Categoría: Inteligencia Artificial

Inteligencia Artificial: machine learning, deep learning, redes neuronales, sistemas expertos, algoritmos genéticos

Se describen cinco perfiles de desarrollo software con inteligencia artificial, usando y creando agentes de código.

Con la explosión de los agentes y sus necesidades de memoria y conocimiento, están creciendo los grafos de conocimiento.

Se argumenta que la representación del conocimiento que parecía perdida en la IA, parece retornar con fuerza en aplicaciones como los agentes.

Para cerrar la serie sobre la obtención de modelos razonadores a partir de modelos de lenguaje, hablamos del destilado (‘distillation’).

Especulamos con la idea de que las aplicaciones basadas en LLMs, sobre todo agentes, utilicen mecanismos similares a la delegación cognitiva

Describimos el aprendizaje por refuerzo con feedback humano (RLHF) como un mecanismo para convertir un modelo de lenguaje en modelo razonador.

Comentamos la estrategia de aprendizaje por refuerzo con recompensas verificables (RLVR) como forma de entrenamiento para modelos razonadores.

Identifico un fenómeno, ‘el dilema del inteligente’ que puede retrasar la adopción de la IA por parte de personas talentosas.

Presentamos la técnica de auto-refinamiento, una forma de conseguir que un gran modelo de lenguaje actúe como razonador.

Presentamos dos técnicas de prompting que ayudan a que un modelo razone, aunque supongan mayor coste computacional.