Connect with us

Noticias

¿Quiere conocer la jerga de la IA? Aprenda lo básico

Published

on

El auge de la inteligencia artificial, una tecnología que pretende imitar el pensamiento humano, ha ido acompañado de una desconcertante variedad de nuevos términos. De la IA generativa al aprendizaje automático, pasando por las redes neuronales y las alucinaciones, hemos adquirido todo un vocabulario nuevo. He aquí una guía de algunos de los conceptos más importantes que subyacen a la IA para ayudar a desmitificar una de las revoluciones tecnológicas más impactantes de nuestra vida:

Algoritmo: Los algoritmos actuales son un conjunto de instrucciones que debe seguir un computador. Los diseñados para buscar y clasificar datos son ejemplos de algoritmos informáticos que trabajan para recuperar información y ponerla en un orden determinado. Pueden consistir en palabras, números o códigos y símbolos, siempre que detallen pasos finitos para completar una tarea. Pero los algoritmos tienen sus raíces en la antigüedad, remontándose al menos a las tablillas de arcilla de la época babilónica. Un algoritmo euclidiano para la división se sigue utilizando hoy en día, y cepillarse los dientes podría incluso destilarse en un algoritmo, aunque uno notablemente complejo, teniendo en cuenta la orquestación de movimientos finos que van en ese ritual diario.

No te pierdas en Pulso

Aprendizaje automático: una rama de la IA que se basa en técnicas que permiten a los ordenadores aprender de los datos que procesan. Anteriormente, los científicos habían intentado crear inteligencia artificial programando conocimientos directamente en un computador.

A un sistema de aprendizaje automático se le pueden dar millones de fotos de animales de la web, cada una etiquetada como gato o perro. Este proceso de alimentación de información se conoce como “entrenamiento”. Sin saber nada más sobre animales, el sistema puede identificar patrones estadísticos en las imágenes y utilizarlos para reconocer y clasificar nuevos ejemplos de gatos y perros.

Aunque los sistemas de ML son muy buenos reconociendo patrones en los datos, son menos eficaces cuando la tarea requiere largas cadenas de razonamiento o una planificación compleja.

Procesamiento del Lenguaje Natural: una forma de aprendizaje automático que puede interpretar y responder al lenguaje humano. Es el motor de Siri de Apple y Alexa de Amazon.com. Gran parte de las técnicas actuales de PLN seleccionan una secuencia de palabras en función de su probabilidad de satisfacer un objetivo, como resumir, preguntar y responder o traducir, explica Daniel Mankowitz, investigador científico de DeepMind, filial de Google que investiga sobre inteligencia artificial.

A partir del contexto del texto circundante, puede saber si la palabra “club” se refiere a un bocadillo, al juego del golf o a la vida nocturna. Las raíces de este campo se remontan a los años 50 y 60, cuando el proceso de ayudar a los ordenadores a analizar y comprender el lenguaje requería que los propios científicos codificaran las reglas. Hoy en día, los computadores están entrenados para hacer esas asociaciones lingüísticas por sí mismos.

Redes neuronales: técnica de aprendizaje automático que imita la forma en que actúan las neuronas en el cerebro humano. En el cerebro, las neuronas pueden enviar y recibir señales que impulsan pensamientos y emociones. En inteligencia artificial, grupos de neuronas artificiales, o nodos, envían y reciben información entre sí de forma similar. Las neuronas artificiales son esencialmente líneas de código que actúan como puntos de conexión con otras neuronas artificiales para formar redes neuronales.

A diferencia de las antiguas formas de aprendizaje automático, se entrenan constantemente con nuevos datos y aprenden de sus errores. Por ejemplo, Pinterest utiliza redes neuronales para encontrar imágenes y anuncios que llamen la atención del consumidor, analizando montañas de datos sobre los usuarios, como las búsquedas, los tableros que siguen y los pines en los que hacen clic y guardan. Al mismo tiempo, las redes analizan los datos publicitarios de los usuarios, como el contenido que les lleva a hacer clic en los anuncios, para conocer sus intereses y ofrecerles contenidos más pertinentes.

Aprendizaje profundo: una forma de IA que emplea redes neuronales y aprende continuamente. El “profundo” en aprendizaje profundo se refiere a las múltiples capas de neuronas artificiales de una red. En comparación con las redes neuronales, que son mejores para resolver problemas más pequeños, los algoritmos de aprendizaje profundo son capaces de un procesamiento más complejo gracias a sus capas interconectadas de nodos. Aunque se inspiran en la anatomía del cerebro humano, escribe el doctorando de la Universidad de Oxford David Watson en un artículo de 2019, las redes neuronales son frágiles, ineficientes y miopes cuando se comparan con el rendimiento de un cerebro humano real. La popularidad de este método se ha disparado desde que un trío de investigadores de la Universidad de Toronto publicó un artículo histórico en 2012.

Grandes modelos lingüísticos: algoritmos de aprendizaje profundo capaces de resumir, crear, predecir, traducir y sintetizar texto y otros contenidos porque se entrenan con cantidades ingentes de datos. Un punto de partida habitual para programadores y científicos de datos es entrenar estos modelos con conjuntos de datos de código abierto y disponibles públicamente en Internet.

Los LLM surgen de un modelo “transformador” desarrollado por Google en 2017, que hace que sea más barato y eficiente entrenar modelos con enormes cantidades de datos. El primer modelo GPT de OpenAI, lanzado en 2018, se basó en el trabajo de transformador de Google. (GPT significa transformadores generativos preentrenados). Los LLM conocidos como modelos de lenguaje multimodal pueden operar en diferentes modalidades, como lenguaje, imágenes y audio.

IA Generativa: un tipo de inteligencia artificial que puede crear varios tipos de contenido, como texto, imágenes, vídeo y audio. La IA generativa es el resultado de la introducción de información o instrucciones, denominadas instrucciones, por parte de una persona en un modelo básico, que produce un resultado basado en la instrucción recibida. Los modelos de base son una clase de modelos entrenados a partir de cantidades ingentes y diversas de datos que pueden utilizarse para desarrollar aplicaciones más especializadas, como chatbots, asistentes de escritura de código y herramientas de diseño. Estos modelos y sus aplicaciones incluyen generadores de texto como ChatGPT de OpenAI y Google Bard, y Dall-E de OpenAI y Stable Diffusion de Stability.ai, que generan imágenes.

El interés por la inteligencia artificial generativa se disparó el pasado noviembre con el lanzamiento de ChatGPT, que facilitaba la interacción con la tecnología subyacente de OpenAI escribiendo preguntas o indicaciones en lenguaje cotidiano. Del mismo modo, Dall-E 2 de OpenAI crea imágenes de aspecto realista.

Estos modelos se entrenan tanto en Internet como en conjuntos de datos más adaptados para encontrar patrones de largo alcance en secuencias de datos, lo que permite al software de IA expresar una próxima palabra o párrafo adecuado mientras escribe o crea.

Chatbots: programa informático que puede entablar conversaciones con personas en lenguaje humano. Los chatbots modernos se basan en la IA generativa, en la que las personas pueden hacer preguntas o dar instrucciones a modelos fundacionales en lenguaje humano. ChatGPT es un ejemplo de chatbot que utiliza un modelo de lenguaje generativo, en este caso, el GPT de OpenAI. Las personas pueden mantener conversaciones con ChatGPT sobre temas que van desde la historia a la filosofía y pedirle que genere letras de canciones al estilo de Taylor Swift o Billy Joel o que sugiera ediciones del código de programación informática. ChatGPT es capaz de sintetizar y resumir inmensas cantidades de texto y convertirlo en salidas en lenguaje humano sobre cualquier número de temas que existen actualmente en el lenguaje.

Alucinación: cuando un modelo de fundamentos produce respuestas que no están basadas en hechos o en la realidad, pero que se presentan como tales. Las alucinaciones difieren del sesgo, un problema distinto que se produce cuando los datos de entrenamiento tienen sesgos que influyen en los resultados del LLM. Las alucinaciones son uno de los principales defectos de la IA generativa, lo que ha llevado a muchos expertos a abogar por la supervisión humana de los LLM y sus resultados.

El término ganó reconocimiento tras una entrada de blog de 2015 del miembro fundador de OpenAI Andrej Karpathy, que escribió sobre cómo los modelos pueden “alucinar” respuestas de texto, como inventar pruebas matemáticas plausibles.

Inteligencia Artificial General: una forma hipotética de inteligencia artificial en la que una máquina puede aprender y pensar como un ser humano. Aunque la comunidad de la IA no ha llegado a un amplio consenso sobre lo que supondrá la AGI, Ritu Jyoti, analista tecnológico de la empresa de investigación IDC, afirma que necesitará autoconciencia y conciencia para poder resolver problemas, adaptarse a su entorno y realizar una gama más amplia de tareas.

Empresas como Google DeepMind trabajan en el desarrollo de algún tipo de inteligencia artificial. DeepMind ha explicado que su programa AlphaGo se enfrentó a numerosos juegos de aficionados, lo que le ayudó a desarrollar una comprensión del juego humano razonable. Después jugó miles de veces contra diferentes versiones de sí mismo, aprendiendo cada vez de sus errores.

Con el tiempo, AlphaGo mejoró y se hizo cada vez mejor en el aprendizaje y la toma de decisiones, un proceso conocido como aprendizaje por refuerzo. DeepMind aseguró que su programa MuZero llegó a dominar el Go, el ajedrez, el shogi y el Atari sin necesidad de que se le explicaran las reglas, una demostración de su capacidad para planificar estrategias ganadoras en entornos desconocidos. Algunos podrían considerar este avance como un paso gradual hacia la inteligencia artificial.

#Quiere #conocer #jerga #Aprenda #básico
Si quieres leer el artículo original puedes acceder desde este link:

Artículo Original

Continue Reading

Noticias

Boric realiza visita oficial a Paraguay

Published

on

Este martes 16 de julio, el Presidente Gabriel Boric aterrizará en Paraguay para la que será su primera visita oficial al país.

El miércoles 17 de julio, el Mandatario comenzará sus actividades encabezando junto al Presidente Santiago Peña, el encuentro empresarial Chile-Paraguay en el Banco Central del Paraguay, donde se abordarán las relaciones comerciales y económicas entre ambos países.

Posteriormente, realizará una visita oficial al Palacio López, donde recibirá honores militares y sostendrá dos reuniones: una bilateral con el mandatario paraguayo y luego una reunión ampliada, donde participarán ministros de Estado de ambos países, y el embajador de Chile en Paraguay, Guillermo Bittelman.

Además, el Jefe de Estado realizará una conferencia de prensa conjunta con el Presidente Peña.

Finalmente, participará de una Sesión de Honor en el Congreso de la Nación, donde realizará un discurso frente a senadores y diputados paraguayos.

Durante la visita oficial, Boric estará acompañado de los ministros de Relaciones Exteriores, Alberto van Klaveren; de Economía, Fomento y Turismo, Nicolás Grau; de Obras Públicas, Jessica López; y de las Culturas, las Artes y el Patrimonio, Carolina Arredondo.

Se suman a la comitiva de ministros y ministras de Estado, autoridades nacionales como el gobernador regional de Tarapacá, José Miguel Carvajal; el gobernador regional de Antofagasta, Ricardo Díaz; y el alcalde de Iquique, Mauricio Soria, invitado en su calidad de presidente de la Asociación de Municipalidades de Ciudades Puerto y Borde Costero.

Por su parte, la delegación parlamentaria está conformada por diputadas y diputados de las regiones de Tarapacá y Antofagasta: Yovana Ahumada, Danisa Astudillo, Catalina Pérez y Renzo Trisotti. También participarán la senadora Luz Ebensperger y los senadores Jorge Soria y Esteban Velázquez.

La delegación empresarial, por su parte, está conformada por la presidenta de la Sociedad de Fomento Fabril (SOFOFA), Rosario Navarro; el presidente de la Asociación de Industrias Metalúrgicas y Metalmecánicas (ASIMET), Fernando García; la presidenta del Gremio de Transportistas Mujeres de Antofagasta (ASGREMUTRANS), Marianela Cifuentes; la gerente general de Ferrocarril Antofagasta – Bolivia (FCAB), Katharina Arroyo; el gerente general del Puerto de Antofagasta, Carlos Escobar; el primer vicepresidente de la Asociación Industriales de Antofagasta (AIA), Julio Cerna; y el representante de la Cámara Nacional de Laboratorios (CANALAB), Vicente Astorga.

#Boric #realiza #visita #oficial #Paraguay
Si quieres leer el artículo original puedes acceder desde este link:

Artículo Original

Continue Reading

Noticias

Las ganancias de Goldman Sachs se duplican durante el segundo trimestre, pero no logran replicar su buen arranque de año

Published

on

Las ganancias de Goldman Sachs se duplicaron con creces en el segundo trimestre, impulsadas por la suscripción de deuda y el comercio de renta fija, pero los resultados cayeron respecto de un excelente primer trimestre en el que el gigante de Wall Street informó sus mayores ganancias desde 2021.

La resiliencia de la economía estadounidense ha dado a los ejecutivos corporativos la confianza para realizar adquisiciones, ventas de deuda y ofertas de acciones.

Las ganancias de Goldman Sachs se duplican durante el segundo trimestre, pero no logran replicar su buen arranque de año

“Estamos satisfechos con nuestros sólidos resultados del segundo trimestre y nuestro desempeño general en la primera mitad del año, lo que refleja un sólido crecimiento interanual tanto en Banca y Mercados Globales como en Gestión de Activos y Patrimonio”, dijo el CEO David Solomon en un comunicado.

Las ganancias fueron de US$ 3.040 millones, o US$ 8,62 por acción, para los tres meses finalizados el 30 de junio, en comparación con US$ 1.220 millones, o US$ 3,08 por acción, un año antes, dijo el banco el lunes.

Las ganancias del mismo trimestre del año anterior también se vieron afectadas por las amortizaciones relacionadas con GreenSky, su antiguo negocio de tecnología financiera que Goldman vendió desde entonces.

Las comisiones de banca de inversión aumentaron un 21% hasta los US$ 1.730 millones en el trimestre. Las comisiones obtenidas por asesoramiento en fusiones y adquisiciones (M&A) aumentaron un 7%, mientras que la suscripción de deuda y acciones aumentó un 39% y un 25%, respectivamente.

Los ingresos por operaciones de renta fija, divisas y materias primas (FICC) aumentaron un 17%, impulsados por la financiación FICC, que otorga préstamos a inversores institucionales y otros. Los ingresos por operaciones de renta variable aumentaron un 7%.

JPMorgan Chase y Jefferies Financial también registraron un sólido desempeño en sus divisiones de banca de inversión. Los ingresos de la banca de inversión global aumentaron un 17% a US$ 41.600 millones en el primer semestre del año, según mostraron los datos de Dealogic.

Las ganancias de Goldman Sachs se duplican durante el segundo trimestre, pero no logran replicar su buen arranque de año

Luego del fracaso de una incursión en la banca de consumo, Goldman se ha vuelto a concentrar en sus pilares tradicionales: la banca de inversión y el trading.

Los inversionistas han apoyado la medida, impulsando las acciones del gigante de Wall Street un 24,4% en lo que va de año, en comparación con las de sus rivales Morgan Stanley a 11,6% de ganancia y JPMorgan Chase, una subida del 20,5%.

Las acciones cayeron marginalmente por última vez en las volátiles operaciones previas al mercado.

La unidad de gestión de activos y patrimonio, que administra dinero en nombre de clientes ricos e institucionales, informó ingresos un 27% más altos en el segundo trimestre.

El banco supervisa US$ 2,93 billones en activos. En mayo, firmó un acuerdo para gestionar la cartera de fondos de pensiones de 43.400 millones de dólares del gigante de la entrega de paquetes UPS.

Soluciones de plataforma, la unidad que alberga algunas de las operaciones de consumo de Goldman, reportó ingresos un 2% más altos.

Las provisiones del banco para pérdidas crediticias fueron de US$ 282 millones para el segundo trimestre, en comparación con los US$ 615 millones del año anterior.

Las ganancias de Goldman Sachs se duplican durante el segundo trimestre, pero no logran replicar su buen arranque de año

Goldman Sachs asumió un cargo de US$ 58 millones por General Motors el negocio de tarjetas de crédito de GM se está expandiendo en el segundo trimestre, mientras se prepara para salir de la asociación. Goldman había decidido vender la cartera de préstamos de tarjetas de GM el año pasado.

GM está en conversaciones para reemplazar a Goldman por Barclays, dijo a Reuters en abril una fuente familiarizada con el asunto.

Goldman tiene una asociación similar con el gigante tecnológico Apple y que enfrenta a un futuro incierto.

Las tarjetas de crédito fueron una faceta importante de la estrategia de consumo de Goldman, pero la empresa decidió retirarse de la banca minorista después de sufrir grandes pérdidas.

En su prueba de estrés anual, la Reserva Federal indicó que las tarjetas de crédito podrían ser un dolor de cabeza para los bancos. Las pérdidas potenciales en los préstamos de tarjetas de crédito de Goldman estaban entre las peores en el escenario hipotético del banco central.

Aun así, Goldman aumentó su dividendo trimestral a US$ 3 por acción, frente a los US$ 2,75 anteriores.

#Las #ganancias #Goldman #Sachs #duplican #durante #segundo #trimestre #pero #logran #replicar #buen #arranque #año
Si quieres leer el artículo original puedes acceder desde este link:

Artículo Original

Continue Reading

Noticias

La prensa transandina festina tras ganar una nueva Copa América

Published

on

En Argentina se irradia felicidad. La Albiceleste se acostumbró a ganar. De sumar 28 años seguidos sin conseguir títulos a sumar cuatro coronas en línea: Copa América 2021, Finalissima, Mundial 2022 y Copa América 2024.

Esa misma alegría por el éxito se refleja en los medios de todo el país. Olé, por ejemplo, tituló: “¡Argentina es bicampeona de la Copa América!”.

En el comentario siguieron: “Argentina campeón y contando. Argentina campeón, no importa cuándo leas esto. Mareados de tantas vueltas olímpicas, de tanta emoción. La Selección lo hizo de nuevo, la Selección logró el bicampeonato de América. La Selección te hace llorar, gritar y disfrutar. Para ir al Obelisco, a la playa de Miami o a cualquier lado. Cuando más había que jugar, jugó, se la bancó sin Messi y le ganó con un golazo en el suplementario”, consignaron.

Además, remarcaron a la generación que lo ganó todo: “Definición de Scaloneta. Un grupo de muchachos que consiguió lo imposible. Un grupo de jugadores que tiene ganado el oro, la plata, el bronce. Una estatua para cada uno, al lado de la de Lionel Messi y Ángel Di María. Otra vez lo hicieron. Esta vez con el capitán llorando en el banco de dolor y de emoción, con Angelito lagrimeando por esta última vez tan perfecta que parece irreal”, añadieron.

Clarín estuvo en la misma línea: “Argentina, bicampeón de la Copa América: sin Messi y con drama, la Scaloneta estiró su saga de éxitos y ya es la mejor Selección de la historia”, titularon.

Este ciclo de la Selección Argentina bien podría ser explicado en una oda, esa poesía lírica que nació en la Grecia antigua y que permite explicar también los estadíos de un equipo que ha decidido marcar época y que este domingo elevó aún más su propia vara siendo campeón de la Copa América con la victoria sobre Colombia en el alargue. Porque la Scaloneta ha demostrado elegancia y una perfección casi absoluta; también ha tenido que hacer uso de sus movimientos rápidos y transiciones abruptas; y alguna vez una irregularidad que lo hizo pasar sofocones”, señalaron en su crónica.

Se ha repetido que lo que suele ser más difícil no es llegar, sino mantenerse. Más aún si te tocan vicisitudes como las que ha atravesado durante estos 77 partidos que tiene de vida la Scaloneta. Los que ya se saben y los constantes de este camino por la Copa América 2024, incluida una final de 120 minutos con tonos dramáticos”, continuaron.

¡ARGENTINA, BICAMPEONA DE AMÉRICA!”, tituló TyC Sports. “En una final para el infarto, que terminó en cero el tiempo reglamentario y se definió con un gol de Lautaro Martínez cuando se jugaba el segundo tiempo del suplementario, los campeones del mundo se impusieron por 1-0 a Colombia y repitieron el título conseguido hace tres años en el Maracaná. Y el triunfo lo consiguió nada menos que sin Lionel Messi, quien se fue lesionado en el segundo tiempo”, indicaron.

#prensa #transandina #festina #tras #ganar #una #nueva #Copa #América
Si quieres leer el artículo original puedes acceder desde este link:

Artículo Original

Continue Reading

Trending

Copyright © 2017 Zox News Theme. Theme by MVP Themes, powered by WordPress.