Inteligencia Artificial: machine learning, deep learning, redes neuronales, sistemas expertos, algoritmos genéticos
Este es el segundo post de la pequeña serie que quiero dedicar hacia la, al menos en mi opinión, evolución de la inteligencia artificial hacia un enfoque mucho más transversal aunque, como expliqué en el post anterior, prefiero no darle el nombre de ‘general’ y quedarme en ese ‘transversal’ que he mencionado. En ese post anterior me centré en la difuminación…
En la inteligencia artificial se borra la frontera entre discriminativa y generativa y avanzamos hacia inteligencia artificial transversal.
Desarrollo la idea de que en machine learning se adopta un enfoque de fenomenología y exploro el posible impacto en nuestro conocimiento.
Una reflexión sobre la lingüística computacional y el papel de los Lingüistas en el desarrollo actual de la inteligencia artificial.
En este post se explica el porqué es muy difícil garantizar el derecho al olvido cuando se utilizan grandes modelos de lenguaje.
Se muestran las diferencias de Modelos fundacionales versus modelos tradicionales de machine learning en opinión propia y de Chip Huyen.
El concepto de ingeniería de inteligencia artificial y tres factores que explican el crecimiento de las soluciones de inteligencia artificial
Frente al posible abandono de las capacidades cognitivas frente a los LLM se destaca la ventaja de los expertos y el conocimiento.
Comprender que la inteligencia artificial es una ingeniería, una inteligencia diseñada nos permite evitar fantasías y entender sus retos.
En este post se presentan dos formas de reutilización del conococimiento en deep learning: el transfer learning y el meta aprendizaje.