots - 4h PEDRO
Agentes, autogpt, ...
Unidad 43 Programación para incautos - 4h HUESO
Módulo 5 Consideraciones sociales y futuro de la AI - 6h
Unidad 51 Efectos económicos y sociales - 2h PEDRO
Unidad 52 Consideraciones éticas - 2h PEDRO
Unidad 53 Futuro de la AI - 2h HUESO
---------------------------------------------------------------------------------------------------------------------------
MÓDULO 1 - 6h - 40 páginas
Bloque 0 Panorama de la IA y conceptos relevantes - Pedro - 1h - 1h
Se trata de exponer los conceptos más importantes para situarnos en el contexto y saber de que hablamos.
Puede ser una especie de revisión superficial del curso.
Unidad 12 Historia - Pedro - 3h - 4h
Longitud: unas 40 páginas??
Revisión histórica de eventos, personas y personajes involucradas en la IA
Incluir anécdotas y curiosidades, algún vídeo demostrativo
Seguir/revisar el guión del curso
La historia de la IA es la historia de todas las personas que imaginaron, describieron y forjaron ideas innovadoras, transformando sueños de máquinas inteligentes en realidad, con la aspiración última de que estas máquinas puedan realizar tareas que requieren inteligencia humana. ¿Pero que tareas requieren inteligencia humana? (se supone que ya hemos definido lo que eso significa). LA respuesta a esta pregunta no es sencilla, ni se pretende responder de manera taxativa.
A lo largo de la historia determinadas tareas que han sido tradicionalmente llevadas a cabo por humanos han sido mecanizadas gracias a avances tecnológicos sucesivos que han permitido liberar al humano de determinadas funciones, por ejemplo aquellas que por repetitivas, mecánicas, tediosas, se ha conseguido desarrollar mecanismos capaces de realizarlas con un resultado similar e incluso mejorado al del humano que las venía realizando, mejorando en velocidad, fuerza e incluso destreza a este. Estos avances, aunque no se puedan considerar como sustitutos de una tarea que requiera inteligencia también son importantes para la consecución de entes artificiales con inteligencia artificial, ya que los mecanismos y automatismos necesarios para determinados sistemas robóticos con IA, requieren de ellos para trasladar esa IA a tareas prácticas.¿¿??esta frase no la entiendo..y lo escribi yo
Quizá más importante en el repaso histórico de hitos y personajes clave para el logro final de la IA son aquellos que anhelaron, pensaron y desarrollaron ideas para la creación de un ser que tenga consciencia de si mismo y cuya capacidad de resolver problemas supere a la del propio ser humano.
Por ello, en la evolución de la IA, es esencial destacar a aquellos que plasmaron mitos, leyendas y relatos de ciencia ficción. También es crucial reconocer a los matemáticos que formularon teorías lógico-algebraicas, pues sentaron las bases de avances significativos. Finalmente, no podemos olvidar a quienes diseñaron algoritmos y sistemas informáticos capaces de realizar vastos cálculos en tiempo récord. Gracias a ellos, la IA puede ejecutar tareas que emulan la inteligencia humana, como aprender, razonar y decidir de forma autónoma y eficiente.
Desde nuestra comprensión actual de la inteligencia artificial (¿enlace a la definición actual de IA?), retrocedamos en el tiempo para explorar las motivaciones que han impulsado al ser humano en su incesante búsqueda. Nos adentraremos en el origen de la búsqueda de nuestra más valiosa posesión: la inteligencia. Esta no solo nos diferencia de otras especies en la Tierra, sino que se manifiesta en nuestra capacidad cognitiva, razonamiento, habilidad para resolver problemas complejos y aprender.
Veremos como esta búsqueda se va sofisticando sustentada en las ideas , tanto aquellas que evolucionan de manera acumulativa como las que emergen de manera disruptiva e impulsadas por la creciente y acumulativa capacidad tecnológica,
La antigua Grecia- Mitos
"La inteligencia consiste no solo en el conocimiento, sino también en la habilidad de aplicar el conocimiento en la práctica." - Aristóteles
Echando la vista atrás para establecer un punto de inicio observamos que en las primeras civilizaciones de las que tenemos constancia podemos encontrar alusiones y referencias relacionadas con conceptos que ahora asociamos con la IA. En la antigua mitología egipcia y mesopotámica, hay historias de dioses y seres divinos que poseen conocimiento y habilidades sobrehumanas. Sin embargo, dado que estas historias se transmitían oralmente o en inscripciones en tabletas de arcilla, es más difícil rastrear detalles específicos o intenciones de "inteligencia artificial" como las entendemos hoy en día.
Por eso vamos a empezar “nuestra historia de la IA” estableciendo la antigua Grecia como punto de partida. De este periodo si existe abundancia de información y es notorio como ha contribuido al desarrollo de las sociedades actuales en multitud de campos, en concreto y para lo que nos ocupa, hablamos de una cultura cuya influencia los campos de la lógica, la filosofía, la concepción del pensamiento racional, puede perfectamente considerarse un pilar inicial para un posterior desarrollo de ideas y conceptos que desemboque en los enfoques modernos de la IA. Nos centramos en algunos aspectos concretos:
El comienzo de la lógica formal: La antigua Grecia es conocida por su contribución al desarrollo de la lógica formal. Filósofos como Aristóteles establecieron las bases de la lógica deductiva y la teoría de proposiciones, lo que sentó las bases para la forma en que posteriormente se abordarían problemas relacionados con la computación y la IA.
Como muestra, la idea atribuida a Aristóteles: 'si se parte de premisas verdaderas y se razona correctamente, entonces se llegará necesariamente a una conclusión verdadera' así como, en general, su estudio sobre las estructuras de razonamiento, como el silogismo, pueden reflejarse en cómo las máquinas modernas procesan la información. Por ejemplo, los sistemas expertos en inteligencia artificial usan una forma de razonamiento deductivo para llegar a conclusiones basadas en un conjunto dado de premisas, similar a cómo Aristóteles describiría la deducción en sus obras."
Autómatas y mitología: Si bien no existen evidencias de máquinas o autómatas complejos en la antigua Grecia, la mitología griega incluye historias de estatuas animadas y seres artificiales que tienen ciertas similitudes con la idea de autómatas y seres creados artificialmente.
Uno de estos mitos es el de Pigmalion. Esta intrigante historia de la mitología griega nos habla sobre la creación de una figura artificial y el poder del amor.
Pigmalión era un talentoso escultor de Chipre que, aunque era hábil en su arte, había desarrollado un profundo desdén hacia las mujeres debido a la promiscuidad que observaba en la sociedad. En su corazón, deseaba una compañera perfecta y pura, una mujer que fuera tan bella y virtuosa como su propia obra de arte.
Al entender que no encontraría ninguna mujer que completara sus anhelos, Pigmalión decidió esculpir una estatua de una mujer. Trabajó con tal perfección y dedicación que logró crear una figura femenina de una belleza y gracia extraordinarias. La estatua, a la que llamó Galatea, era tan hermosa y realista que Pigmalión se enamoró perdidamente de ella.
El amor de Pigmalión por Galatea era tan profundo que rogó a la diosa Afrodita, la diosa del amor y la belleza, que le diera vida a la estatua. Conmovida por su devoción, Afrodita escuchó sus súplicas y le concedió el deseo. La estatua de Galatea cobró vida y se convirtió en una mujer real, cálida y viva.
Pigmalión quedó extasiado al ver que su amada Galatea había cobrado vida y la tomó como su esposa. Juntos vivieron una vida feliz y dichosa.
El mito de Pigmalión ha sido una fuente de inspiración para muchas obras de arte, literatura y teatro a lo largo de la historia. El tema central de la creación de una figura artificial que cobra vida y el poder del amor para transformar la realidad han sido interpretados de diversas maneras, y la historia ha sido retomada y adaptada en diferentes culturas y épocas.
No es complicado encontrar similitudes del mito de Pigmalion y las ideas y objetivos de los proyectos de IA posteriores y contemporáneos.
Hablamos de la creación de seres artificiales con conciencia propia, Pigmalión crea una figura de una mujer artificial utilizando marfil lo que, como concepto, es una parte fundamental de la IA. La IA busca crear entidades artificiales que puedan exhibir comportamientos inteligentes y similares a los humanos. Si bien en el mito, la vida y la conciencia de Galatea surgen en un acto mágico realizado por la diosa Afrodita, en el desarrollo de la IA, los científicos y tecnólogos trabajan para crear sistemas que puedan simular comportamientos inteligentes y conscientes.
Aunque se pueden extraer estos paralelismos sobre los anhelos humanos, también surgen de inmediato las consideraciones éticas de la eventual materialización de los mismos
En este sentido el mito de Pigmalión ilustra el poder emocional y la conexión que se puede establecer entre los creadores y sus creaciones artificiales. En el ámbito de la IA, a menudo se considera la ética y la responsabilidad en la relación entre humanos y sistemas de IA, ya que su uso puede tener impactos significativos en la sociedad y en las emociones de las personas.
Como este curso, trata sobre la IA y su aplicación e influencia en la educación, sirva apuntar que además el término "Efecto Pigmalión" también se utiliza en psicología y educación para referirse al fenómeno en el cual las expectativas y creencias de una persona pueden influir en el rendimiento y comportamiento de otra persona, ya sea para bien o para mal.]
Y en relación con el “Efecto Pigmalión” surge la analogía de la relación entre expectativas y resultados: En el Mito de Pigmalión, las expectativas de Pigmalión sobre su estatua influyeron en su resultado, convirtiéndola en una mujer real. De manera similar, en el desarrollo y uso de la IA, las expectativas y creencias de los creadores y usuarios pueden influir en el rendimiento y resultados de los sistemas de IA. Por ejemplo, si se espera que una IA sea capaz de llevar a cabo ciertas tareas con éxito, los esfuerzos y la atención dedicados a su desarrollo pueden ser mayores, lo que puede conducir a un mejor desempeño. Cabe añadir aquí, la problemática que surge de la influencia del creador o creadores en los comportamientos posteriores de las IA, conocidos como sesgos, que surgen de las ideas conscientes o inconscientes de los diseñadores, desarrolladores o cualquier agente involucrado en un proyecto de IA y que posteriormente se verán reflejados de alguna manera en las respuestas o trabajos realizados por la misma. En el caso de Pigmalion, obviamente Galatea estaba hecha exactamente siguiendo los ideales de belleza del escultor.
El mito de Pigmalion es narrado por el dramaturgo romano Ovidio en su obra Metamorfosis
También en la mitología griega encontramos el mito de Talos, que es una fascinante historia ubicada en la isla de Creta. Aunque existen algunas variaciones en la leyenda, la versión más conocida se relata en la epopeya de Apolonio de Rodas, "Las Argonáuticas".
Talos, también conocido como Talón o Talonte, era un autómata, una criatura artificial de bronce creada por Hefesto, el dios griego del fuego y la forja, a petición de Zeus, el rey de los dioses.
Según el mito, Talos fue encargado para proteger la isla de Creta y mantener alejados a los intrusos y piratas. Era una gigantesca figura hecha de bronce, con venas que transportaban sangre líquida ardiente, lo que lo hacía prácticamente invulnerable a cualquier ataque. Su modus operandi para mantener la seguridad de la isla era dar vueltas alrededor de Creta tres veces al día, lanzando piedras a las embarcaciones enemigas y asustando a quienes se acercaran.
El autómata Talos también estaba equipado con una única vena en el tobillo, que estaba cerrada por una clavija de bronce. Esta vena se llenaba con el líquido ardiente que mantenía al gigante con vida. Cuando los argonautas liderados por Jasón llegaron a Creta en su búsqueda del vellocino de oro, su enemigo Medea (que viajaba con ellos) logró engañar a Talos y le quitó la clavija de bronce. El líquido precioso salió disparado de la vena, y Talos colapsó, liberando su vida artificial y pereciendo.
También aquí, encontramos semejanzas y cuestiones relacionadas con la IA en el momento actual. Talos es una creación artificial con un propósito concreto, la defensa de la isla de Creta, labor que puede hacer mejor que los seres humanos y sin necesidad de descanso. …
Inspiración para pensadores posteriores: Estos son solo dos ejemplos de mitos griegos pero existe otros mitos, ideas y conocimientos de la antigua Grecia que han influido significativamente en la filosofía y el pensamiento occidental a lo largo de la historia. Las obras de los filósofos griegos han sido ampliamente estudiadas y discutidas, lo que ha llevado a que conceptos relacionados con la inteligencia y la mente hayan sido considerados por pensadores posteriores.
Muchos de las aportaciones de la cultura griega nos llegan en forma de mitos y leyendas como las descritas, y algunas de ellas no dejan de sorprender por la facilidad con la pueden establecerse paralelismos y analogías con ideas de nuestro tiempo.
La Antigua Roma – Ingeniería
Durante el Imperio Romano, no encontramos un desarrollo de las ideas tan destacado como en la antigüa Grecia, en su lugar, el pueblo romano destacó por su eficacia y practicidad a la que contribuyó notablemente el desarrollo de la ingeniería para idear y construir artefactos y obras útiles para la sociedad y la expansión del imperio. Esa comprensión y aplicación creciente de la ingeniería y la mecánica sentó bases para futuros desarrollos en la automatización. Como logros concretos podemos citar:
Máquinas de Agua y Relojes Hidráulicos: Los romanos eran famosos por su habilidad en la ingeniería hidráulica, y algunas de sus invenciones pueden considerarse como precursores primitivos de la automatización. Por ejemplo, construyeron relojes hidráulicos complejos y autónomos que usaban agua para medir el tiempo.
Autómatas y Mecanismos: Hay registros históricos de que los romanos utilizaron autómatas para entretenimiento en teatros y festividades. Herón de Alejandría (10-70 d. C.) , un matemático e ingeniero que vivió en el primer siglo d.C., escribió varios tratados que describen máquinas y mecanismos. Entre estas máquinas destaca la eolípila, primera máquina de vapor, cuya aplicación práctica en los templos le granjeó el pseudónimo de «el Mago». La eolípila era una máquina que consistía en una esfera hueca conectada a una caldera a la que se adaptaban dos tubos curvos gruesos. El interior de la caldera estaba lleno de agua, que se hacía hervir provocando que por los tubos subiera el vapor hasta la bola. El vapor salía por dos tubos estrechos acodados, haciendo girar la bola muy rápido. Sin embargo, esta máquina nunca tuvo un fin práctico y algunas fuentes comentan que el invento no era más que un juguete con la finalidad de entretener a los niños de la época.
Eolipila. Herón de Alejandría
Herón describió por anticipado, aunque de forma arcaica mediante este artefacto, la ley de acción y reacción que cientos de años mas tarde postuló Isaac Newton, experimentando con vapor de agua.
Herón también es autor de Autómata, considerado el primer libro de robótica de la historia. En el, explica cómo construir juguetes mecánicos, figuras animadas y artefactos que funcionan con la ayuda del vapor o el agua. Estos autómatas incluyen pájaros que cantan, estatuas que se mueven y figuras que realizan acciones mecánicas complejas.
Todos estos logros representan un entendimiento avanzado de la ingeniería, la mecánica, y la automatización para su época y son parte de una larga cadena de innovación que, con el tiempo, nos llevará a la creación de máquinas autónomas y, finalmente, al desarrollo de la robotica, la cual está estrechamente relacionada con la inteligencia artificial.
Otra figura destacable de la época romana es la de Vitruvio (70-15 a. C.), arquitecto de Julio Cesar y posteriormente de Augusto, escritor e ingeniero romano que vivió en el siglo I a.C. Es conocido por su tratado de diez volúmenes llamado "De Architectura". Primer tratado de arquitectura de la historia. En este tratado, Vitruvio abordó no solo la arquitectura, sino también una amplia gama de temas que incluyen la ingeniería civil, la mecánica y la historia natural.
Vitruvio es particularmente conocido por definir los tres principios fundamentales de la buena arquitectura: firmitas (solidez), utilitas (utilidad) y venustas (belleza). Estos principios también pueden aplicarse a la tecnología en general y trasladando los mismos al campo de la IA se pueden establecer como base de desarrollo de un sistema:
- Firmitas: podría interpretarse como la robustez y fiabilidad del sistema, lo que implica una construcción sólida de algoritmos y estructuras de datos.
- Utilitas: este principio puede verse como la necesidad de que la tecnología tenga una utilidad clara, resolviendo problemas reales y proporcionando valor práctico.
- Venustas: podría definir la elegancia y la eficiencia del diseño del algoritmo y del código, así como la necesidad de interfaces de usuario intuitivas y agradables.
El enfoque de Vitruvio en la combinación de la funcionalidad y la estética en el diseño, y su interés por la mecánica y la ingeniería, han tenido un impacto duradero en estas disciplinas. Sus ideas pueden ser valiosas al considerar cómo diseñar y construir sistemas complejos incluidos los de IA de manera efectiva y ética.
Vitruvio recopiló en 10 libros todo su saber técnico y arquitectónico en "Los 10 Libros de Arquitectura de Vitruvio", considerado el primer manual de arquitectura de la historia. En el decimo de estos libros Vitruvio hace una alegato a favor de la tecnología y las máquinas para todos los ámbitos de la sociedad (agricultura, navegación, transporte…) lo que es un antecedente claro de la importancia que se le ha dado a la posibilidad de liberar al ser humano de determinadas tareas que pueden ser trasladadas a las máquinas si se consigue el desarrollo tecnológico adecuado.
Dato de interés: de Vitruvio es el estudio de las proporciones ideales del cuerpo humano que posteriormente Leonardo Da Vinci traslado al dibujo en su famoso “hombre de Vitruvio”
Hombre de Vitruvio. Leonardo Da Vinci
La Edad Media – Automatas
La Edad Media fue un período fascinante en la historia de la humanidad, y también encontramos en el ideas y avances que pueden considerarse escalones intermedios en el camino hacia la Inteligencia Artificial (IA). Esta evolución fue en forma de autómatas y otros artilugios mecánicos. Así, de la mano de desarrollos tecnológicos se produjeron progresos notables en la automatización y la simulación de comportamientos humanos.
Durante la Edad Media, los artesanos y los inventores se inspiraron en los antiguos relatos y mitos que hablaban de autómatas y seres artificiales para crear sus propios dispositivos mecánicos. Estos artilugios, también conocidos como autómatas mecánicos, eran figuras humanoides o animales que se construían con el propósito de imitar movimientos y comportamientos humanos o animales de manera automatizada.
Uno de los ejemplos más destacados de mecanismos automáticos de la Edad Media es el famoso reloj astronómico de Estrasburgo, construido en el siglo XIV. Este reloj no solo mostraba la hora, sino que también presentaba una serie de figuras mecánicas en movimiento que representaban eventos astronómicos, religiosos y mitológicos. Estas figuras automatizadas, controladas por un intrincado sistema de engranajes, proporcionaban una exhibición visual impresionante y mostraban una comprensión temprana de la ingeniería mecánica y la automatización.
Otro ejemplo notable es el famoso ‘Automa Cavaliere’ (1495), caballero mecánico, de Leonardo da Vinci, diseñado durante el Renacimiento. Aunque da Vinci vivió en una época posterior a la Edad Media, su trabajo también se relaciona con la tradición medieval de los autómatas. El caballero mecánico fue un prototipo de una máquina con forma humana diseñada por Leonardo en el siglo XV. Según los dibujos de Leonardo, el Caballero Mecánico habría sido capaz de realizar movimientos como sentarse, mover los brazos y mover la mandíbula. Aunque esta máquina no tenía "inteligencia" en sí misma, es un ejemplo temprano de intentos de crear una máquina capaz de imitar el movimiento y la función humana, una idea que es central en la robótica moderna.
Autómata construido en base a los bocetos sobre el mismo hallados en 1950.
En la Edad Media también surgieron leyendas y cuentos populares que se relacionaban con autómatas y seres artificiales. Uno de estos relatos es la leyenda del "Hombre del Palo".
El "Hombre de Palo" es una denominación que se le da a un mecanismo automático diseñado por Juanelo Turriano, también conocido como el "autómata de Turriano". Juanelo Turriano fue un famoso relojero e ingeniero italiano del siglo XVI que trabajó para el emperador Carlos V y su hijo Felipe II en España. Se dice que este autómata paseaba por las calles de Toledo.
El autómata era un mecanismo articulado en forma de persona, de unos 38 cm de alto, que podía moverse por sí mismo y realizar una serie de acciones. Algunas versiones dicen que iba ataviado como un monje con sayal y una gran cruz, revestido de madera pero con su interior lleno de engranajes metálicos, cuerdas y ruedas que poseía su propio movimiento que imitaba al de una persona, movía los ojos y abría y cerraba su boca.
Los curiosos se agolpaban para ver este invento que dejaba a propios y extraños con la boca abierta. Además, según cuentan las crónicas, este curioso ser llevaba una hucha para pedir limosna, y si algún viandante echaba una moneda, recibía del autómata una reverencia como muestra de gratitud. De hecho se dice que servía como ayudante al propio Juanelo realizando todo tipo de recados.
No deja de ser una leyenda, aunque en este caso si que han surgido teorías desarrolladas por historiadores sobre qué pudo ser realmente este curioso invento. Algunos indican que pudo ser una pequeña estatua de madera, con una hucha o cepo como las que podemos ver aún al día de hoy en algunas iglesias, que pedía limosna para el sostenimiento del Nuncio Viejo, hospital situado en una calle próxima, que era conocido por atender a enfermos mentales. Otra versión, dice que pudo ser un estafermo o figura de madera hincada sobre una peana fija, que portaba en un brazo un escudo y en el otro un saco de arena; la costumbre al pasar era dar un golpe al escudo para que este curioso sistema se girase rápidamente y diera con el saco a algún transeúnte despistado.
El hecho es que al hombre de palo se le pierde la pista y las distintas teorías sobre su destino vuelven a surgir:
Una teoría nos dice que fue destruido, quemado más exactamente, ya que de la sorpresa y el estupor inicial se pasaba fácilmente a sospechar cómo diablos podía moverse este artilugio, se pensaba que atentaba contra la creación divina. (Este argumento, matizado, también está en el debate actual de la IA). La ciencia, en esta época, todavía se consideraba más próxima a la herejía que a la evolución tecnológica. Reflexiones estas, que nos llevan a pensar en obras literarias que abordan el mismo planteamiento filosófico, como es la fantástica novela gótica de Mary Shelley Frankenstein o el moderno Prometeo, o el famoso cuento de Pinocho, de Carlo Collodi.
La otra teoría nos dice que el hombre de palo desaparece sí, pero no se destruye, es más, se conservó en perfecto estado por una cadena de coleccionistas y lo más sorprendente aún, es que nos podría haber llegado hasta el día de hoy. Al menos existe un autómata que responde a las mismas características que las citadas en el Instituto Smithsonian de Washington D. C., en los Estados Unidos. El artefacto en cuestión tiene dos datos significativos, su fecha y procedencia: datación 1560, origen Alemania o España. Esta evidencia ha llevado a pensar a muchos que este es el auténtico hombre de Palo de Juanelo, el mismo que se paseó por las angostas calles toledanas, increíble pero cierto. Os dejamos como muestra, un vídeo que reproduce su funcionamiento e inmejorable estado de conservación
Esta leyenda da pie a la reflexión sobre el ser humano y sus creaciones y el papel de la tecnología en la vida cotidiana, cada día más vigente .
Todos estos inventos dan testimonio de nuevo del interés y la habilidad creciente de crear máquinas que imitaban las habilidades humanas.
Fuente: https://www.paseostoledomagico.es/leyenda-hombre-de-palo/
INVENTOS ISLAMICOS (el ajedrecista TURCO)
Edad Moderna
Racionalismo: “toda acción tiene una razón de ser, una explicación, si se encuentra la razón de la misma, se puede reducir el comportamiento a una serie de postulados lógicos y expresarlos de manera simbólica”
Conforme avanza la historia, los mitos y leyendas van dando paso a historias documentadas sobre logros reales e ideas avanzadas que van marcando el camino de lo que ahora tenemos entre manos. Tenemos que tener claro pues, que el repentino interés por la IA no supone que esta haya surgido de repente, los avances se van sucediendo de manera incremental en unas ocasiones y disruptiva en otras, produciéndose momentos de euforia y también de posterior enfriamiento principalmente debido a que, por lo general, las ideas corren mas que los desarrollos prácticos e incluso teóricos. La importancia de la Edad Moderna radica, en este aspecto, en las ideas filosóficas y teorías matemáticas que durante ella se desarrollaron, las cuales fundamentaron posteriores desarrollos prácticos.
La Edad Moderna que transcurre en los siglos del XVI al XVIII, se caracteriza entre otras cosas por la vuelta a las ideas clásicas, entre ellas nos interesa destacar la vuelta al racionalismo y su idea central de que la razón y la deducción son la base del conocimiento verdadero, en contraposición a la experiencia sensorial o la fe religiosa. La recuperación de esta corriente de pensamiento permitió muchos avances en el terreno conceptual, entre otros el desarrollo de las ideas de autores como Gottfried Wilhelm Leibniz y René Descartes son relevantes en el contexto de la naturaleza humana y la posibilidad de reducir el lenguaje a un sistema racional y simbólico. Estas ideas supusieron un paso mas para futuros desarrollos en la comprensión de la inteligencia artificial y su relación con el lenguaje y el pensamiento humano.
Leibniz, filósofo y matemático del siglo XVII, desarrolló una filosofía conocida como "monadología". En su visión, argumentaba que el mundo estaba compuesto por "mónadas", unidades indivisibles de realidad que poseían una especie de conciencia y percepción. Según Leibniz, estas monadas podían entenderse como entidades fundamentales que formaban la base de toda la realidad y que poseían cierto grado de inteligencia inherente. (interesante, mas desde el punto de vista físico,pero no se si aporta a IA)
En cuanto al lenguaje, Leibniz propuso la idea de que el pensamiento humano podía ser reducido a una combinación de símbolos lógicos y matemáticos. Su visión se basaba en la idea de que el lenguaje podía ser formalizado y que todas las ideas y conceptos podían ser expresados mediante una notación simbólica universal. Esta noción iluminó el desarrollo posterior de los lenguajes formales y la lógica matemática, que son fundamentales en la teoría de la computación y la inteligencia artificial. Esta cita suya, ilustra su teoría: “La única manera de rectificar nuestros razonamientos es hacerlos tan tangibles como los de los Matemáticos, para que podamos encontrar nuestro error de un vistazo, y cuando haya disputas entre personas, podemos simplemente decir: Calculemos, sin más dilación, a ver quién tiene razón” Cita de Leibniz, Fuente: The Art of Discovery 1685, Wiener 51
Como hemos visto, ciencia y filosofía han ido de la mano en la evolución del pensamiento humano desde la antigua Grecia (en que desastroso momento se rompió esta simbiosis ¿? Y que necesaria se está demostrado en este aparentemente definitivo resurgimiento de la IA) .
Otro filósofo y científico del siglo XVII, René Descartes, formuló la famosa afirmación "Cogito, ergo sum" (Pienso, luego existo), que destaca la importancia del pensamiento y la conciencia en la definición de la existencia humana. Descartes argumentaba que la capacidad de pensar y tener conciencia era la esencia del ser humano, y que esta capacidad diferenciaba a los humanos de otras formas de vida.
En su obra "Discurso del Método" Descartes propuso una metodología basada en la duda metódica y la razón como herramientas fundamentales para el conocimiento humano. Su enfoque racionalista y su énfasis en la claridad y la distinción sirvieron de impulso para el desarrollo de una lógica rigurosa y un sistema de razonamiento basado en reglas formales.
Descartes también abordó el tema de la reducción, no solo del lenguaje sino del comportamiento, a un sistema racional y simbólico. En su idea del animal-maquina, sugirió que los animales podrían ser vistos como máquinas que funcionaban mecanicamente según reglas predecibles, y que a diferencia de los humanos no estaban dotados de conciencia. Esta idea fue ampliada posteriormente por E Julien Offray de La Mettrie en su “El hombre máquina” (L'homme Machine). Ambas teorías han sido ampliamente discutidas pero es cierto nos hacen reflexionar sobre la propia idea de inteligencia y en consecuencia de Inteligencia Artificial.
Extraemos de las filosofías de Leibniz y Descartes las perspectivas ofrecidas sobre la naturaleza humana y la posibilidad de reducir el lenguaje y los comportamientos a un sistema racional y simbólico. Desarrollos posteriores basados en sus ideas pueden verse como fundamentos de teorías que desembocan en principios utilizados en inteligencia artificial, especialmente en lo que respecta al procesamiento del lenguaje natural y la lógica simbólica en los sistemas de IA modernos.
La Revolución Industrial
"Las máquinas nos han dado la posibilidad de producir en grandes cantidades y a menor costo, pero también han generado desafíos en términos de desigualdad y la necesidad de repensar la distribución equitativa de la riqueza." - Karl Marx
"Si le hubiera preguntado a la gente qué querían, habrían dicho 'caballos más rápidos'." - Henry Ford
"Las máquinas son la maldición de la humanidad. Son una amenaza para nuestro trabajo, nuestra libertad y nuestra dignidad." - Ludditas
Los ludditas fueron un movimiento de trabajadores en la Inglaterra del siglo XIX que se opusieron a la creciente mecanización y automatización de la industria textil. Su objetivo era preservar sus empleos y protestar contra las máquinas que los reemplazaban. Aunque no existe una cita específica de un líder luddita, esta frase resume la esencia de su oposición a las máquinas y el temor de que estas tecnologías redujeran los empleos y el bienestar de los trabajadores.
La Revolución Industrial, que tuvo lugar en los siglos XVIII y XIX, marcó un punto de inflexión en la historia al introducir cambios significativos en la producción, la economía y la sociedad. Con ella se universalizaron tecnologías y conceptos que contribuyeron a la idea, para aquellos que se beneficiaban de la misma, de que la automatización y la sustitución de maquinas por personas en el trabajo era positiva debido al incremento de productividad, la reducción de costes y la maximización del beneficio, en definitiva, termino de imponer de manera generalizada el capitalismo como sistema socio-político en occidente.
Durante la Revolución Industrial, una de las invenciones clave fue la máquina de vapor, que impulsó la mecanización y la automatización de la producción. La primera máquina de vapor práctica fue desarrollada por James Watt en el siglo XVIII, y su uso generalizado en la industria tuvo un impacto revolucionario en la eficiencia y la velocidad de la producción. Esta máquina se considera un hito importante en la transición hacia la producción industrializada y para el surgimiento de las fábricas modernas.
Sin embargo, a medida que avanzaba la Revolución Industrial, también surgieron tensiones y oposición social al avance tecnológico y la automatización. La introducción de máquinas y sistemas mecanizados generó preocupaciones entre los trabajadores, que temían la pérdida de empleos y la explotación laboral. Muchos artesanos y trabajadores manuales se enfrentaron a la desaparición de sus oficios tradicionales debido a la creciente mecanización y la demanda de mano de obra barata en las fábricas.
Estas tensiones sociales y el conflicto entre los trabajadores y los avances tecnológicos durante la Revolución Industrial son un precursor histórico de las preocupaciones actuales en torno a la automatización que la IA promete conseguir, ya no solo de actividades mecánicas sino también de actividades cognitivas. La oposición a la automatización y la pérdida de empleos se ha repetido en diferentes momentos históricos, a medida que las tecnologías han avanzado y han surgido debates sobre los impactos socioeconómicos y el futuro del trabajo.
Podemos concluir que, aunque la Revolución Industrial no estuvo directamente relacionada con el surgimiento de la Inteligencia Artificial en su forma actual, si que se relaciona en cierto modo con el desarrollo de tecnologías y conceptos que se vinculan con la automatización y la producción en masa. Asimismo, la oposición social y las tensiones laborales en ese período histórico reflejan las preocupaciones recurrentes en torno a los avances tecnológicos y la automatización en diferentes momentos de la historia, incluyendo el debate actual sobre la IA y el futuro del trabajo.
La reflexión aquí, mas que filosófica es social; las maquinas mejoran la productividad de las personas en tareas mecánicas y repetitivas. En un sistema capitalista regido por el beneficio empresarial que paga a ese capital, no hay duda de que este tipo de avances tienen un gran incentivo para su implantación. La pregunta ahora sería; ¿queremos seguir mejorando esa productividad a toda costa y nos atenemos a las consecuencias sociales que ello provoque o si identificamos tales consecuencias como no deseables, cambiamos el paradigma de desarrollo y el sistema? METER ESTO AQUI O EN LA PARTE DE CONSIDERACIONES ETICAS
Mencionar también:
Paralelismo con IA por “revolución”, cambio radical en sistemas productivos y en la sociedad. Por la resistencia inicial a esta evolución. Opinión: puede ser mas revolucionario por; sustitución de tareas (mas humanas), el incremento de productividad de (x mucho mas) y por la posibilidad de que las máquinas acaben desarrollando a las propias máquinas.
También reflexión relativa al sistema educativo actual que surge de entonces (K. Robinson). Ahora estamos ante una nueva rev. industrial? de ser así, cambiará el sistema educativo?
La llegada de los bits
"Las leyes del pensamiento son leyes matemáticas y, por lo tanto, la ciencia del razonamiento, de las pruebas, es simplemente una rama de la ciencia del número." - George Boole
Cabe destacar en esta época al matemático y lógico británico Alan Turing (1912-1954). Turing propuso la idea de las "máquinas de Turing", un concepto teórico de un dispositivo capaz de realizar cualquier cálculo computacional. Se trata de un modelo abstracto de una computadora que consta de una cinta infinita dividida en casillas, una cabeza de lectura/escritura que puede moverse a lo largo de la cinta y un conjunto finito de estados y reglas de transición. Las máquinas de Turing jugaron un papel crucial en el desarrollo de la teoría de la computación y tuvieron un impacto significativo en la IA.
Durante la Segunda Guerra Mundial, el trabajo desarrollado por Alan Turing en criptografía resulto en un papel fundamental en la para el descifrado de mensajes codificados. Turing y su equipo desarrollaron la máquina "Colossus", considerada una de las primeras computadoras electrónicas programables. Esta máquina ayudó a descifrar los códigos de comunicación alemanes.
En 1943, Warren McCulloch y Walter Pitts introdujeron el concepto de "neurona artificial", una abstracción matemática de una célula nerviosa. La neurona McCulloch-Pitts proporcionó un modelo de cómo las neuronas biológicas podrían realizar cálculos simples mediante la combinación de señales de entrada y la aplicación de una función de activación. Su modelo sentó las bases para el desarrollo posterior de las redes neuronales artificiales, que son esenciales en la IA moderna.
Neurona artificial (McCulloch Pitts)
En 1950, Alan Turing (de nuevo) propuso la famosa "prueba de Turing", un test para determinar si una máquina puede exhibir un comportamiento inteligente indistinguible del de un ser humano. Esta idea planteó cuestionamientos profundos sobre la naturaleza de la inteligencia y allanó el camino para la investigación y el desarrollo de la IA en las décadas siguientes.
En resumen, desde el siglo XIX hasta aproximadamente 1950, la historia de la IA estuvo marcada por los avances en lógica, matemáticas y el uso de máquinas y tecnología durante la Segunda Guerra Mundial. Figuras como George Boole, Alan Turing y los desarrollos en la criptografía y las computadoras sentaron las bases teóricas y prácticas para el desarrollo posterior de la IA.
Imagen generada por DALL·E 2 a través de MixerBox ImageGen. Derechos reservados.
ESCUCHAR PODCAST FRIEDMAN --> ARARI
Actividades
AB11
- Descripción:
Se trata de empezar ya a usar y familiarizarse con la herramienta más popular del mercado
Se harán 5 preguntas relacionadas con el contexto histórico de la IA
- Duración 1h
- Entregar documento pdf con las capturas de pantalla de prompts y respuestas
- Material: https://chat.openai.com/
AB12
- Descripción:
Revisar un concepto histórico y desarrollarlo en 5 minutos
Convertir el documento generado a voz usando una herramienta por determinar
- Duración 2h
- Entrega: documento pdf con
- Portada con datos personales
- Descripción actividad
- Audio generado o enlace al mismo
- Recursos
Bloque 2 Estado del arte y aplicaciones extremas - Pedro - 2h - 6h
Longitud: unas 40 páginas
Posibilidades actuales de la IA, incluyendo aplicaciones que ya funcionan y ejemplos/demos
Cada uno comenta varias aplicaciones (2 generales y 1 educativa cada uno), siempre incidiendo o haciéndo más énfasis y detalle en la parte orientada a la educación
En este sentido distinguir por sectores y dentro de educación la parte más institutcional y de gestión (orientada a la administración como plataformas y documentos unesco) y aplicaciones de propósito específico.
Después de ver impacto en otros sectores, nos centramos en educación. Primero con esta introducción:
### Introducción
1. **Contexto de la IA en la Educación Actual**: Breve descripción de cómo la inteligencia artificial está influyendo en la educación contemporánea.
Como hemos visto, la inteligencia artificial ha experimentado un auge significativo en las últimas décadas, y su impacto en diversas industrias es patente y creciente.
En este sentido, el ámbito educativo, no es una excepción. Si bien, el primer impacto podría calificarse como confuso y preocupante, ya que prácticamente el uso inicial en el ámbito práctico fue el realizado por los estudiantes que lo utilizaron para realizar trabajos con facilidad, al mismo tiempo los docentes lo recibían con una mezcla de recelo ante lo desconocido e ilusión por el potencial que ofrecía.
Esta ambivalencia se mantiene hoy en día (menos de un año después de la irrupción de ChatGPT) provocada por el impulso que está recibiendo por los organismos educativos de todo ámbito (ofreciendo recomendaciones para su uso, y guías para su buen uso) pero que, sin embargo, no se está reflejando en oportunidades concretas más allá de las incursiones particulares de auténticos pioneros y de proyectos de empresas tecnológico-educativas cuyos resultados objetivos obviamente solo los disfrutan aquellos usuarios que se interesan pueden pagar la correspondiente cuota.
En lo que si parece coincidir la comunidad educativa es en que, tarde o temprano, la IA va a terminar transformando tanto la forma en que los estudiantes aprenden como la manera en que los educadores enseñan. Los motivos de ese consenso no son otros que las posibilidades que ofrece y que son fáciles de ver casi desde el primer momento que se empieza a utilizar un modelo de lenguaje como ChatGPT o Bard (por citar algunos):
· Personalizar el aprendizaje.
· Automatizar tareas tediosas
· Ofrecer análisis en tiempo real que pueden ayudar a identificar brechas en la educación y áreas de mejora.
· Potencial de hacer que la educación sea más accesible para personas de todo el mundo, independientemente de su ubicación geográfica o nivel socioeconómico.
Algunos ejemplos concretos de cómo se está utilizando la IA en la educación incluyen:
- Tutores virtuales: que proporcionan a los estudiantes atención personalizada y retroalimentación en tiempo real.
- Aprendizaje personalizado: permite crear planes de aprendizaje personalizados para cada estudiante, en función de sus necesidades y potencial.
- Análisis de datos: con el fin de identificar áreas de mejora y proporcionar información sobre el progreso de los estudiantes.
- Realidad virtual y aumentada: La IA se utiliza para crear entornos de aprendizaje virtuales que sean más inmersivos y atractivos.
Para terminar esta introducción cabe mencionar otro aspecto que aflora de manera temprana en el pensamiento de cualquiera que reflexione medianamente en el alcance de la IA en el ámbito educativo. No es otro que la importancia de que todos los actores implicados; educadores, administradores, padres y estudiantes comprendan el alcance y las limitaciones de esta tecnología emergente para maximizar sus beneficios y minimizar posibles inconvenientes, como el sesgo y la pérdida de privacidad.
Imagen creada por Bing con el prompt: Una imagen que muestre una combinación de elementos tradicionales en la educación, como libros y pizarras, junto con elementos tecnológicos como computadoras, robots o gráficos de IA.
....SEGUIR
AB21
- Descripción:
Analizar una aplicación novedosa y real de IA
Incluir un texto que describa la historia, el propósito etc.. de dicha aplicación
Usar chatGPT para generar un resumen
Generar varias imágenes con una herramienta por determinar, a partir del resumen anterior
- Duración 2h
- Entrega: documento pdf con
- Portada con datos personales
- Descripción actividad
- Vídeo o enlace al mismo
- Recursos
MÓDULO 2 - 10h - 50 páginas TOTAL 16h
Bloque 3 Las máquinas no piensan, fundamentos - Hueso - 4h
Longitud: unas 40 páginas
Hablaremos de los fundamentos de la IA, no con un propósito profundo sino para entender como se generan y procesan la información los modelos de lenguaje.
AB31
- Descripción:
Hacer una demo de wordembeddings o de simulación de red neuronal
Crea un vídeo explicativo de la simulación según lo visto en la documentación.
- Duración 2h
- Estructura
-
- Portada
- Descripción actividad
- Vídeo o enlace al mismo
- Recursos
AB32
- Descripción:
Busca un video de YouTube que explique algún concepto de IA
Usa una herramienta para transcribirlo a texto
- Duración 2h
- Entrega: documento pdf
- Portada
- Descripción actividad
- Enlace al video propuesto
- Transcripción
- Recursos
Bloque 4 Y yo que puedo hacer?. Aplicaciones teóricas- Pedro - 2h
Longitud: unas 20 páginas
Bloque dedicado a describir, a nivel teórico, los posibles usos de la IA haciendo hincapié en el ámbito educativo.
Exponer las posibilidades de la IA partiendo de tareas básicas (completar frase) a tareas más complejas (generar una canción)
Capacidades de la IA
Comprensión lenguaje humano
Extracción de información relevante
Generación lenguaje
Traducción automática
Clasificadores
Análisis de sentimiento
Etiquetado de texto con tipo de token (verbo, sustantivo...)
Multimodo: texto-voz-audio-video-imagen
Texto a voz
Texto a imagen
Texto a podcasts
Limpieza podcasts/voz
Eliminación de ruidos
Informes sobre datos estructurados y no estructurados
Generación de contenido textual
Obtención de palabras significativas
Aplicaciones Educación
Generar cuestionarios
Generar audios desde texto
Resúmenes
Correctores de test y texto natural
Clasificadores
Generar unidades de trabajo o actividades formativas
Avatares que hablen a paritr de medios textuales
Asistentes personalizados
AB31
- Descripción:
Pensar una aplicación o caso de uso concreto en el aula, explicarla y anañizar los posibles efectos potenciales en el mundo educativo o en el sector que se trabaja.
Pedir a chatGPT que añada otras posibilidades
- Duración 2h
- Estructura
-
- Portada
- Descripción actividad
- Captura de la respuesta de chatGPT
- Recursos
Bloque 4.1 Taller de prompting - Pedro - 4h
Usar esta u otras referencias para adaptarlo a un taller propio:
MÓDULO 3 - 10h - 50 páginas TOTAL 26h
Unidad 31 Posibilidades de la IA - 1h PEDRO
Unidad 32 Introducción a prompting - 3h PEDRO
Actividad: revisión chatGPT
Citas (a elegir):
Max Beerbohm: "El único objetivo real de la educación es que la persona se haga preguntas"
Voltaire: "Juzga a un hombre por sus preguntas y no por sus respuestas"
Bernard Baruch: "Millones vieron caer la manzana, pero Newton fue el que se preguntó por qué"
Eugene Ionesco: "No es la respuesta la que ilumina, sino la pregunta"
Naguib Mahfouz: "Puedes saber si un hombre es inteligente por sus respuestas. Puedes saber si un hombre es sabio por sus preguntas"
Albert Einstein: “Lo importante es no dejar de hacerse preguntas”
Albert Einstein: “"Si yo tuviera una hora para resolver un problema, y mi vida dependiera de la solución, gastaría los primeros 55 minutos en determinar la pregunta apropiada, porque una vez conociera la pregunta correcta, yo podría resolver el problema en menos de cinco minutos"
Índice del Capítulo - Unidad 32 Introducción a prompting - 3h PEDRO (sombreado en gris lo ya escrito)
1Introducción
Objetivos del capítulo
Qué es "prompting"
Importancia de prompting en inteligencia artificial (IA)
2Historia y Evolución del Prompting
Desde interfaces de línea de comandos hasta IA conversacional
Evolución hacia medios más allá del texto
3Tipos de Prompts
Prompts de texto
Prompts abiertos vs cerrados
Prompts de selección múltiple
Prompts de texto libre
Prompts visuales
Prompts de audio
Sonidos
Música
4Cómo Funciona el Prompting en IA
Procesamiento de lenguaje natural (PLN)
Generación de imágenes
Generación de audio
Prompts en modelos de aprendizaje supervisado
5Importancia del Diseño de Prompts
Claridad y ambigüedad en la redacción de prompts
Prompts pre-entrenados vs customizados
Consideraciones éticas en el diseño de prompts
6Aplicaciones del Prompting en Educación
Evaluación formativa y sumativa
Tutoriales inteligentes y asistentes educativos
Fomento de la creatividad y resolución de problemas
Personalización del aprendizaje
7Ejemplos de Uso de Prompting en IA
Chatbots y asistentes virtuales
Motores de búsqueda
Generadores de imágenes
Generadores de audio y música
Juegos interactivos
8Integración de Prompting en Aplicaciones de IA
APIs y SDKs disponibles para texto, imágenes y audio
Desafíos y limitaciones
9Actividad: Diseña Tu Propio Prompt - prueba en mas de un modelo de lenguaje, crea una composicion coherente (texto, imagen, musica...)
Instrucciones para crear un prompt efectivo para texto, imagen o audio
Ejercicio práctico para diseñar un prompt
Discusión y análisis de los resultados
Tiempo estimado: 30 minutos
1. Introducción
Ya hemos visto que la herramienta que provocó la irrupción masiva la inteligencia artificial a nivel popular fue el chatbot ChatGPT. La tecnología que hay detrás de este chat es el modelo de lenguaje de gran escala (LLM, por sus siglas en inglés). A día de hoy, este modelo se ha utilizado para desarrollar muchos otros chatbots (Bard, Llama, Claude etc…).
Para poder sacar el mayor potencial de estos modelos, es crucial entender y aplicar de manera efectiva la técnica de "prompting". Esta técnica nos permite interactuar con estos modelos de lenguaje para recibir respuestas específicas y generar distintos tipos de contenido, desde texto, como en los chatbots, hasta imágenes y sonidos a través de otras herramientas que veremos más adelante.
En este capítulo, vamos a explorar el concepto de prompting de forma detallada, sus implicaciones en la IA, y su potencial aplicación en la educación.
Objetivos del Capítulo
Comprender qué es el "prompting" y su importancia en la interacción con modelos de IA.
Familiarizarse con la evolución histórica y los distintos tipos de prompts que existen.
Aprender cómo funciona el prompting en la generación de diferentes tipos de contenido (texto, imágenes, sonidos).
Conocer las aplicaciones específicas del prompting en el contexto educativo.
Qué es "Prompting"
El prompting es una técnica utilizada para interactuar con sistemas de IA mediante comandos o preguntas específicas. Es el medio por el cual se le pide a un modelo de lenguaje o a un algoritmo de IA que realice una acción o que genere una respuesta. Este concepto es fundamental para aprovechar plenamente las capacidades de los modelos de IA, especialmente en el procesamiento de lenguaje natural (PLN).
El prompting nos lleva a introducir al modelo un prompt, lo que en castellano podríamos traducir como “cuestión, pregunta o Indicación”.
Por tanto, el prompting se trata, dicho de manera simple, de pensar y trabajar la indicación o pregunta que vamos a realizarle al modelo de IA para que la respuesta o resultado que el modelo nos presente sea lo más ajustado posible a nuestra solicitud y nos aporte un contenido lo más valioso posible.
Un ejemplo aclaratorio:
Todos hemos hecho búsquedas en cualquiera de los buscadores disponibles por internet. Al hacerlas, en mayor o menor medida hacemos un esfuerzo para introducir el texto adecuado para que el motor de búsqueda encuentre la web o webs más relevantes para necesidades. Ese esfuerzo que hacemos para que nuestra entrada facilite al buscador ofrecernos lo que buscamos sería el prompting. En el contexto de un motor de búsqueda, esto se traduciría en cómo eliges y organizas las palabras clave para obtener los resultados más relevantes. Es una especie de "arte" en cómo haces tu pregunta para obtener la mejor respuesta
A su vez, el texto que introducimos en el buscador representaría el prompt. Es la consulta específica que generas, compuesta de palabras clave, frases o preguntas, que el motor de búsqueda procesa para obtener resultados.
Importancia de Prompting en Inteligencia Artificial (IA)
El prompting es esencial en la actualidad para una gran variedad de aplicaciones de IA. Desde asistentes virtuales hasta motores de búsqueda y sistemas de recomendación, el diseño y la implementación efectiva de prompts son cruciales para la eficacia y precisión de estos sistemas. Además, con la aparición de modelos más avanzados y diversos, el papel del prompting se ha expandido para incluir la generación de contenido más allá del texto, como imágenes y sonidos.
2. Historia y Evolución del Prompting
En los albores de la computación, las interacciones con las máquinas eran bastante rudimentarias. Las interfaces de línea de comandos fueron algunas de las primeras formas de prompting, donde los usuarios ingresaban comandos de texto específicos para obtener respuestas o realizar tareas. Aunque este método fue efectivo para su tiempo, era muy limitado en términos de accesibilidad y flexibilidad.
Desde Interfaces de Línea de Comandos hasta IA Conversacional
Con el tiempo y el avance tecnológico, las formas de interactuar con las máquinas se han vuelto cada vez más sofisticadas. Pasamos de las interfaces de línea de comandos (MS-DOS) a interfaces gráficas de usuario (Windows) y luego a interacciones más intuitivas gracias a la IA. Los modelos de lenguaje de gran escala como GPT-3 (modelo detrás de ChatGPT) y LaMDA (modelo detrás de Bard) permiten ahora una interacción mucho más natural y conversacional. A través de prompts bien diseñados, estos modelos pueden comprender y generar texto, imágenes, y sonidos que son increíblemente cercanos a lo que un humano podría producir o entender.
Evolución hacia Medios más Allá del Texto
En sus inicios, el prompting se limitaba principalmente al texto. Sin embargo, con el desarrollo de modelos de IA más avanzados, ahora es posible generar y analizar diferentes tipos de medios. Por ejemplo, existen modelos que pueden generar imágenes basadas en descripciones de texto (prompts de imagen), y también modelos que podrían generar un texto basándose en una imagen (que en este caso haría el papel de prompt), pero también modelos que pueden componer música basada en ciertas instrucciones o emociones (prompts de audio). Esta evolución ha ampliado enormemente el alcance y las aplicaciones del prompting, permitiendo una gama más amplia de interacciones y generación de contenido.
Estos modelos suelen ser multimodales, lo que significa que pueden entender y generar diferentes tipos de datos, como texto e imágenes. Mas ejemplos, podrías ingresar una imagen de un paisaje otoñal en un modelo de este tipo, y solicitar que genere un poema que capture la esencia de la imagen.
Este tipo de interacción representa una evolución emocionante en el campo del prompting, ya que amplía significativamente las formas en que podemos interactuar con los modelos de IA. Los prompts ya no están limitados al texto, sino que pueden abarcar una variedad de medios, incluidas imágenes, sonidos y quizás más en el futuro.
Esta funcionalidad tiene aplicaciones potenciales muy interesantes, no solo en el ámbito del arte y la creatividad, sino también en campos como la educación, donde podría emplearse para enseñar conceptos como la interpretación de imágenes, la escritura creativa o incluso la empatía y el entendimiento cultural.
....
3. Tipos de Prompts
Como hemos visto en la evolución histórica, a medida que la inteligencia artificial ha evolucionado, los prompts que podemos utilizar para interactuar con los modelos también lo han hecho. Mientras que en sus inicios el prompting se centraba exclusivamente en el texto, la tecnología actual permite una gama mucho más amplia de interacciones.
El desarrollo de la IA le permite abordar una amplia variedad de modalidades. Las "modalidades" en este contexto se refieren a las diferentes formas de datos o información que los sistemas de IA pueden procesar (prompt de entrada) o generar (salida de la IA).
En la siguiente tabla vamos a resumir todas las modalidades que la IA generativa nos ofrece. Cada una de las cuales admite uno o más tipos de prompts.
|
Prompt (entrada) |
Respuesta IA (salida) |
Ejemplo de uso |
|
Texto |
Texto |
Chatbot, traducción, resumen… |
|
Texto |
Imagen |
Generación imagen desde texto |
|
Texto |
Video |
Generación de video desde texto |
|
Texto |
Audio |
Síntesis de voz, sistemas Text-To-Speech, generación de música |
|
Imagen |
Texto |
Descripción imagen, reconocimiento óptico de caracteres (OCR) |
|
Imagen |
Imagen |
Colorización de imágenes en blanco y negro, superresolución, estilo transfer entre imágenes |
|
Audio |
Texto |
Transcripción automática, reconocimiento de voz |
|
Audio |
Audio |
Eliminación de ruido, cambio de tono o velocidad |
|
Video |
Texto |
Subtitulación, descripción automática del contenido |
|
Video |
Video |
Mejora de resolución de video, transferencia de estilos de videos |
|
Combinación de anteriores |
Cualquiera o una combinación de las anteriores |
MULTIMODALIDAD: Sistemas que pueden recibir una imagen y una pregunta en texto sobre esa imagen, y proporcionar una respuesta en texto o audio. |
Estas son algunas de las principales modalidades en las que operan los sistemas de IA. Pero hay que subrayar que la investigación en IA está en constante evolución, y con el tiempo es probable que veamos aún más capacidades y combinaciones en términos de modalidades.
A continuación, examinaremos con mayor profundidad algunas posibilidades de los tipos de prompts de uso mas común
Prompts de Texto
El texto ha sido tradicionalmente el medio más común para el prompting en IA. Los prompts de texto se introducen generalmente en forma de preguntas o comandos. Dentro de los prompts de texto podemos distinguir en base al tipo de respuesta que queremos obtener:
Prompts Abiertos vs Cerrados:
Los prompts abiertos son aquellos que no limitan las respuestas de la IA, como "Háblame sobre el cambio climático".
Los prompts cerrados, en cambio, buscan respuestas específicas, como "¿En qué año nació Albert Einstein?".
Prompts de Selección Múltiple:
A veces, se presenta a la IA una serie de opciones y se le pide que elija la correcta o la más adecuada según el contexto. Por ejemplo: "¿Cuál es la capital de Francia? A) Madrid, B) Berlín, C) París".
Prompts de Texto Libre:
Son aquellos en los que se le da libertad a la IA para generar contenido, como "Escribe un cuento corto sobre un robot".
(*) NOTA O RECORDAR MENCIONARLO AL HABLAR DE EDUCA,
Prompts Visuales
Con la evolución de los modelos de IA hacia capacidades multimodales, es posible usar imágenes o videos como prompts. Con estos prompts se le puede solicitar a la IA que describa la imagen, identifique objetos en ella o, como se mencionó anteriormente, genere texto creativo inspirado en la imagen. También puede pedírsele una salida de la imagen o video mejorada o modificada.
Prompts de Audio
La capacidad de procesar y generar audio ha abierto una nueva dimensión en el mundo del prompting. Los prompts de audio pueden variar desde simples comandos verbales hasta la introducción de fragmentos de música o sonidos específicos.
Sonidos:
Se pueden usar para que la IA identifique o describa, como el canto de un pájaro o el ruido de la lluvia.
Música:
Puede servir como inspiración para que la IA genere letras de canciones, identifique el género musical o incluso cree una melodía complementaria.
Estos son solo ejemplos de las posibilidades ya explotadas y de uso frecuente. La versatilidad y el potencial de la inteligencia artificial moderna abre un mar de posibilidades. Ya no estamos limitados a interacciones basadas en texto; la IA ahora tiene la capacidad de comprender y generar contenido en una variedad de medios, lo que permite aplicaciones mucho más ricas y diversificadas en numerosos campos.
4. Cómo Funciona el Prompting en IA
El prompting en la inteligencia artificial, desde el punto de vista del usuario, se resume en proporcionar una entrada más o menos elaborada y esperar una respuesta, si bien este proceso, muchas de las veces, requerirá de un cierto número de iteraciones hasta que la IA nos genere la respuesta conveniente.
Detrás de cada respuesta generada por un modelo de IA, hay una serie de procesos y tecnologías complejas. Vamos a realizar una ligera introducción que nos permita entender aunque sea de manera intuitiva cómo funcionan estos sistemas, si bien en otros capítulos del curso se describirá el funcionamiento con mayor profundidad.
4.1. Procesamiento de Lenguaje Natural (PLN)
Hemos visto que una parte de la IA se centra en los modelos Text2Text. Estos modelos requieren la introducción de un texto y devuelven otro texto como respuesta, ya sea una respuesta concreta, una conversación con un Chatbot, un resumen, una traducción…
La tecnología que hay debajo de esta funcionalidad es el Procesamiento de Lenguaje Natural (PLN)
El PLN es una rama de la inteligencia artificial que se centra en la interacción entre las computadoras y el lenguaje humano. Su objetivo es permitir que las máquinas entiendan, interpreten y generen lenguaje de manera que sea valioso para los usuarios humanos.
El prompt es la entrada que la computadora debe entender, interpretar y utilizar para elaborar una respuesta útil. Al proporcionar un prompt textual, el modelo de lA procederá primero a su análisis, que puede dividirse en los siguientes pasos:
· Identificación de las palabras clave: El sistema identifica las palabras clave en el prompt. Estas palabras clave son importantes para comprender el significado del prompt.
· Análisis de la estructura gramatical: El sistema analiza la estructura gramatical del prompt, lo que ayuda al sistema a comprender la relación entre las palabras y frases en el prompt.
· Identificación del contexto: El sistema identifica el contexto del prompt. Esto ayuda al sistema a comprender el significado del prompt en el contexto de la conversación o tarea en la que se está utilizando.
Una vez que el sistema ha completado el análisis del prompt, puede comprender el significado y propósito del prompt. Esto le permite al sistema generar una respuesta adecuada.
Veamos un ejemplo sencillo:
Prompt: ¿Cuál es la capital de España?
· Identificación de las palabras clave: Si el prompt es "¿Cuál es la capital de España?", las palabras clave serían "capital" y "España".
· Análisis de la estructura gramatical: Si el prompt es "¿Cuál es la capital de España?", la estructura gramatical es una pregunta.
· Identificación del contexto: Si el prompt es "¿Cuál es la capital de España?", el contexto es una conversación sobre geografía.
Obviamente la respuesta que da el sistema es: Madrid
Sin embargo, cambiando un poco el contexto, el chatbot Chat GPT nos contesta
Y si le preguntamos lo mismo a Bard:
Las respuestas son similares pero no idénticas. El corpus de documentación con la que se les ha entrenado será muy similar (básicamente todo el conocimiento humano que pueda estar presente en internet) pero el proceso de entrenamiento y los algoritmos que procesan el prompt y generan la respuesta puede ser diferente.
Si bien CahtGPT ofrece una única respuesta inicial que puede ser modificada si se matiza el prompt, Bard presenta una respuesta principal y ofrece la posibilidad de, sin hacer matizaciones al prompt inicial, escoger entre 3 posibles respuestas:
ESTOS EJEMPLOS NO SE SI PINTAN NADA AQUÍ – COONTAR MAS EL DETALLE TECNICO: embedings, red neuronal, encoder-decoder, transforer (texto), generación iterativa (imagen), GAN (imagen)
Para entender más a fondo el funcionamiento interno de la IA y como esta es capaz de interpretar el prompt y dar una respuesta adecuada analizamos la siguiente secuencia de pasos:
Tokenización:
El modelo comienza por dividir el prompt en tokens, que son fragmentos más pequeños del texto, como palabras o subpalabras.
Embedding del Texto:
Cada token se convierte en un vector numérico, conocido como embedding. Estos embeddings se obtienen de grandes matrices preentrenadas que representan palabras o subpalabras en un espacio vectorial, donde palabras semánticamente similares están cercanas entre sí. Así cada embedding es una representación numérica de cada token que captura su semántica y significado. Dicha representación se basa en la cercanía semántica del contenido con respecto a la vasta información con la que el modelo ha sido entrenado.
Procesamiento Interno:
Codificador: El modelo procesa estos embeddings para entender el contexto y la relación entre los tokens. Esto se hace a través de múltiples capas de la red neuronal y mecanismos como la atención, que le permite al modelo darle un mayor peso o importancia a ciertos tokens en función de su relevancia en el contexto.
Tras este procesamiento el modelo transforma los emmbedings (recuerda que es el prompt textual en forma de vector) en un conjunto compacto de características. Es decir, se reduce la dimensionalidad del vector original convirtiéndolo en algo más compacto pero que incluye todas sus características. Podríamos decir que capta la esencia del prompt.
Decodificador: Usando la información contextual obtenida, el modelo genera una respuesta token por token, basándose en probabilidades y contextos aprendidos durante el entrenamiento.
Pensemos en el mecanismo de estudio. Normalmente los textos no se aprenden de manera literal sino que se entiende el contexto de un hecho concreto y unicamente se memorizan los conceptos mas relevantes en relación con ese hecho. Este sería nuestro entrenamiento
Si después nos preguntan por lo estudiado (lo que equivaldría al prompt), nuestro cerebro va a analizar la pregunta extrayendo de la misma aquellas palabras más relevantes en relación al contexto de la pregunta para poder construir la respuesta posterior (estaría codificando el prompt, reduciendo sus dimensiones, agrupando toda la información relevante de la pregunta para convertirlo en algo compacto con significado propio)
Por ultimo, nuestro cerebro comienza a construir una respuesta coherente en base a los conceptos y contexto relevante de la pregunta y cuyo contenido esta relacionado con la misma y se nutre de lo estudiado. En términos de IA, el contenido de la pregunta, compactado en un emmbeding compacto, tiene un significado cercano en la nube de palabras y conceptos de entrenamiento.
Generación Iterativa:
La respuesta textual se genera de manera iterativa, considerando no solo el prompt inicial, sino también las palabras o tokens previamente generados para asegurar coherencia.
Resultado Final:
El modelo produce una secuencia de texto que sirve como respuesta o continuación del prompt.
Ampliar o sustituir con explicación de wólfram??
A PARTIR DE AQUI NO ME GUSTA
4.2. Generación de Imágenes
Los modelos de texto a imagen transforman descripciones textuales en representaciones visuales. El proceso interno coincide en la parte de comprensión del prompt con el detallado en el apartado anterior si bien difiere en la generación ya que en este caso se trata de una imagen en lugar de un texto. describir una visión simplificada de cómo estos modelos generalmente procesan un prompt textual para generar una imagen.
Embedding del Texto: Recordamos que cuando se ingresa un prompt textual al modelo, este primero lo convierte en un vector o embedding. Este embedding es una representación numérica del texto que captura su semántica y significado.
Procesamiento Interno:
Codificador: Transforma la descripción textual (ahora en forma de vector) en un conjunto compacto de características.
Decodificador: Toma estas características y las "decodifica" para producir una imagen. Es el responsable de traducir las características abstractas en una representación visual.
Generación Iterativa: Los modelos más avanzados generalmente no generan una imagen en un solo paso. A menudo, comienzan generando una versión de baja resolución de la imagen y luego la refinan iterativamente, agregando detalles y resolución en cada paso.
Conexión con la Red Neuronal: El embedding textual se introduce en una red neuronal, generalmente una arquitectura avanzada como una Red Generativa Adversarial (GAN) o una Red Neuronal Convolucional (CNN). Estas redes están diseñadas para manejar y generar datos visuales.
Red Generativa Adversarial (GAN): Muchos modelos de texto a imagen utilizan GANs, que consisten en dos redes: el generador y el discriminador. El generador intenta producir imágenes, mientras que el discriminador intenta distinguir entre imágenes reales e imágenes generadas. Estas dos redes "compiten" en un juego de gato y ratón, lo que resulta en la mejora continua del generador.
Resultado Final: La salida es una imagen generada que se corresponde con la descripción textual original.
Es importante mencionar que la calidad y la precisión de la imagen generada dependen en gran medida del modelo específico, de la cantidad y calidad de los datos con los que fue entrenado, y de la claridad y especificidad del prompt textual proporcionado.
Aplicación en Prompts: Por ejemplo, al proporcionar un prompt como "un atardecer en la montaña", un modelo podría generar una imagen que represente esa descripción.
4.3. Generación de Audio
Mecanismo: Los modelos generadores de audio transforman los prompts textuales o sonoros en secuencias de audio. Pueden ser utilizados para sintetizar voz, música, o cualquier tipo de sonido.
Aplicación en Prompts: Si proporcionamos un prompt como "voz masculina diciendo 'hola mundo'", el modelo podría generar esa pieza específica de audio.
4.4. Prompts en Modelos de Aprendizaje Supervisado
Concepto: El aprendizaje supervisado es un enfoque de aprendizaje automático donde se entrena a un modelo utilizando un conjunto de datos etiquetado, es decir, datos para los cuales ya conocemos la respuesta correcta.
Relación con Prompts: En el contexto de prompting, el modelo ya ha sido entrenado para reconocer ciertos patrones. Al proporcionar un prompt, estamos "preguntando" al modelo basándonos en lo que ha aprendido. Por ejemplo, en un modelo entrenado para reconocimiento de imágenes, al mostrarle una foto de un gato, debería identificarla correctamente si ha sido entrenado con imágenes similares.
...
5.Importancia del Diseño de Prompts
En la interacción con modelos de inteligencia artificial, en especial con los de procesamiento de lenguaje natural, el diseño de los prompts juega un papel crucial. Determinan no solo la calidad de la respuesta del modelo, sino también su utilidad, precisión y seguridad. Vamos a explorar algunos aspectos clave relacionados con el diseño de prompts.
5.1. Claridad y ambigüedad en la redacción de prompts
- Importancia de la Claridad: Un prompt claro orienta al modelo de IA hacia una respuesta específica y relevante. Los modelos de lenguaje, aunque avanzados, dependen en gran medida de la precisión del input proporcionado. Por ejemplo, preguntar "¿Cuál es la capital de Francia?" es directo y produce una respuesta clara, mientras que "Dime algo sobre Europa" es ambiguo y puede resultar en una variedad de respuestas.
- Riesgos de la Ambigüedad: Los prompts ambiguos pueden llevar a respuestas imprecisas o incluso incorrectas. Además, en aplicaciones críticas como atención médica o decisiones financieras, la ambigüedad puede tener consecuencias graves.
5.2. Prompts pre-entrenados vs customizados
- Prompts Pre-entrenados: Son aquellos que ya han sido probados y optimizados durante el entrenamiento del modelo. Estos prompts son generalmente efectivos para tareas comunes y ofrecen respuestas consistentes. La naturaleza "pre-entrenada" no significa que estén codificados o predeterminados en el modelo. Más bien, se han probado y se sabe que producen buenos resultados debido a la amplia cobertura de esos temas en los datos de entrenamiento.
- Prompts Customizados: Permiten a los usuarios adaptar el modelo a necesidades específicas o contextos particulares. Aunque ofrecen flexibilidad, requieren una comprensión más profunda del modelo y a menudo implican un proceso iterativo de prueba y error para afinar.
- Equilibrio entre ambos: Es recomendable comenzar con prompts pre-entrenados y luego personalizarlos según las necesidades, aprovechando lo mejor de ambos mundos.
Ilustremos esta recomendación con un ejemplo sencillo:
Contexto: Imagina que eres un profesor de historia que desea usar un modelo de lenguaje para ayudar a sus estudiantes a comprender mejor los eventos históricos. Quieres que el modelo describa la Revolución Francesa en un lenguaje sencillo y fácil de entender.
Podríamos usar un prompt Pre-entrenado como: "Describa la Revolución Francesa."
La respuesta que obtendrías podría ser amplia y general, ofreciendo un resumen sobre la Revolución Francesa, sus causas, eventos clave y consecuencias.
Pero podremos ajustar mas la respuesta del modelo a nuestra necesidad si utilizamos un prompt personalizado (Customizado) basado en el Pre-entrenado como:
"Describa la Revolución Francesa en un lenguaje simple y adecuado para estudiantes de secundaria, mencionando sus causas principales, eventos clave y figuras importantes."
Este prompt customizado toma la base del prompt pre-entrenado (la descripción de la Revolución Francesa) pero añade especificaciones para adaptar la respuesta a las necesidades del profesor: un lenguaje sencillo y ciertos puntos clave que deben ser mencionados.
Como resultado, al usar el prompt personalizado, el profesor puede esperar obtener una descripción adaptada al nivel educativo de sus estudiantes, centrándose en los puntos más relevantes para su plan de estudio. Al mismo tiempo, al partir de una base pre-entrenada, garantiza que el tema central sea tratado con precisión.
En este ejemplo, el profesor combina la claridad y efectividad de un prompt pre-entrenado con las adaptaciones específicas de un prompt customizado, obteniendo una respuesta que se adapta perfectamente a sus necesidades educativas.
5.3. Consideraciones éticas en el diseño de prompts
- Sesgos y Prejuicios: Es fundamental ser consciente de los sesgos inherentes en los modelos de IA, que provienen de los datos con los que fueron entrenados. Diseñar prompts sin considerar estos sesgos puede perpetuar o amplificar prejuicios existentes.
- Privacidad: Al diseñar prompts, especialmente en aplicaciones educativas o médicas, es vital garantizar que no se solicite ni se revele información personal o sensible.
- Claridad en las Intenciones: Debe evitarse el diseño de prompts que busquen respuestas engañosas, manipuladoras o con fines malintencionados. Es esencial que los desarrolladores y usuarios tengan responsabilidad en la interacción ética con los modelos.
- Educación y Formación: Para quienes diseñan y utilizan prompts, es fundamental recibir formación en ética y responsabilidad. Con la creciente dependencia de la IA en muchos ámbitos, es esencial garantizar que se utilice de manera beneficiosa y justa.
El diseño de prompts, por lo tanto, no es simplemente una cuestión técnica. Implica consideraciones de claridad, adaptabilidad y ética. Un diseño de prompt bien pensado puede maximizar la eficacia de la IA, mientras que un diseño deficiente o irresponsable puede llevar a resultados no deseados o incluso perjudiciales.
Por resumir, quedarnos con una visión practica del capítulo y conseguir diseñar las instrucciones adecuadas para estos modelos algunos puntos clave son:
- · Claridad y especificidad: Es fundamental ser explícito sobre lo que se espera del modelo. Una instrucción clara y detallada reduce la ambigüedad y guía al modelo hacia la respuesta deseada. Por ejemplo, en lugar de escribir "resumir esto", se podría escribir "resumir este artículo de 5 páginas sobre la historia del arte renacentista".
- · Contextualización: Proporcionar contexto ayuda al modelo a entender mejor la tarea y a generar respuestas adecuadas. Si estás preguntando sobre un tema que sigue a una discusión anterior, recapitula o refiere a esa información previa.
- · Limitación de la Respuesta: En ocasiones, es útil establecer límites para la respuesta. Si solo necesitas una respuesta breve o en un formato específico (por ejemplo, una lista o una tabla), indica eso en tu prompt.
- · Iteración y Refinamiento: No todos los prompts darán el resultado deseado en el primer intento. Evaluar las respuestas, identificar áreas de mejora y ajustar la instrucción puede ser esencial para obtener una respuesta óptima.
- · Evitar Sesgos y Suposiciones: Es importante recordar que los modelos reflejan el conocimiento y los sesgos presentes en los datos con los que fueron entrenados. Evita formular preguntas que incluyan suposiciones innecesarias o sesgadas. En su lugar, esfuérzate por ser neutral y objetivo.
Un promt trabajado nos producirá mejores resultados. Estas son algunas de las aplicaciones específicas de utilidad que podemos obtener:
- · Resumir: Los LLM pueden sintetizar información clave de grandes cantidades de texto.
- · Inferir: Estos modelos pueden detectar patrones para realizar análisis de sentimientos, extracción de temas, entre otros.
- · Transformar: Sirven para traducción automática, corrección de textos y generación de contenido.
- · Expandir: Se pueden usar para extender información o generar respuestas automáticas.
…..AMPLIAR??
Nota: Por muy bien diseñado que esté un prompt, no debemos olvidar que los modelos del lenguaje pueden alucinar (y lo hacen a menudo). Las alucinaciones son una preocupación común cuando se trata de modelos de lenguaje grande como ChatGPT. Estos modelos pueden generar respuestas que parecen plausibles pero que son completamente falsas. Es importante recordar que estos modelos no tiene una comprensión real del mundo y pueden generar información incorrecta. Por lo tanto, siempre es esencial verificar cualquier afirmación que haga el modelo.
Bloque 6 - Un paseo por chatGPT. Taller chatGPT - Pedro - 4h
Revisamos chatGPT y la plataforma en detalle con aplicaciones educativas, incluyendo
Revisión de playground:
OpenAI Research:
Whisper
Dall-E
Longitud: unas 20 páginas
Bloque 7 - No todo es chatGPT Ni todo es texto - Hueso - 2h
Repasamos conceptos de ia generativas, ref
https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-generative-ai
https://ai.googleblog.com/2023/01/google-research-2022-beyond-language.html#GenerativeModels
Curso de 1 día de google
https://www.cloudskillsboost.google/course_templates/536
Revisamos herramientas para gestión de audio, vídeo e imagen
Podría hacerse en modo taller haciendo un proyecto como crear un avatar con voz propia que pueda leer un documento
Tareas básicas
Clonación voz
voz a texto
texto a voz
generar imagenes
mejorar fotos
generar imagen en movimiento
limpiar podcast
imágenes similares
herramientas
stable difussion
====================================================================================
How to install Stable Diffusion in Windows in five minutes
https://www.youtube.com/watch?v=6MeJKnbv1ts&embeds_referring_euri=https%3A%2F%2Fwww.creativebloq.com%2F&feature=emb_imp_woyt
How to install Stable Diffusion on Mac
https://www.youtube.com/watch?v=JHkCu5kmco4&embeds_referring_euri=https%3A%2F%2Fwww.creativebloq.com%2F&feature=emb_imp_woyt
How to use Google Collab to run Stable Diffusion
https://www.youtube.com/watch?v=NZXnq_MA7RU&embeds_referring_euri=https%3A%2F%2Fwww.creativebloq.com%2F&feature=emb_imp_woyt
Stable Diffusion prompt guide
https://www.youtube.com/watch?v=c5dHIz0RyMU&embeds_referring_euri=https%3A%2F%2Fwww.creativebloq.com%2F&feature=emb_imp_woyt
Stable Diffusion settings explained
https://www.youtube.com/watch?v=Z3IHmdqUar0&embeds_referring_euri=https%3A%2F%2Fwww.creativebloq.com%2F&feature=emb_imp_woyt
How to make AI videos with Stable Diffusion
https://www.youtube.com/watch?v=1uFK36QsqkM&embeds_referring_euri=https%3A%2F%2Fwww.creativebloq.com%2F&feature=emb_imp_woyt
Inject yourself into the AI and make any image with your face
https://www.youtube.com/watch?v=kCcXrmVk1F0&embeds_referring_euri=https%3A%2F%2Fwww.creativebloq.com%2F&feature=emb_imp_woyt
adobefirefly
====================================================================================
A first look at Adobe Firefly
https://www.youtube.com/watch?v=01mX7Q8KJls&embeds_referring_euri=https%3A%2F%2Fwww.creativebloq.com%2F&feature=emb_imp_woyt
Adobe Firefly Generative Fill tutorial for Photoshop
https://www.youtube.com/watch?v=Sp6K3qpVFO0&embeds_referring_euri=https%3A%2F%2Fwww.creativebloq.com%2F&feature=emb_imp_woyt
dalle-e
====================================================================================
How to use DALL-E 2
https://www.youtube.com/watch?v=iBHAja_GV5I
DALL-E 2 inpainting/editing demo
https://www.youtube.com/watch?v=TFJLcy-pfTM
DALL-E 2 real-time outpainting tutorial
https://www.youtube.com/watch?v=RE1y1al4-28&embeds_referring_euri=https%3A%2F%2Fwww.creativebloq.com%2F&feature=emb_imp_woyt
midjourney
====================================================================================
leonardo ai
====================================================================================
Uso
https://www.youtube.com/watch?v=HUrzxiHZi6o
Entrenar modelos
https://www.youtube.com/watch?v=ANsNooe2F44
runway gen2
====================================================================================
https://medium.com/@neuraldreamer/the-future-of-video-creation-runway-gen2-5bbf2f1b1113
enlaces para herramientas
====================================================================================
https://www.creativebloq.com/features/ai-art-tutorials
MÓDULO 4 - 10h - 50 páginas TOTAL 16h
Bloque 8 - Más allá de chatGPT - Pedro
Exploramos otras opciones menos convencionales como los agentes (autoGPT) y herramientas para trabajar en local como GPT4all
Bloque 9 - Taller: habla con tus datos - Hueso
Se desarrolla una práctica para integrar distintas fuentes de datos y poder hablar o usarlos en modo conversacional
dante.com
https://learn.deeplearning.ai/langchain-chat-with-your-data/lesson/2/document-loading
Bloque 10 - Programación para incautos - Hueso
Presentamos el panorama de IA para programadores y para quien quiera iniciarse en este mundo de modo más técnico
Inlcuimos un repaso de LangChain, HuggingFace y otras plataformas y librea´rias de python así como herramienta de generación de aplicaciones sin código y con código como github copilot