Trece retos para los sistemas generativos en el inicio de 2025
El post plantea trece retos para los sistemas generativos y algunas formas de hacerles frente, tal y como se ve en el inicio de 2025.
Tecnologías digitales. Tendencias tecnológicas. Estándares. Personajes.
El post plantea trece retos para los sistemas generativos y algunas formas de hacerles frente, tal y como se ve en el inicio de 2025.
Se presenta una comparativa, en siete aspectos, entre la cognición humana y lo que aportan los modelos generativos de IA
Hablamos de Computación afectiva y voz viendo cómo se utilizan elementos físicos del sonido de la voz con las emociones.
Hablamos de sistemas multi-agente, donde tienen cabida enfoques competitivos y colaborativos y que constituye un campo de investigación.
En este post se describen tres formas de personalizar un LLM : mediante fine tunning, mediante RAG y mediante interacción con el usuario.
En este post hablamos del aprendizaje por refuerzo para casos con dos agentes y explicamos el muy interesante concepto de autoaprendizaje.
Se cuentan los fundamentos de RAG (Retrieval Augmented Generation) como una forma de extensión y personalización de modelos generativos.
Avanzando en la revisión del aprendizaje por refuerzo, en este post se revisan brevemente los métodos basados en modelo
El aprendizaje por refuerzo, en la situación de problemas continuos y métodos basados en políticas, puede usarse en locomoción de robots.
Reseña del libro ‘Azure OpenAI Service for Cloud Native Applications’ de Adrián González , un recorrido muy completo por este servicio.