Los agentes y el martillo de oro (II): agentes y medio ambiente
Hablamos de agentes y medio ambiente considerando si son siempre la mejor solución, en este caso bajo el punto de vista de la sostenibilidad.
Inteligencia Artificial: machine learning, deep learning, redes neuronales, sistemas expertos, algoritmos genéticos
Hablamos de agentes y medio ambiente considerando si son siempre la mejor solución, en este caso bajo el punto de vista de la sostenibilidad.
Hablamos de martillo de oro y agentes, el eventual vicio de considerar a los agentes como la única solución, en este caso para automatización.
Razonamos sobre el uso de la humanidad como metáfora en el caso de la inteligencia artificial: su motivación y su conveniencia.
Probablemente, una de las áreas en que más se trabaje, o al menos que, digamos, más ‘preocupación’ genere en el tema de los agentes IA sea la gobernanza de éstos y, más específicamente, como gestionarlos adecuadamente en producción, cómo hacer que sean seguros, cómo vigilar que tengan un comportamiento correcto, cómo asegurar que funcionan como esperamos que funcionen.…
Se comenta Cómo aprenden los agentes usando métodos no paramétricos de aprendizaje: ejemplos, reflexión y experiencia.
Se especula sobre el sentido de una geometría y una cinemática, en grandes modelos de lenguaje, con trayectorias, velocidades, etc
Hablamos de tokens y embeddings y cómo su uso, con la arquitectura y entrenamiento adecuados conduce a resultados sorprendentes, casi magia.
¿Puede la aleatoriedad algorítmica en modelos generativos, caso de existir, dar lugar a un libre albedrío de las máquinas?
Se muestran algunas grietas en el determinismo de los algoritmos generativos y LLM que hasta ahora habíamos observado.
Hablo de los parámetros que gobiernan la aleatoriedad en grandes modelos de lenguaje y relaciones con el eventual determinismo.