Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Ia de Nils Primer Ciclo

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 4

1.

Que concepto se acerca más a la definición de

inteligencia artificial?

"simulación de procesos de inteligencia humana por parte de máquinas"

"La inteligencia artificial es la capacidad de una máquina o programa de computadora para


realizar tareas que normalmente requerirían inteligencia humana".

2. Define GPT:

GPT es un modelo de inteligencia artificial que utiliza la arquitectura Transformer y se destaca


por su capacidad para entender y generar lenguaje humano.

3. Iker nos regala una conclusión sobre las i.a. el creo una

para un foro de discusión, cual era esa conclusión?

"La inteligencia artificial es una tecnología transformadora con el potencial de impactar


positivamente en nuestra sociedad. Aunque presenta desafíos y preocupaciones, si se
desarrolla y utiliza de manera ética, puede abrir nuevas oportunidades y soluciones
innovadoras en diversos campos. Es esencial fomentar el debate responsable y la colaboración
para aprovechar al máximo los beneficios de la IA y abordar sus posibles riesgos con
responsabilidad y precaución."

4. ¿Qué es el embedding?

"El embedding es una representación numérica de palabras o frases en un espacio vectorial,


utilizado para capturar similitudes y relaciones semánticas en el procesamiento del lenguaje
natural."

5. Menciona los dos papers (resultado de investigación) con

respecto al desarrollo de la i.a. en Microsoft y Google.

Microsoft:

Paper: "DensePose: Dense Human Pose Estimation In The Wild"

Autores: Rıza Alp Güler, Natalia Neverova, Iasonas Kokkinos

Año: 2018

Resumen: Este paper presenta DensePose, un enfoque que aborda el desafío de estimar la
pose humana densa en imágenes "en la naturaleza" (en entornos del mundo real). Utiliza una
red neuronal para obtener una asociación densa entre puntos 3D en el modelo humano y los
píxeles 2D en la imagen. La estimación de pose densa tiene aplicaciones en la realidad
aumentada, el seguimiento de cuerpos humanos y la interacción humano-máquina.
Google:

Paper: "Attention Is All You Need"

Autores: Vaswani, Ashish, et al.

Año: 2017

Resumen: Este es uno de los papers más influyentes y fundamentales en el desarrollo de la


inteligencia artificial, específicamente en el campo del procesamiento del lenguaje natural
(NLP). Introduce el modelo Transformer, que es una arquitectura de red neuronal basada en
mecanismos de atención. El Transformer ha revolucionado el campo del NLP, permitiendo
avances en traducción automática, generación de texto y muchas otras tareas de lenguaje
natural, superando a los modelos previos que dependían más de las redes recurrentes.

6. Inferencia de una i.a. genera un problema:

Tiempo de ejecución: La inferencia a menudo implica aplicar el modelo entrenado para realizar
predicciones en nuevos datos. Algunos modelos de inteligencia artificial, especialmente los
más grandes y complejos, pueden requerir mucho tiempo para realizar inferencias en tiempo
real, lo que podría ser un problema en aplicaciones que necesitan respuestas rápidas.

Recursos computacionales: Los modelos de inteligencia artificial avanzados pueden requerir


una gran cantidad de recursos computacionales, como unidades de procesamiento gráfico
(GPU) o unidades de procesamiento tensorial (TPU). Esto puede ser costoso y poco práctico
para algunos sistemas, especialmente aquellos con recursos limitados.

Tamaño del modelo: Algunos modelos de inteligencia artificial pueden ser muy grandes y
ocupar una cantidad significativa de espacio de almacenamiento, lo que puede ser un
problema en dispositivos con capacidad limitada o en sistemas que necesitan alojar múltiples
modelos.

Privacidad y seguridad: En aplicaciones donde la inferencia involucra el procesamiento de


datos sensibles, existe el riesgo de que información confidencial se vea comprometida si los
modelos no se implementan correctamente con medidas de seguridad adecuadas.

Sesgo y equidad: Los modelos de inteligencia artificial pueden aprender sesgos inherentes
presentes en los datos de entrenamiento, lo que podría llevar a predicciones injustas o
discriminatorias en la fase de inferencia. Esto es especialmente problemático en aplicaciones
críticas, como la toma de decisiones en el ámbito judicial o médico.

Generalización deficiente: Un modelo de inteligencia artificial puede tener un buen


rendimiento en datos de entrenamiento, pero puede tener dificultades para generalizar
correctamente a datos nunca antes vistos durante la fase de inferencia. Esto podría llevar a
predicciones inexactas o poco confiables.

7. “Synthesia io” y opus se encargan de hacer....

"Synthesia io" se encarga de la generación de videos sintéticos con IA, mientras que "Opus" es
un códec de audio de código abierto para compresión de alta calidad y baja latencia.

8. Cuál era el problema con las i.a. que generan imágenes a

partir de texto:

El problema con las IA que generan imágenes a partir de texto es la falta de control y
especificidad en la generación, lo que puede llevar a imágenes incoherentes o con sesgos.

9. Al crear tu site con el 100% de contenido generado por

i.a. se observó que el texto a comparación de las imágenes era peor o mejor.

La calidad del contenido generado por IA (texto) puede variar en comparación con las
imágenes, dependiendo de la tarea y el contexto específico.

10. Con respecto a la elaboración de contenido para una web

es mejor utilizar recomendaciones de la i.a. o utilizar el contenido completo

que ellas generan.

Utilizar recomendaciones de la IA y ajustar el contenido humano puede ser la mejor opción.

11. ¿Qué es tokenizacion?

Tokenización: División del texto en unidades más pequeñas llamadas "tokens" (palabras,
subpalabras o caracteres) para facilitar el procesamiento del lenguaje natural.

12. ¿Qué es deeplearning?

Deep Learning es una rama del aprendizaje automático que utiliza redes neuronales artificiales
para aprender y procesar datos en múltiples capas.
13. ¿Qué es una red neuronal??

14. ¿Qué es RLFHF?

15. Describe a Peter Sield

16. ¿Qué es BARD y cual fue es su dificultad para competir

contra CHATGPT?

17. Pueden ser las i.a. Una gran fuente de desinformación

18. ¿Qué es LEMATIZACIÓN?

19. Define SAMPLING bajo el contexto del desarrollo de las

i.a.

20. ¿Cuáles fueron las fuentes que se usaron para entrenar a

gpt3?

También podría gustarte