Algunas limitaciones en los modelos razonadores… de momento
Revisamos algunas limitaciones en los modelos razonadores que encontró un equipo de Apple en un estudio de hace unos meses.
Tecnologías digitales. Tendencias tecnológicas. Estándares. Personajes.
Revisamos algunas limitaciones en los modelos razonadores que encontró un equipo de Apple en un estudio de hace unos meses.
Alternativas a considerar a los agentes como un martillo de oro y revisamos algunas soluciones híbridas y los ecosistemas de agentes
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
En Amazon AWS breaks guitars, y con la metáfora del caso de Dave Carrol, me quejo de un muy mal servicio por parte de Amazon AWS
Hablamos de tokens y embeddings y cómo su uso, con la arquitectura y entrenamiento adecuados conduce a resultados sorprendentes, casi magia.