Tecnología Digital | Ignacio G.R. Gavilán

Identificamos motivos para construir robots humanoides, tanto intrínsecos como de innovación y mercado para justificar el interés actual.

Abordamos el aprendizaje jerárquico, es decir la descomposición de un problema en sub-problemas y el aprendizaje de cómo realizar cada una.

Datos sobre el entrenamiento de modelos generativos y sus dimensiones y tendencias de trabajo para mayor eficiencia y desempeño.

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.