Notas sobre aprendizaje por refuerzo (y XV): meta aprendizaje
En este post se presentan dos formas de reutilización del conococimiento en deep learning: el transfer learning y el meta aprendizaje.
Notas sobre aprendizaje por refuerzo (XIV): aprendizaje jerárquico
Abordamos el aprendizaje jerárquico, es decir la descomposición de un problema en sub-problemas y el aprendizaje de cómo realizar cada una.
Tendencias en el desarrollo y entrenamiento de modelos generativos
Datos sobre el entrenamiento de modelos generativos y sus dimensiones y tendencias de trabajo para mayor eficiencia y desempeño.
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.
Una comparativa entre la cognición humana y los modelos generativos de IA
Se presenta una comparativa, en siete aspectos, entre la cognición humana y lo que aportan los modelos generativos de IA
Pensar la tecnología desde la filosofía con Antonio Diéguez
Reseña de ‘Pensar la tecnología’ de Antonio Diéguez, un enfoque filosófico de la tecnología, sus aspectos éticos y su impacto.
Computación afectiva y voz: detección de estados anímicos en la cara y en la voz
Hablamos de Computación afectiva y voz viendo cómo se utilizan elementos físicos del sonido de la voz con las emociones.
Notas sobre aprendizaje por refuerzo (XIII): sistemas multi-agente
Hablamos de sistemas multi-agente, donde tienen cabida enfoques competitivos y colaborativos y que constituye un campo de investigación.
Tres formas de personalizar un LLM
En este post se describen tres formas de personalizar un LLM : mediante fine tunning, mediante RAG y mediante interacción con el usuario.
Notas sobre aprendizaje por refuerzo (XII): autoaprendizaje y el caso de AlphaGo y AlphaZero
En este post hablamos del aprendizaje por refuerzo para casos con dos agentes y explicamos el muy interesante concepto de autoaprendizaje.