00:00:04
Hola amigos Cómo están son cinco y media
00:00:07
de la mañana y estoy en el aeropuerto de
00:00:09
Lima rumbo a Bogotá nuestro vuelo sale
00:00:12
en una hora y media más o menos y estoy
00:00:13
muy feliz porque después de seis años
00:00:15
regreso a Bogotá y como nuestro vuelo
00:00:18
sale en una hora y media y no tengo nada
00:00:19
que hacer en ese tiempo voy a grabarles
00:00:21
un videito hablándole sobre la
00:00:23
Inteligencia artificial porque desde que
00:00:24
se lanzó a dividir en noviembre del año
00:00:26
pasado todo el mundo habla de
00:00:29
Inteligencia artificial y han salido
00:00:30
supuestos expertos hasta de debajo de
00:00:32
las piedras pero más allá de eso la
00:00:34
Inteligencia artificial es un tema que
00:00:35
tienes que conocer sea cual sea tu
00:00:37
profesión por eso en este vídeo te voy a
00:00:39
explicar de manera súper sencilla los 20
00:00:41
conceptos más importantes que debes
00:00:43
conocer sobre Inteligencia artificial
00:00:44
Así que si eres de los que solo saben
00:00:46
decir prom y como la mayoría de gurús de
00:00:49
internet Quédate porque hoy sí vas a
00:00:51
entender la Inteligencia artificial
00:00:52
porque tú sabes que en español nada
00:00:54
explica mejor que de ti
00:00:56
entonces empecemos por el principio
00:00:58
preguntándonos Qué es la Inteligencia
00:01:00
artificial y es la capacidad que tienen
00:01:02
las computadoras para realizar tareas
00:01:04
propias de la inteligencia humana y este
00:01:06
es un concepto que ha obsesionado la
00:01:08
humanidad desde tiempos muy antiguos por
00:01:10
ejemplo la primera mención a este
00:01:13
concepto fue en el siglo quinto antes de
00:01:16
Cristo cuando un poeta griego en una
00:01:18
obra mencionó una máquina que podía
00:01:20
pensar y escribir poesía obviamente era
00:01:22
ficción pero ya la gente está pensando
00:01:24
en eso pero el término Exacto
00:01:26
Inteligencia artificial fue introducido
00:01:29
en 1956 por John mccarthy quien además
00:01:33
creó el lenguaje de programación list
00:01:36
enfocado específicamente en Inteligencia
00:01:38
artificial hace 67 años
00:01:41
ya estamos embarcando embarcando Bueno
00:01:45
buenas buenas buenas estos asientos
00:01:47
chiquititos
00:01:53
[Música]
00:01:56
el número 2 es el test de turing Por
00:01:59
cierto ya estamos en el avión a punto de
00:02:01
despegar mi hijo está ahí tomándole
00:02:03
videos a la ventana y Bueno les cuento
00:02:05
sobre el test de touring Y es que en
00:02:07
1950 la altura pensó que puesto que la
00:02:09
programación sigue las leyes de la
00:02:10
lógica y del pensamiento humano también
00:02:12
era razonable que las computadoras
00:02:14
pudieran vencer Así que propuso un
00:02:16
tercer que llamó el juego de limitación
00:02:18
pero que la historia ha recordado como
00:02:20
el test de turín este test consiste en
00:02:22
que una persona llamada juez mantiene un
00:02:25
diálogo vía texto con una computadora y
00:02:27
con una persona a las que no puede ver
00:02:29
si el juez no logra diferenciar Quién es
00:02:31
la computadora y quién la persona la
00:02:33
computadora ha superado el test y es una
00:02:35
máquina pensante por mucho tiempo se
00:02:37
creyó que este test no podía superarse
00:02:39
pero al día de hoy ya ha sido vencido
00:02:44
vamos a leer en la tierra ya
00:02:48
[Música]
00:02:55
Ya estoy en Bogotá oficialmente fue un
00:02:57
viaje de tres horas es un viaje corto
00:02:59
pero a mí me fue muy pensado porque casi
00:03:01
no he dormido así que fue difícil pero
00:03:03
ya estoy acá ya estoy bastante contento
00:03:05
Así que continuemos y el siguiente
00:03:07
término que debes conocer es machine
00:03:10
learning seguro lo has escuchado y es
00:03:11
que si la Inteligencia artificial es la
00:03:13
capacidad de una computadora para
00:03:15
realizar tareas propias de la
00:03:16
inteligencia humana el Machine learning
00:03:18
es el proceso para conseguirlo el
00:03:21
Machine consiste en entrenar una
00:03:22
computadora con grandes cantidades de
00:03:24
datos para que pueda encontrar patrones
00:03:26
a través de probabilidades y
00:03:28
estadísticas a partir de esos patrones
00:03:30
la computadora es capaz de identificar
00:03:32
nuevos datos predecir datos futuros o
00:03:35
tomar decisiones los datos son para el
00:03:37
Machine learning como la gasolina para
00:03:39
un auto si antes nuestros datos se
00:03:40
usaban Para enviarnos publicidad ahora
00:03:42
se usan para entrenar a la guía
00:03:47
[Música]
00:03:53
Listo ya pasamos migraciones suavecito
00:03:56
rapidito cheverísimo llegar a Colombia y
00:03:58
vamos a recoger las maletas así que de
00:04:01
paso le voy contando el siguiente
00:04:02
concepto que es modelo porque
00:04:04
seguramente has escuchado que gpt 4 o
00:04:06
llamados son modelos Pero qué es un
00:04:08
modelo en la Inteligencia artificial un
00:04:10
modelo es una representación matemática
00:04:12
de un sistema real de datos Este modelo
00:04:14
es capaz de captar los patrones y las
00:04:17
relaciones entre los elementos de un
00:04:18
sistema en sencillo son como los
00:04:20
algoritmos en la programación con una
00:04:22
pequeña diferencia los algoritmos son
00:04:24
diseñados y escritos por programadores
00:04:26
para generar datos de salida a partir de
00:04:28
datos de entrada mientras que en los
00:04:30
modelos tenemos los datos de entrada y
00:04:32
los de salida pero no tenemos el
00:04:34
algoritmo y es a través de prueba y
00:04:36
error y mucha matemática que se obtiene
00:04:38
ese algoritmo O mejor dicho modelo que
00:04:41
es la base de la guía el siguiente
00:04:43
concepto es el Deep learning Y es que el
00:04:45
Machine learning usa algoritmos basados
00:04:46
en probabilidades y estadísticas para
00:04:49
entrenar a sus modelos y que sirven muy
00:04:51
bien para determinados usos pero en
00:04:53
problema más complejos como el
00:04:55
reconocimiento facial de la escritura a
00:04:58
mano o la conducción Autónoma estos
00:05:00
algoritmos no bastan es aquí donde entra
00:05:03
el aprendizaje profundo o Deep learning
00:05:04
que usa redes neuronales Y es capaz de
00:05:08
ir mejorando sus modelos sin
00:05:09
intervención humana evaluándose a sí
00:05:11
mismo del locos todos los modelos de
00:05:14
guía que nos tienen alucinando en la
00:05:16
actualidad están entrenados con Deep
00:05:18
learning ya estamos a un pasito de salir
00:05:20
del aeropuerto y entrar oficialmente en
00:05:22
Bogotá y mientras tanto te voy contando
00:05:24
el siguiente concepto que son las redes
00:05:25
neuronales porque como te dije el Deep
00:05:27
learning está basado en redes neuronales
00:05:28
que son un modelo de cómputo que emula
00:05:30
las redes neuronales biológicas del
00:05:32
cuerpo humano con el fin de imitar la
00:05:34
estructura del pensamiento humano la
00:05:36
redes neuronales están conformadas de
00:05:38
muchos elementos Pero hay dos que son
00:05:40
fundamentales número uno los nodos que
00:05:42
representa n una neurona y reciben
00:05:43
información o datos de entrada que
00:05:45
provienen de otras neuronas procesan
00:05:47
esos datos y entregan el resultado o
00:05:49
datos de salida a otra neurona que
00:05:51
repetirá el proceso y dos las capas que
00:05:53
son conjuntos de neuronas o nodos
00:05:55
destinadas a una tarea en específico por
00:05:57
ejemplo una capa puede reconocer la
00:05:58
forma de una imagen otra capa puede
00:06:00
reconocer colores otra capa volumen
00:06:02
etcétera
00:06:03
listo oficialmente salimos del
00:06:07
aeropuerto y llegamos a Bogotá Ay Ahí
00:06:09
está mi tío Alexis
00:06:13
señor cómo vas muy bien y ahora el
00:06:17
siguiente concepto son los parámetros
00:06:19
que son las conexiones entre los nodos
00:06:20
de una red neuronal o más sencillo cada
00:06:23
línea en el gráfico de una red neuronal
00:06:25
a más parámetros más poderosa la red
00:06:28
neuronal y el modelo entrenado con ella
00:06:30
por ejemplo el tiene 175 millones de
00:06:33
parámetros dentro de los parámetros
00:06:35
Existen dos conceptos fundamentales los
00:06:37
pesos y los sesgos los pesos indican el
00:06:40
nivel de importancia de cada uno de los
00:06:42
datos mientras que los sesgos ayudan a
00:06:44
hacer predicciones más específicas lo
00:06:47
interesante de esto es que tanto los
00:06:48
pesos como los sesgos son ajustados
00:06:50
automáticamente por la red neuronal en
00:06:52
un proceso de prueba y error continuo
00:06:54
sin intervención humana
00:06:57
Alexis ahí me está pidiendo el desayuno
00:07:00
saluda Alexis
00:07:02
porque estamos en desayunar desde
00:07:04
madrugada les cuento el siguiente
00:07:06
concepto que es la red neuronal
00:07:09
convolucional y este tipo de red
00:07:12
neuronal es el específico para
00:07:13
reconocimiento de imágenes puesto que su
00:07:16
procesamiento requiere ir Pixel por
00:07:18
píxel es decir cuadro por cuadro de la
00:07:19
imagen recuerda que las redes neuronales
00:07:21
tienen capas pues las redes neuronales
00:07:24
convolucionales tienen una capa llamada
00:07:25
convolución de ahí su nombre que se
00:07:28
encarga de identificar las imágenes con
00:07:30
procesos matemáticos que calculan cada
00:07:32
Pixel gracias a estas redes la guía
00:07:35
puede reconocer personas en fotos
00:07:36
convertir la escritura a mano a texto y
00:07:39
los autos que se manejan solos pueden
00:07:40
reconocer personas o objetos esta rama
00:07:43
de la ia se conoce como visión por
00:07:45
computadora el siguiente concepto son
00:07:47
los Transformers y no no les doy Optimus
00:07:50
Prime porque así como las redes
00:07:52
neuronales convolucionales son la base
00:07:54
para el procesamiento de imágenes
00:07:57
los Transformers no son para el
00:07:58
reconocimiento del lenguaje humano
00:07:59
cuando era niño mi papá me decía que si
00:08:02
le hablabas a una computadora esa te
00:08:03
entendía yo le creí pero cuando crecí
00:08:06
entendí Cómo funcionan las computadoras
00:08:07
y se destruyó mi infancia sin embargo
00:08:10
ahora es posible ya dividir es el mejor
00:08:13
ejemplo y todo comienza con los
00:08:15
Transformers que no son sino una
00:08:17
arquitectura de red neuronal inventada
00:08:19
por Google en 2017 para el
00:08:21
reconocimiento del lenguaje humano
00:08:23
y el siguiente concepto ya vamos en 10
00:08:25
es nlp que son las siglas de natural
00:08:29
Language processing o procesamiento de
00:08:31
lenguaje natural y consiste en entender
00:08:33
el lenguaje humano con todas sus
00:08:35
sutilezas el nlp fue potenciado por los
00:08:38
Transformers y permite entender
00:08:39
sentimientos hacer traducción automática
00:08:41
responder como lo haría una persona o
00:08:44
resumir información el envidia y otros
00:08:47
expertos han dicho que el lenguaje
00:08:48
humano puede convertirse en el próximo
00:08:50
lenguaje de programación es decir en la
00:08:53
forma de darle instrucciones a una
00:08:55
computadora
00:08:56
impresionante pues ya ya estamos aquí
00:08:59
estoy acá con mi polito del edcam Bogotá
00:09:02
2023 y aquí en la escuela de ingeniería
00:09:04
Julio garavito Este es el auditorio
00:09:05
donde va a ser el edeccam el día de
00:09:08
mañana y mira qué belleza de auditorio
00:09:09
Mira qué Qué hermosura realmente de
00:09:12
auditorio
00:09:13
Gracias por hacer posible el cambio
00:09:16
Bogotá 2023 estamos muy agradecidos con
00:09:19
todas las personas que decidieron
00:09:21
acompañarnos en dos días increíbles
00:09:24
aprendimos muchísimo conocimos nuevas
00:09:27
personas nos tomamos demasiadas fotos
00:09:29
probamos la rica comida colombiana y nos
00:09:32
divertimos como nunca Este ha sido uno
00:09:34
de los mejores edecam de todos los
00:09:36
tiempos y ya esperamos con ansias el
00:09:39
siguiente Muchísimas gracias comunidad
00:09:43
y ya estoy de nuevo en Lima aún cansado
00:09:45
por todo el trabajo detrás del edeccan
00:09:47
pero súper satisfecho Muchísimas gracias
00:09:49
Bogotá y a toda la comunidad que nos
00:09:51
acompañó en estos dos días increíbles
00:09:53
para aprender conocer nuevas personas y
00:09:55
crecer profesionalmente para mí ha sido
00:09:58
un orgullo y un honor acompañarlos en
00:10:00
estos días Muchísimas gracias a todos
00:10:02
los asistentes y también a mi equipo mis
00:10:04
socios Alexis y Beto
00:10:06
[Música]
00:10:09
Paula Matías yimelis greeicy dairo los
00:10:13
invitados los speakers y también a
00:10:15
nuestras familias y a mis hijos que
00:10:17
tuvieron su primera presentación en una
00:10:19
de campo Muchísimas gracias a todos de
00:10:21
corazón y en 2024 nos vemos en México
00:10:24
para el próximo de cambio
00:10:26
[Música]
00:10:29
y continuando con los conceptos de
00:10:31
Inteligencia artificial el siguiente es
00:10:32
y agenerativa que es la rama de la
00:10:34
Inteligencia artificial que es capaz de
00:10:36
crear contenido como textos código
00:10:38
imágenes música e incluso voces el
00:10:41
primer modelo generativo es de los años
00:10:43
50 y se conoce como algoritmo de markov
00:10:45
que podía determinar la siguiente
00:10:47
palabra en una cadena de texto y así
00:10:49
construir oraciones como lo haría una
00:10:51
persona en 2022 hubo una explosión de
00:10:54
productos de guía generativa lambda de
00:10:56
Google en mayo Meet journe en julio
00:10:58
stable difusión en agosto Dalí 2 en
00:11:00
septiembre y Chad en noviembre el
00:11:03
siguiente concepto es el Elm o large
00:11:06
Language o modelo extenso de lenguaje
00:11:08
Este es un tipo de modelo que puede
00:11:09
comprender y generar lenguaje humano a
00:11:11
una escala muy grande estos modelos
00:11:13
están basados en la arquitectura
00:11:15
Transformers y en 2018 se lanzaron los
00:11:17
dos primeros ver de Google y gpt 1 de
00:11:20
openid en junio de 2022 un ingeniero de
00:11:23
Google hizo noticia luego de hablar por
00:11:25
meses con lambda de Google y asegurar
00:11:27
que tiene vida en diciembre de 2022 se
00:11:30
lanzó gpt 3.5 y en marzo de este año gpt
00:11:33
4 en julio Google lanzó pan too sobre el
00:11:37
cual se construyó mal como respuesta
00:11:38
chat y también en julio meta lanzó y ama
00:11:42
2 un lelem Open source el siguiente
00:11:45
concepto es gpt y seguro te suena por
00:11:47
chat o chat gpt y son las siglas de
00:11:50
generative Transformers Ya te expliqué
00:11:53
Qué significa generativo y también
00:11:54
Transformers mientras que pre entrenado
00:11:57
pretrain significa que este tipo de
00:11:59
modelo fue entrenado con grandes
00:12:01
cantidades de datos para propósitos
00:12:03
generales y luego puede afinarse para
00:12:06
usos específicos Este es un modelo de
00:12:08
guía generativa desarrollado por opening
00:12:10
sobre la arquitectura Transformers en
00:12:12
noviembre de 2018 se lanzó gpt 1 en
00:12:15
noviembre de 2019 gpt 2 en diciembre de
00:12:18
2020 gp3 en diciembre de 2022 gpt 3.5 y
00:12:22
en marzo de 2023 gpt 4
00:12:25
número 14 chatbot un chatbot es un
00:12:28
software que simula una conversación con
00:12:29
otro ser humano a través de un chat el
00:12:32
primer chatbot de la historia se llamó
00:12:33
Elisa y fue desarrollado en el mit en
00:12:36
1966 era muy simple pues tenía
00:12:38
respuestas preconfiguradas que se
00:12:40
disparaban por palabras clave de la
00:12:42
conversación en 2016 Microsoft publicó
00:12:45
type un chatbot con ia con el que los
00:12:47
usuarios podían interactuar en Twitter
00:12:48
este chatbot aprendía de las
00:12:51
interacciones con las personas por lo
00:12:52
que en Solo un día se volvió racista
00:12:55
nazi y xenófobo y Microsoft tuvo que
00:12:58
pedir disculpas públicas y retirarlo en
00:13:00
noviembre de 2022 opening lanzó charge
00:13:03
pity un chatbot basado en gpt 3.5 y
00:13:06
luego en gpt 4 en febrero de 2023
00:13:09
Microsoft lanzó vintage basado en gp4 y
00:13:12
en marzo Google lanzó Bart basado en
00:13:16
número 15 prompt para la Inteligencia
00:13:19
artificial pront es la instrucción que
00:13:22
se le da al modelo para que realice una
00:13:24
tarea específica estos proms pueden ser
00:13:26
en formato de texto que es el más común
00:13:28
hoy en día imagen o sonido lo
00:13:31
interesante de los proms es que
00:13:32
funcionan como un lenguaje de
00:13:34
programación en el sentido de que
00:13:36
mientras más claro seamos en las
00:13:37
instrucciones mejores serán los
00:13:39
resultados de ahí que se hable de una
00:13:41
carrera de Chrome engineer cuyo objetivo
00:13:43
real no es saber cómo escribir un Pro
00:13:45
porque es algo demasiado sencillo si no
00:13:48
conocer a fondo los modelos para
00:13:49
optimizarlos crear chatbots o mejorar su
00:13:52
precisión número 16 multimodal un modelo
00:13:55
es multimodal cuando es capaz de
00:13:57
procesar información de diferentes
00:13:59
formatos por ejemplo texto imágenes o
00:14:02
sonidos Pero además que pueden recibir
00:14:05
sus proms en estos diferentes formatos
00:14:07
por lo que un chatbot que también recibe
00:14:10
imágenes es multimodal los modelos de
00:14:12
guía comenzaron siendo mono modales pero
00:14:15
los modelos más importantes al día de
00:14:17
hoy como gpt 4 de opened Palm to the
00:14:20
Google o llamados de meta son
00:14:21
multimodales número 17 find tuning Este
00:14:25
es el proceso de tomar un modelo pre
00:14:27
entrenado como gpt 4 y afinarlo para
00:14:29
usos específicos como crear un chatbot
00:14:32
para tu y Commerce que conozca tu
00:14:33
catálogo de productos y los precios
00:14:35
gracias al find tuning existen muchas
00:14:38
Apps basadas en chat de y sus plugins
00:14:40
además puedes crear tu propio chatbot
00:14:42
con fine tuning estudiando en ethereting
00:14:44
la semana pasada opening anunció que ya
00:14:47
está disponible el find tuning para gpt
00:14:50
3.5 Turbo y que pronto saldrá el de gpt
00:14:53
4 hasta ahora estaba disponible solo el
00:14:55
de gpt 3.5 para realizar un find tuning
00:14:58
los pasos son cuatro número uno preparar
00:15:01
tus datos número 2 Subir tus archivos
00:15:03
número 3 crear un proceso de fine tuning
00:15:05
con esos datos y paso 4 utilizar Este
00:15:08
modelo que ya está ajustado número 18
00:15:12
rlhf Estas son las siglas de
00:15:14
rainforcement learning from feedback o
00:15:17
aprendizaje reforzado por
00:15:19
retroalimentación humana
00:15:20
esto significa que los sistemas aprenden
00:15:23
por sí solos pero seres humanos le dan
00:15:26
feedback para que sepan estos sistemas y
00:15:28
sus resultados fueron correctos o no y
00:15:30
así puedan mejorar esto dio origen al
00:15:33
meme más famoso de la Inteligencia
00:15:34
artificial que representa una criatura
00:15:36
de ficción llamada shoggot que es un
00:15:38
monstruo aterrador que puede salirse de
00:15:41
control que es el mismo miedo que
00:15:42
tenemos acerca de la Inteligencia
00:15:44
artificial Mientras que el mismo
00:15:46
shoggart pero con una carita feliz Es la
00:15:48
guía con rlhf o sea el mismo monstruo
00:15:51
pero con una etiqueta para que le
00:15:54
tengamos menos miedito número 19 a&a
00:15:57
oage son las siglas de artificial
00:15:59
general intelligence o Inteligencia
00:16:01
artificial general y es el máximo
00:16:04
objetivo de la guía para explicarlo
00:16:06
recordemos que la ia que conocemos se
00:16:08
conoce como estrecha o narrow eye que
00:16:11
significa que su campo de aplicación es
00:16:12
específico por ejemplo una guía que
00:16:14
genera imágenes no puede generar una
00:16:17
guía para conducción Autónoma no puede
00:16:19
traducir idiomas son como aplicaciones
00:16:21
con usos específicos la idea de la agi
00:16:24
es que un modelo de ia puede extrapolar
00:16:27
sus conocimientos a otras áreas y
00:16:29
aprender por sí misma alcanzando la
00:16:31
capacidad humana de llevar su
00:16:33
experiencia a otros ámbitos Solo que con
00:16:36
mucha mayor velocidad de lo que podría
00:16:38
cualquier persona la agia aún no existe
00:16:40
y no se sabe cuándo la alcanzaremos los
00:16:43
optimistas dicen que en cuatro o cinco
00:16:44
años Aunque otros dicen que en décadas y
00:16:48
número 20 y final singularidad este es
00:16:51
un concepto ficticio que es recurrente
00:16:53
cuando se habla de los avances de la
00:16:54
Inteligencia artificial puesto que se
00:16:56
refiere al punto en que la guía superará
00:16:59
la inteligencia humana y será capaz de
00:17:01
crear nuevas tecnologías y mejorarse a
00:17:03
sí mismas sin nuestra intervención Sí
00:17:06
algo así como skynet o las máquinas
00:17:09
dominando la humanidad La singularidad
00:17:11
está relacionada directamente con la
00:17:12
ágil además de dispositivos electrónicos
00:17:14
que conecten el cuerpo humano con
00:17:16
computadoras Para potenciar nuestras
00:17:18
habilidades algún día las computadoras
00:17:20
tomarán el control o son solo
00:17:22
alucinaciones de tv y ciencia ficción no
00:17:25
lo sabemos pero de que es posible es
00:17:27
posible y ahí los tienes los 20 términos
00:17:30
más importantes que debes conocer sobre
00:17:32
Inteligencia artificial Así que comparte
00:17:35
este vídeo con todos sus conocidos que
00:17:36
solo saben decir y a ti y prompt y si
00:17:40
quieres saber más Inteligencia
00:17:40
artificial síguenos y visítanos en
00:17:43
nuestro sitio web para que conozcas
00:17:44
todos nuestros cursos Recuerda que
00:17:46
puedes comenzar a estudiar gratis solo
00:17:48
con tu correo electrónico entrando a
00:17:50
ede.tim y cuando te pregunten Cómo sabes
00:17:52
tanto sobre la Inteligencia artificial
00:17:54
respondles que lo aprendiste en
