Slide 1
Los robots estan llegando. Preparate. El 47% de los empleos será reemplazado por robots o computadoras inteligentes. En 5 años, van a tomar el control y nos van a dominar. Naaaaaaaaaaaa. Es tonteria. Como
La inteligencia artificial (IA) es una revolución similar a las revoluciones industriales pasadas: transformará industrias y creará nuevas oportunidades mientras que otras desaparecerán. Es crucial entender qué es la IA, sus capacidades y limitaciones. No es omnipotente, pero sí una herramienta poderosa que requiere un uso consciente y ético.
Este cambio abrirá nuevas oportunidades de creación y empleo, rediseñando el paisaje laboral. Profesiones que no existían hace una década surgirán, mientras que otras se adaptarán o se volverán obsoletas. La clave está en prepararse y adaptarse.
El curso que presentamos se enfoca en detallar estos cambios y oportunidades. Inspirándonos en Blaise Pascal, "ciencia sin conciencia solo es ruina del alma", buscamos no solo impartir conocimiento técnico, sino también fomentar una reflexión ética sobre cómo utilizamos la IA. El objetivo es preparar a los individuos no solo para sobrevivir en este nuevo entorno, sino para prosperar y contribuir positivamente.
Slide 2
Yo soy JB. Soy emprendedor y director de tecnologia. Gradue de Stanford en 2004 con doble maestria en negocio y tecnologia. Trabaje en la silicon valley por 14 años, donde me ENFOUE en desarrollo de producto y en inteligencia artificial antes que fue de moda. En 2017 cree una empresa aqui en mexico que fue comprada por banco cobalto. Ahora, soy Chief Technology Officer de este banco y uso tambie mi tiempo libre para hacer evangelización sobre lo que es la IA y como usarla bien
Exploraré la inteligencia artificial, desde su tecnología base hasta sus implicaciones económicas y cómo prepararnos para los cambios que traerá. Comenzaremos con una explicación técnica de qué es la IA, describiendo sus componentes fundamentales y los diversos algoritmos como el aprendizaje automático, las redes neuronales y el procesamiento del lenguaje natural.
Examinaremos también la historia de la IA, desde sus inicios en la década de 1950, pasando por los inviernos de la IA, hasta llegar a los avances significativos de las últimas décadas que han catapultado esta tecnología al frente del desarrollo tecnológico y económico global.
A abril de 2024, la IA está más avanzada que nunca, integrándose en sectores como la salud, la educación, la industria y los servicios financieros, promoviendo una eficiencia sin precedentes pero también planteando desafíos éticos y de empleabilidad.
Slide 3
Entre 2014 y 2016, desempeñé el rol de vicepresidente de producto en Recommind, una empresa destacada en el ámbito del software de descubrimiento electrónico (e-discovery). Este campo es crucial para la gestión de grandes volúmenes de documentos electrónicos en litigios legales. En 2016, Recommind fue adquirida por OpenText, fortaleciendo así su presencia en el mercado del e-discovery.
El e-discovery es vital en Estados Unidos, donde la frecuencia de litigios exige la presentación exhaustiva de documentos relevantes, desde casos de propiedad intelectual hasta acusaciones de acoso sexual. Recommind innovó en este sector utilizando máquinas de vector de soporte (SVM) para la clasificación y análisis eficiente de documentos, optimizando la identificación de información pertinente y reduciendo el tiempo y recursos necesarios en comparación con los métodos de revisión manual tradicionales.
La aplicación de SVM no solo mejora la precisión y velocidad en el procesamiento de datos, sino que también reduce costos y mejora con el tiempo gracias a su capacidad de aprendizaje. Este avance ha transformado la revisión de documentos legales, demostrando el impacto transformador de la inteligencia artificial en la industria legal y más allá, al proporcionar métodos más rápidos y efectivos para el manejo de información.
Slide 4
Y voy a empezar esta presentación anunciando fríamente que leía no existe Yo tengo una perspectiva que es tal vez un poco anticíclica: les contaré que la inteligencia artificial no es real, es lamentable. He estado trabajando en este campo durante muchos años, por lo que también es molesto para mí, pero lo que realmente no existe es la que nos han estado presentando los periódicos en los últimos cuatro años, sobre todo en los últimos seis meses ¿Algo mágico, aterrador o que inspira sueños? Yo lo llamo la "inteligencia artificial de Hollywood", la que aparece en películas como "Terminator". Esa es la que asusta. O también la de películas como "Her", que despierta deseos en algunos. Pero en fin, esa inteligencia artificial que nos presentan no existe, de hecho, no es una inteligencia artificial como tal, deberíamos hablar de "inteligencias artificiales". Es necesario hablar en plural porque hay muchas de estas inteligencias, son diversas y existen muchas de ellas.
y yo entiendo como este tipo de creencia puede pasar desde que inició chat gpt hace casi dos años porque los resultados de chat gpt son tan buenos tan específicos tan detallados que pueda dar la impresión que chat gpts está inteligencia universal. Pero la realidad es que no lo es chat gpt es muy bueno para hacer unas cosas pero cuándo vamos a ver cómo funciona para entender que de ninguna manera es una inteligencia universal. y tal vez en 10 o 20 años vamos a tener esta inteligencia universal pero hoy no está claramente no está. Entonces mejor parece ser el sangrón y anunciar claramente que la IA no existe
Slide 5
Entonces tengo una perspectiva que es tal vez un poco anticíclica: creo deberíamos hablar de "inteligencias artificiales". Es necesario hablar en plural porque hay muchas de estas inteligencias, son diversas y existen muchas de ellas. Si tuviera que definir la inteligencia artificial, diría que es una caja de herramientas, con una variedad de herramientas diferentes. Estas inteligencias son esas herramientas, como un martillo, una sierra o un destornillador. Cada una es muy especializada y fuerte en su área de diseño, y al ser herramientas, son útiles. Funcionan muy bien, incluso mejor que nosotros en algunas tareas. Un martillo funciona mejor que nosotros para clavar un clavo. Una motosierra, como herramienta especializada, corta mucho más eficientemente que una uña humana, similar a cómo ChatGPT procesa y sintetiza rápidamente grandes volúmenes de texto. Sin embargo, al igual que dirigimos una motosierra, nosotros guiamos a ChatGPT para aprovechar sus capacidades al máximo.
Slide 6
Le voy a contar una anécdota personal hace un año estaba visitando mi papá y estábamos en una tesla que había rentado Y empezamos pelear porque siempre peleamos y de repente el coche hizo y me di cuenta que había un coche de policía atrás y que el coche nos estaba avisando que la policía estaba atrás mientras estábamos peleando es historia verdadera es impresionante que el coche pudo darse cuenta que había una policía atrás y es aún más impresionante porque el coche era de la gendarmería que ni siquiera es policía en sí pero si lo detectó y Consideró que era policía.
Deep Blue fue una supercomputadora de IBM diseñada específicamente para jugar ajedrez. En 1997, Deep Blue hizo historia al vencer al campeón mundial Garry Kasparov, demostrando por primera vez que las máquinas podrían superar a los humanos en tareas altamente especializadas y estratégicas.
AlfaGo, desarrollado por DeepMind de Google, es otro ejemplo notable. Esta IA utilizó redes neuronales y algoritmos de aprendizaje profundo para dominar el antiguo juego de Go, considerado mucho más complejo que el ajedrez debido a la vastedad de posibles movimientos. En 2016, AlfaGo derrotó a Lee Sedol, uno de los mejores jugadores del mundo, en un hito significativo para la inteligencia artificial.
La IA de Tesla, especialmente en sus sistemas de conducción autónoma, representa otro avance impresionante. Utiliza aprendizaje profundo para interpretar datos sensoriales en tiempo real, facilitando decisiones rápidas y seguras en la conducción.
Google X (ahora simplemente "X"), es un laboratorio de investigación de Google dedicado a desarrollar soluciones radicales a problemas globales utilizando tecnologías avanzadas, incluyendo IA, que prometen transformar sectores enteros.
Si bien es cierto que AlfaGo venció a Lee Sedol en Go, es importante reconocer que la IA, como AlfaGo, está optimizada para realizar tareas muy específicas. En contraste, la mente humana, como la de Lee Sedol, es capaz de una gama increíblemente amplia de actividades, desde tocar el violín hasta preparar ceviche, reflejando una versatilidad y adaptabilidad que las máquinas aún no pueden replicar. La inteligencia artificial es extraordinaria en su especialidad, pero la mente humana sigue siendo un continuo de creatividad y adaptabilidad.
Slide 7
La IA, aunque parece un concepto moderno, tiene raíces que se remontan a hace más de 2000 años, como lo demuestra el Mecanismo de Anticitera. Este artefacto es un antiguo dispositivo griego, descubierto en un naufragio cerca de la isla de Anticitera en 1901. Compuesto por engranajes y ruedas dentadas, el mecanismo es considerado uno de los primeros ejemplos de una computadora analógica diseñada para predecir posiciones astronómicas y eclipses, y organizar el calendario en ciclos olímpicos.
Aunque no es "inteligencia artificial" en el sentido moderno de máquinas que aprenden y toman decisiones, el Mecanismo de Anticitera sí refleja un intento temprano de los humanos por crear máquinas que replicaran y automatizaran procesos intelectuales humanos, específicamente los cálculos y predicciones complejas. Representa un esfuerzo antiguo por diseñar dispositivos que pudieran manejar tareas que, en ese entonces, requerían una considerable capacidad cognitiva.
Este dispositivo evidencia que la fascinación humana por la automatización y la simulación de la inteligencia humana tiene un largo historial. Por lo tanto, la IA, en la idea de crear herramientas para ampliar o imitar las capacidades humanas, no es un concepto tan reciente como podría parecer. Aunque la tecnología y la complejidad de la IA moderna son radicalmente diferentes, la idea fundamental ha sido una constante a lo largo de la historia.
Slide 8
El inicio formal de la inteligencia artificial como campo académico se remonta a 1956, durante un taller de verano en la Universidad de Dartmouth, en Hanover, New Hampshire. Este evento histórico fue organizado por John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon, quienes propusieron que cualquier aspecto del aprendizaje o cualquier otra característica de la inteligencia podría ser tan precisamente descrito que una máquina podría ser creada para simularlo.
La conferencia de Dartmouth reunió a investigadores interesados en la inteligencia artificial y se convirtió en el punto de partida para muchos de los desarrollos posteriores en el área. Durante este taller, se exploraron temas como redes neuronales, teorías del aprendizaje automático y lenguajes de programación como Lisp. Este encuentro ayudó a establecer la inteligencia artificial como un campo legítimo de investigación científica.
Sin embargo, a pesar del optimismo inicial y las grandes esperanzas depositadas en este encuentro, la realidad fue que los resultados tangibles fueron limitados. La primera tentativa en Dartmouth resultó ser en gran medida vana, ya que las tecnologías y teorías discutidas no produjeron los avances esperados en el corto plazo. Esto condujo a un período de estancamiento y desilusión conocido como el "invierno de la IA", donde el progreso fue mucho más lento de lo anticipado.
Slide 9
El "invierno de la IA" se refiere a dos períodos específicos en la historia de la inteligencia artificial en los que el entusiasmo inicial por el potencial de la IA se vio seguido por una significativa reducción en el financiamiento y el interés en la investigación debido a las expectativas no cumplidas. El primer invierno de la IA ocurrió a finales de los años 70 y principios de los 80, y el segundo en los años 90.
Después de la conferencia de Dartmouth en 1956, que marcó el nacimiento oficial de la IA, se generaron altas expectativas sobre las capacidades de las máquinas inteligentes. Se predijo que las máquinas pronto podrían traducir idiomas, resolver problemas de forma autónoma y mejorar significativamente la vida humana. Sin embargo, estas predicciones no se materializaron rápidamente, y los problemas técnicos, como la falta de capacidad computacional y limitaciones en los algoritmos, impidieron grandes avances.
La desilusión resultante llevó a una disminución en la financiación por parte de gobiernos y otras fuentes de inversión institucional, lo que a su vez ralentizó el progreso en la investigación. Durante estos inviernos de la IA, muchos proyectos fueron cancelados o reorientados, y el campo en general experimentó un estancamiento. A pesar de estos desafíos, el interés y la investigación continuaron a un ritmo más lento, sentando las bases para los futuros avances que eventualmente llevarían a la reactivación y el florecimiento actual del campo de la inteligencia artificial.
Slide 10
La esperanza en el campo de la inteligencia artificial (IA) resurgió con dos eventos históricos que demostraron sus capacidades avanzadas: la victoria de Deep Blue sobre Garry Kasparov en 1997 y el triunfo de AlphaGo sobre Lee Sedol en 2016. Estos momentos fueron cruciales para reavivar el interés y la financiación en la investigación de la IA.
Deep Blue, una supercomputadora desarrollada por IBM, derrotó al campeón mundial de ajedrez Garry Kasparov en una partida que se celebró en mayo de 1997. Aunque el ajedrez es un juego complejo, se basa en un conjunto finito de reglas y posibilidades que pueden ser sistematizadas a través de cálculos mecánicos. La victoria de Deep Blue fue impresionante pero aún considerada por algunos dentro de los límites de una máquina programada para seguir algoritmos muy sofisticados.
Sin embargo, el impacto fue mucho mayor cuando AlphaGo, desarrollado por Google DeepMind, venció a Lee Sedol, uno de los jugadores más destacados de Go, en marzo de 2016. El Go es un juego antiguo chino conocido por su complejidad estratégica, con más de 100 billones de posibles configuraciones del tablero, lo que lo hace sustancialmente más complejo que el ajedrez. Esta victoria no solo mostró una mejora en la capacidad de procesamiento y algoritmos, sino que también sugería la presencia de un "pensamiento" estratégico y adaptativo más allá de simples cálculos mecánicos. La capacidad de AlphaGo para aprender y adaptarse a las estrategias de su oponente fue vista como un indicativo claro de que la IA podía exhibir formas de inteligencia genuinamente sofisticadas y creativas, marcando un hito en el desarrollo de la inteligencia artificial.
Slide 11
ChatGPT es el resultado de una evolución significativa en el campo de la ia, comenzado con el desarrollo de la arquitectura de transformers por Google en 2017. El paper "Attention is All You Need" presentado por Google introdujo este nuevo tipo de arquitectura de red neuronal que se basa en mecanismos permitiendo que los modelos manejen mejor secuencias DE textos LARGOS. Los transformers revolucionaron el campo del procesamiento del lenguaje natural por su capacidad de captar contextos más amplios y generar respuestas más coherentes.
Inspirado por estos avances, OpenAI, FUE fundada una organización sin ánimo de lucro en diciembre de 2015 por Elon Musk, Sam Altman y otros. Se dedica a desarrollar y promover IA amigable y éticamente orientada. OpenAI adoptó y expandió la tecnología de transformers para crear modelos de lenguaje que se llaman los GPT (Generative Pre-trained Transformer).
La serie GPT evolucionó rápidamente, con GPT-3 lanzado en junio de 2020, mostrando una habilidad sin precedentes para generar texto humano-like basado en enormes cantidades de datos entrenados. Este modelo es la base de ChatGPT, diseñado para interactuar en conversaciones de forma natural y coherente. OpenAI continúa trabajando en mejorar las capacidades y la seguridad de estos modelos, pero mas que todo el numero de parametros, es decir el numero de conecciones entre billones y billones de idea. Eso es el motor detras de gpt..
Slide 12
El futuro de la ia es una narrativa de constante evolución. Como Bill Gates señala, la IA no es una moda pasajera; es una realidad incrustada en el tejido de nuestro avance tecnológico que requiere adaptación y aprendizaje continuos. McKinsey & Company proyecta que la IA puede agregar alrededor de 24 billones de dólares al crecimiento económico global, un número que refleja el impacto potencial equivalente a la creación de una nueva economía del tamaño de la de Estados Unidos en una década.
El dilema no es si la IA se integrará en todos los aspectos de la vida, sino cómo y a qué velocidad. El desafío radica en equilibrar la adopción acelerada de estas tecnologías con los controles adecuados para mitigar los riesgos asociados. Esto implica un diálogo continuo entre innovadores, reguladores y la sociedad civil para garantizar que el despliegue de la IA se realice de una manera que maximice los beneficios y minimice los daños potenciales. El futuro de la IA, por tanto, depende no solo de los avances técnicos, sino también de la sabiduría colectiva con la que manejamos su integración en nuestro mundo.
Slide 13
Slide 14
En su libro "The Master Algorithm", Pedro Domingos identifica cinco "tribus" de inteligencia artificial, cada una con su propia perspectiva y metodología para abordar los problemas del aprendizaje automático. Estas tribus representan las principales escuelas de pensamiento en IA. Hay
Simbolistas: Esta tribu se centra en el aprendizaje mediante la manipulación de símbolos y la creación de reglas lógicas. Ven el aprendizaje como un proceso de inversión de la deducción y utilizan métodos como la programación lógica inductiva.
Conexistas: Se inspiran en el cerebro humano y trabajan principalmente con redes neuronales. Esta tribu utiliza algoritmos que imitan la forma en que las neuronas se activan y comunican entre sí, aprendiendo a partir de ejemplos.
Evolucionistas: Tomando pistas de la teoría de la evolución, esta tribu utiliza algoritmos genéticos que simulan la evolución natural para resolver problemas, optimizando las soluciones a lo largo de muchas generaciones.
Bayesianos: Esta tribu se basa en la teoría bayesiana de probabilidades para aprender de los datos. Usan modelos estadísticos para hacer inferencias y predicciones basadas en la actualización de creencias tras observar nueva evidencia.
Analogizadores: Se enfocan en el aprendizaje a partir de analogías y emplean técnicas como el soporte de máquinas vectoriales y el k-nearest neighbors para categorizar y hacer predicciones basadas en la similitud con ejemplos conocidos.
Cada tribu aporta una visión y herramientas únicas al campo de la IA, y la integración de sus enfoques podría llevar a la creación del algoritmo maestro.
Slide 15
Los modelos GPT (Generative Pre-trained Transformers), desarrollados por OpenAI, representan una fusión de conceptos derivados de las tribus Bayesianos y Conexistas en el campo de la inteligencia artificial. Aunque primordialmente basados en la arquitectura de redes neuronales, especialmente transformers, los GPT también incorporan en su funcionamiento principios estadísticos que son característicos de los enfoques Bayesianos.
La arquitectura de transformers, que es el núcleo de los modelos GPT, utiliza lo que se llama "mecanismos de atención" para procesar secuencias de entrada. Esta capacidad para ponderar diferentes partes de la entrada permite que el modelo se enfoque en los aspectos más relevantes para la tarea en cuestión, un enfoque muy alineado con las redes neuronales y la forma en que estas estructuras aprenden de los datos de manera jerárquica y contextual.
Por otro lado, los GPT aplican conceptos Bayesianos al ajustar sus predicciones y generaciones de texto en base a la probabilidad y la incertidumbre, y en base a la pregunta detallada que se llama el prompt. Esto se manifiesta en su capacidad para generar respuestas basadas en la información acumulada durante su entrenamiento preeliminar, ajustando continuamente sus respuestas a medida que reciben nueva información, una estrategia profundamente arraigada en los principios Bayesianos de actualización de creencias.
Entonces, los modelos GPT de OpenAI ejemplifican cómo se pueden combinar las técnicas de redes neuronales con el razonamiento estadístico para crear sistemas de IA robustos y versátiles que mejoran con cada interacción y nuevo dato procesado.
Slide 16
Ahora vamos a ver un par de ejemplos. Primero, la conducción autónoma es un ejemplo destacado del uso de algoritmos simbólicos, la primera tributribus identificada por Pedro Domingos. Esta tecnología se basa en reglas claras y lógicas para tomar decisiones de conducción, procesando símbolos que representan objetos y condiciones del tráfico para operar de manera segura y efectiva.
Los cinco niveles de conducción autónoma marcan la evolución de los vehículos desde la asistencia al conductor hasta la autonomía total. El nivel 1 se caracteriza por ofrecer un solo tipo de asistencia, como el control de velocidad o el mantenimiento de carril. El nivel 2 eleva la apuesta al integrar más funcionalidades, como el aparcamiento automático y la asistencia de dirección, aunque el conductor debe permanecer atento y listo para tomar el control.
El nivel 3 avanza hacia la automatización "condicional", donde el sistema puede manejar la mayoría de las tareas de conducción, pero el humano todavía necesita estar presente y listo para intervenir. En los niveles 1 al 3, el conductor es responsable del monitoreo del entorno.
El cambio significativo ocurre en el nivel 4, donde el vehículo puede operar sin intervención humana en condiciones específicas, como en un área geofenceada o en un modo de conducción autónoma urbana, permitiendo a las personas actuar como pasajeros y desentenderse de la tarea de conducir.
Finalmente, el nivel 5 es la culminación de la autonomía vehicular: el vehículo puede operar en cualquier condición de conducción sin la necesidad de un conductor.
Aquí, la frase "sin manos, sin ojos, sin mente," resuena. El nivel 3 es sin las manos el nivel 4 es sin los ojos el nivel 5 es sin la miente.
Slide 17
El nivel 5 de conducción autónoma representa la máxima categoría en la escala de autonomía vehicular, donde un vehículo es capaz de operar sin ninguna intervención humana en cualquier situación de tráfico. La idea de alcanzar este nivel es fascinante, pero también se enfrenta a desafíos significativos, especialmente en escenarios impredecibles y caóticos como el que se podría encontrar en el Ángel de la Independencia en Ciudad de México a las 7 de la noche.
En un lugar donde las "reglas" del tráfico a menudo son dictadas más por la intuición y la interacción humana que por señales claras y ordenadas, un vehículo totalmente autónomo podría encontrarse completamente perdido. Los autos en nivel 5 necesitan poder interpretar y prever el comportamiento de otros conductores y peatones, algo que es extremadamente difícil en entornos donde las normas se "inventan a gritos y a puños". Sin la capacidad de entender estas dinámicas no escritas y a menudo irracionales, un coche autónomo podría simplemente quedarse parado, incapaz de tomar decisiones seguras y efectivas.
Por estas razones, aunque tecnológicamente avanzados, alcanzar un verdadero nivel 5 de conducción autónoma en todas las condiciones posibles representa un desafío que aún puede ser considerado como imposible con la tecnología actual, dado que carece de la capacidad de intuir y adaptarse como lo haría un conductor humano.
Slide 18
Ahora un ejemplo de aplicación de los algoritmos bayesianos. Un ejemplo sobresaliente de la aplicación de algoritmos bayesianos, parte de las tribus de la IA que describe Pedro Domingos, es el reconocimiento de imágenes de gatos o perros en internet. Esta tecnología utiliza principios bayesianos para actualizar y mejorar continuamente su modelo estadístico a medida que procesa más datos, es decir, imágenes.
Para entrenar un sistema de reconocimiento de imágenes utilizando algoritmos bayesianos, se requieren miles de imágenes etiquetadas de perros y gatos. Esto permite que el modelo ajuste sus predicciones basándose en la probabilidad de que una imagen contenga un perro o un gato, aprendiendo de cada ejemplo nuevo que ve.
Lo que ven aqui Es el resultado del entrenamiento de un algoritmo bayesiano sobre 10,000 fotos. todo este trabajo para reconocer a un chihuahua en el internet.
Quiero llamarle la atención sobre un tema. Contrastando esto con la capacidad humana, como la de una niña pequeña, la diferencia es notable. Una niña puede aprender a reconocer lo que es un perro con solo ver unas pocas imágenes. Esto se debe a que los humanos no solo utilizan características visuales, sino que integran un contexto más amplio y aprendizaje de otras experiencias rápidamente, algo que la inteligencia artificial está lejos de replicar con la misma eficiencia y flexibilidad.
Slide 19
Ahora Un ejemplo de un algoritmo evolucionista.Me encantan estos algoritmos. La antena en la imagen es un excelente ejemplo del uso de un algoritmo genético para el diseño. Fue creada por un programa de computadora que simula la evolución, donde múltiples generaciones de diseños de antenas se "cruzan" y "mutan" en un proceso similar a la selección natural. El objetivo es encontrar la configuración más efectiva para una tarea específica, en este caso, la transmisión o recepción de señales.
Este algoritmo genético comienza con un conjunto de antenas de formas aleatorias, evaluando su rendimiento y seleccionando las variantes más prometedoras. Luego, combina y modifica esos diseños de manera iterativa, creando "descendencia" que hereda características de los "padres" más exitosos. Con cada iteración, la población de diseños evoluciona, buscando optimizar la funcionalidad de la antena.
El resultado es a menudo un diseño que parece poco convencional, como esta antena, que puede parecer extraña a los ojos humanos acostumbrados a formas tradicionales. Sin embargo, fue optimizada para funcionar de manera excepcional en sus condiciones de uso específicas, algo que un diseñador humano no hubiera ideado fácilmente. Esta capacidad de explorar un vasto espacio de diseño sin sesgos humanos es lo que hace que los algoritmos genéticos sean tan fascinantes y poderosos.
Slide 20
Vamos a explorar cómo opera el sistema detrás de ChatGPT, denominado GPT (Generative Pre-trained Transformer). El funcionamiento de GPT se sostiene sobre dos fases esenciales: el preentrenamiento y la afinación o ajuste fino.
En la fase de preentrenamiento, el modelo es alimentado con una inmensa cantidad de texto. Esto implica una fase de aprendizaje donde GPT absorbe las estructuras del lenguaje, como gramática, vocabulario, estilo e incluso la comprensión de matices contextuales. OpenAI ha procesado una cantidad extraordinaria de información, desde la vasta colección de la Biblioteca del Congreso hasta tesis doctorales y millones de correos electrónicos.
¿Qué significa digitalizar en este contexto? Más allá de convertir la información en un formato electrónico, implica desglosar y analizar el contenido a nivel de ideas, estableciendo lo que se conocen como parámetros. Estos parámetros representan las relaciones entre las ideas. En la actualidad, GPT-4 ostenta cerca de 100 trillones de estos parámetros, una cifra astronómica que refleja la complejidad y profundidad del modelo.
Posteriormente, en la fase de afinación, GPT se especializa mediante la incorporación de conjuntos de datos más específicos. Esto le permite adaptarse y optimizar su respuesta a tareas particulares, como la generación de contenido o la traducción de idiomas.
Un aspecto distintivo de ChatGPT es su capacidad para recordar interacciones previas durante una sesión. Por ejemplo, si le pedimos que cree un texto empezando con "yo soy", el modelo evalúa toda la información previa que tiene sobre el usuario para calcular la probabilidad de lo que se quiere expresar, ajustando sus respuestas a partir del contexto proporcionado en conversaciones anteriores.
Ves, la combinación de preentrenamiento y afinación es lo que le permite a GPT generar respuestas que son coherentes y contextualmente pertinentes, mostrando una habilidad para adaptarse y personalizar la interacción basada en un aprendizaje continuo y dinámico.
Slide 21
"¡Sálvese quien pueda!" de Andrés Oppenheimer es un best seller y estudio sobre el futuro del empleo frente a la revolución de la inteligencia artificial y la automatización. El libro plantea una situación en la que hasta la mitad de los trabajos actuales podrían ser reemplazados por tecnología avanzada en las próximas décadas, desafiando a profesiones enteras a adaptarse o enfrentar la obsolescencia. Oppenheimer investiga a fondo este fenómeno global, ofreciendo soluciones para navegar el cambiante panorama laboral y señalando cuáles serán las profesiones más seguras y los países más afectados.
La Peste Negra, con su mortalidad del 50%, tuvo un impacto similar al de dejar hoy en día la mitad de la población sin trabajo. Imagine el caos social, económico y político que resultaría de una pérdida de empleo tan masiva.
Yo no acredito en eso. O mas bien, Me niego rotundamente a creerlo.
Slide 22
Sam Altman, líder de OpenAI, expresó una idea similar: dijo que la automatización podría llevar a que el 50% de la población pierda sus trabajos, sugiriendo que un salario universal podría ser la solución. Manifestó algo aún más grave: aparte de perder su trabajo y de sobrevivir miserablemente con el salario universal, podríamos darles realidad virtual para que nos dejen en paz. Esta idea refleja una lógica típica de Silicon Valley, donde los problemas empresariales a menudo se "resuelven" con despidos masivos y una semi generosa liquidación. Sin embargo, aplicar esta estrategia a un contexto macroeconómico presenta desafíos significativos.
La propuesta de Altman de un ingreso universal como paliativo a la pérdida masiva de empleos plantea cuestiones profundas sobre la estructura de nuestra sociedad y economía. ¿Es realmente viable un futuro en el que el 50% de la población reciba un pequeño pago por no trabajar y pasar su tiempo libre frente a la televisión? Este escenario no solo cuestiona la sostenibilidad financiera del sistema, sino también las implicaciones psicológicas y sociales de desvincular a la gente del trabajo productivo. La idea de mantener a gran parte de la población en un estado de inactividad remunerada parece, por muchos motivos, una solución improbable e insatisfactoria a los desafíos que plantea la automatización.
Le voy a compartir también una perspectiva personal: hay un país en el mundo donde hay salario universal, es Francia, se llama el RSA y básicamente, quien no quiere o no puede trabajar, el gobierno le da unos 700 euros por mes por hacer nada. Y eso es la razón por la cual Francia tiene más marchas, protestas, disturbios y motines que cualquier país en el mundo. Es porque aquí hay un grupo de personas amargadas, pagadas para hacer nada, que tiene tiempo de organizarse para hacer la revolución. Si lo que quiere Silicon Valley es crear un 50% de la población así, lo que vamos a tener son disturbios, marchas, protestas y, al final, una revolución.
Slide 23
Los luditas, nombre derivado de Ned Ludd, fueron un grupo de trabajadores ingleses del siglo 19 que, entre 1811 y 1816, destruyeron maquinaria en la industria textil y otros sectores, ya que consideraban que estas les robaban el trabajo y empeoraban sus condiciones laborales. No se oponían a la tecnología en sí, sino al impacto socioeconómico que esta tenía sobre ellos sin regulaciones adecuadas.
Esta resistencia no fue insignificante. De hecho, llegó a ser tal su fuerza que en un momento, el gobierno británico empleó a más soldados combatiendo esta resistencia interna que los que luchaban contra Napoleón, el emperador de Francia y acérrimo enemigo de Inglaterra. Los luditas no solo representaban un desafío para el avance de la industrialización, sino también para la estabilidad política de un país enfrascado en guerras externas y con tensiones internas. Su lucha puso en evidencia la necesidad de considerar el impacto humano de la revolución industrial y de la modernización tecnológica, un debate que persiste en la actualidad con el avance de la automatización y la inteligencia artificial.
Slide 24
Dicho eso, la IA no es una tendencia pasajera; su impacto y presencia continuarán creciendo globalmente. Como lo menciona el estudio de McKinsey que ya he mencionado, se espera que la IA genere un impresionante crecimiento económico, añadiendo 25 billones de dólares al PIB global. Este avance no solo es una oportunidad para las economías avanzadas, sino también para mercados emergentes como México, que está excepcionalmente bien posicionado para capitalizar los beneficios de la IA.
México cuenta con una población joven y tecnológicamente hábil, con un alto porcentaje de millennials y centennials adaptados y receptivos a nuevas tecnologías. Esta base de talento es vital para adoptar y avanzar en la aplicación de la IA. Además, el país disfruta de un ecosistema emprendedor en expansión, con muchas startups enfocadas en desarrollar soluciones innovadoras usando IA. Esta atmósfera de innovación es crucial para el crecimiento y la adaptación tecnológica.
El compromiso del gobierno mexicano con la promoción de la IA también es notable, manifestándose en iniciativas para fomentar la investigación y el desarrollo tecnológico, además de la capacitación necesaria para equipar a la fuerza laboral con las habilidades requeridas en un mundo impulsado por la IA. Asimismo, México aprovecha su vasta cantidad de datos en sectores clave y su posición estratégica para acceder a mercados importantes en América. Estos factores colocan a México en una posición ventajosa para liderar en la era de la inteligencia artificial en la región.
Slide 25
Esta gráfica ilustra las funciones empresariales que se prevé serán más afectadas por las nuevas tecnologías, destacando áreas donde la inteligencia artificial y la automatización tendrán un impacto significativo. Las áreas de ventas y mercadotecnia se muestran como las más impactadas, lo que sugiere que la IA transformará radicalmente cómo las empresas se acercan al cliente y optimizan sus estrategias de mercado.
En el eje vertical, vemos el Impacto en billones de USD, lo que indica la magnitud económica que estas tecnologías podrían tener en cada función empresarial. Mientras tanto, el eje horizontal muestra el "Impacto relativo en el total de casos de uso completos", proporcionando una idea del alcance de la adopción de la IA en las diversas funciones empresariales.
Operaciones, tecnologías de la información relacionadas con operaciones y gestión de productos son otras áreas con alto impacto económico y adopción relativa. Esto podría reflejar la eficiencia que la IA aporta a la optimización de procesos y la gestión de la cadena de suministro.
Investigación y modelización también destacan, lo que implica que la IA permitirá avanzar en la comprensión y predicción de tendencias y comportamientos, fundamental para la innovación de productos y servicios.
En menor medida, pero aún con impacto significativo, encontramos a producción, finanzas, recursos humanos y estrategia. Estas funciones podrían beneficiarse de la automatización de tareas y el análisis de datos, aunque en una escala más modesta en comparación con ventas o marketing.
Entonces, la gráfica proporciona una visión esencial sobre cómo la IA y la automatización redefinirán la forma en que las empresas funcionan, apuntando a una revolución en la gestión de las relaciones con clientes, operaciones y estrategias de negocio.
Slide 26
Exploraremos las herramientas de inteligencia artificial disponibles para distintas industrias, comenzando por la mercadotecnia. En este sector, la IA ofrece soluciones como Copy.ai, que genera textos cortos ideales para redes sociales y correos electrónicos a un precio accesible, facilitando la creación de contenido dinámico y atractivo. Por otro lado, Jasper.ai se posiciona como una opción más sofisticada y costosa, diseñada para escribir contenido extenso como blogs y artículos, y para automatizar flujos de trabajo, mejorando la eficiencia en la estrategia de contenido y la gestión de tareas de mercadotecnia.
Slide 27
Realizar un recorrido completo por todas las empresas de inteligencia artificial que están emergiendo y desapareciendo es una tarea hercúlea y prácticamente imposible. El panorama de la IA es tremendamente dinámico, con nuevas startups que irrumpen constantemente mientras que otras desvanecen. Esto se debe a varios factores, como la rápida evolución de la tecnología, la intensa competencia y el cambio constante en las demandas del mercado. Un ejemplo de esto es Tripnotes, una empresa que utilizaba IA para planificar viajes. Yo la usaba, yo la queria, pero , como muchas otras, desaparecio. Pudo haber enfrentado retos insuperables como la falta de financiamiento, cambios en las regulaciones o la incapacidad para escalar su modelo de negocio de manera sostenible. La volatilidad del sector de la IA significa que, incluso para las empresas prometedoras, las condiciones de mercado y la viabilidad a largo plazo son siempre muy muy inciertas.
Slide 28
En el mundo del fútbol, ¿siempre ganan los mismos? ¡Menudo misterio!
En 2018, Francia se llevó la Copa del Mundo, y en 2022 Argentina le arrebató el trofeo. ¡Qué casualidad que ambos tienen equipos plagados de estrellas y mucho dinero!
En el fascinante mundo de la IA, la historia es similar. Google y Microsoft son como los Messi y Mbappé de la tecnología: ¡inamovibles en la cima!
Con su billetera rebosante, atraen a los mejores talentos y construyen infraestructuras dignas de la NASA. Son como las selecciones con tradición: siempre favoritas, siempre protagonistas.
Al igual que en el fútbol, donde un equipo pequeño puede dar la sorpresa, en la IA también hay esperanza para los desfavorecidos. Startups audaces, como un Leicester City tecnológico, sueñan con destronar a los gigantes.
Pero la realidad es dura: la IA es un juego caro, y solo unos pocos tienen las llaves del reino. Los demás solo pueden mirar y soñar con un futuro donde la innovación no sea solo para unos pocos.
¿Será este el futuro de la IA? ¿Un monopolio de gigantes tecnológicos donde la creatividad se mide en dólares y el ingenio en líneas de código?
El tiempo lo dirá. Pero por ahora, sigamos disfrutando del espectáculo y apoyando a esos pequeños equipos de IA que luchan contra viento y marea por un pedacito de gloria. ¡A veces, la magia sucede!
Slide 29
Ya Hemos llegado al 100 si quieren ver demos y práctica pueden verlas en otras páginas de universidad gpt.com la idea final que los quería dejar es si quieren realmente un criterio para decir lo que es la iam en comparación de lo que es una programación estándar de cómo la hacíamos hace desde muchos años pues les diría que la ia es la programación donde nunca sabe usted lo que el sistema le va a tirar es impredecible lo que chat gpt le va a contestar es impredecible lo que mi yo ni le va a generar eso es la diferencia entre una programación clásica como la hacíamos él allá la ya y más y más va a ser así son sistemas en donde no se sabe lo que va a salir y eso da un poco de miedo pero también un poco de frío
Slide 30
Pues ya hemos acabado esta presentación. Para aquellos ávidos de demos y sesiones prácticas, otras plataformas como universidadgpt.com ofrecen abundantes recursos. La reflexión final que quiero compartir es sobre la distinción fundamental entre la programación tradicional y la inteligencia artificial moderna. La IA, en esencia, es una caja de sorpresas; nunca sabes con certeza qué respuesta obtendrás de ChatGPT o qué imagen creará DALL-E. Este nivel de imprevisibilidad es lo que separa a la IA de los métodos de programación estándar de antaño. Con la IA, nos adentramos cada vez más en un territorio donde el resultado es una incógnita, una perspectiva que puede ser tan inquietante como emocionante. Este es el nuevo paradigma que nos invita a equilibrar nuestro temor con la fascinación por lo desconocido.
Comentários