MI SELECCIÓN DE NOTICIAS
Noticias personalizadas, de acuerdo a sus temas de interés
Agregue a sus temas de interés
Hasta noviembre de 2022, antes del lanzamiento de ChatGPT, el campo de la inteligencia artificial (IA) era dominio casi exclusivo de expertos. Hasta ese entonces, la interacción con la IA exigía el uso de protocolos específicos por líneas de comandos y scripts.
Precisamente, una de las innovaciones más significativas -y quizás la menos reconocida- de ChatGPT fue transformar este modelo de interacción hacia un formato de comunicación más intuitivo y desestructurado: el chat. Gracias a sus avanzadas capacidades de procesamiento de lenguaje natural, ChatGPT ha democratizado el acceso a la IA, permitiendo que millones de usuarios no expertos interactúen con estas tecnologías. Según OpenAI, la empresa matriz de ChatGPT, para agosto de 2024 se reportaron 200 millones de usuarios activos semanalmente.
Aunque las IA generativas como ChatGPT y sus competidores -Claude, Gemini, Bard y Perplexity- facilitan la interacción de manera significativa, es crucial entender que estas herramientas presentan limitaciones en su aplicación. Por ello, es indispensable contar con un conocimiento detallado de las necesidades específicas de cada caso de uso para seleccionar la tecnología de IA más adecuada entre las diversas opciones disponibles.
La IA generativa es fundamentada en grandes volúmenes de datos de acceso público, pero sin un entrenamiento adicional con datos propios de la empresa, estas herramientas sólo pueden ofrecer información general. Sin embargo, son extremadamente útiles en tareas como la búsqueda, análisis y extracción de información de múltiples fuentes, y en la generación de nuevos contenidos. Actualmente, su uso principal es como “copiloto”, mejorando la productividad de los usuarios en la creación de contenidos, como textos, software, análisis de documentos y materiales audiovisuales.
Con entrenamiento específico basado en datos propios de la empresa, la IA generativa puede transformar actividades tales como: servicios de soporte transaccional en call centers a través de respuestas automatizadas y personalizadas, o guiar a los operadores de la fábrica en los protocolos de operación de máquinas, entre muchos más casos de uso.
Cuando las necesidades implican encontrar respuestas no evidentes en grandes volúmenes de datos, el aprendizaje automático (machine learning) es la técnica ideal. Este método analiza y aprende de comportamientos anteriores para establecer correlaciones entre series de datos, habilitando funcionalidades, tales como: la detección de anomalías en los datos capturados, establecer modelos predictivos para la recomendación de acciones, categorización de conjuntos de datos con patrones similares, pero no evidentes, y, sistemas de recomendación, sugiriendo productos o contenidos basados en las preferencias del usuario.
La visión artificial, es otro tipo de IA, la cual basada en modelos de redes neuronales, un subtipo del aprendizaje automático, permite interpretar contenidos visuales, por ejemplo, clasificación de productos defectuosos en una línea de producción, lectura de las placas de los vehículos, y el reconocimiento biométrico entre otros.
En una próxima publicación, exploraré ejemplos prácticos para cada tipo de IA, destacando cómo estas tecnologías se aplican en diferentes sectores.
Serán cuatro años durante los cuales todos los que estamos del otro lado de Petro, Cepeda y sus secuaces debemos apoyar al nuevo gobierno, sin divisiones ni cálculos políticos, para que le vaya bien
En 1929, Andrew Ross Sorkin reconstruye el colapso financiero poniendo el foco en sus protagonistas y en las decisiones que tomaron cuando los resultados todavía parecían darles la razón. Los años veinte trajeron innovación, productividad y nuevas industrias; era fácil creer que esas condiciones podían prolongarse
La conectividad permite que el respaldo ya no sea un activo externo, sino el propio bien financiado, capaz de reportar en todo momento el estado del bien
