Spanish subtitles for clip: File:Ikusgela-Adimen artifiziala.webm
Jump to navigation
Jump to search
1 00:00:03,240 --> 00:00:07,170 ¿Quién ha escrito todo esto que voy a decir en los próximos minutos? 2 00:00:07,440 --> 00:00:08,800 ¿yo misma? ¿un guionista? 3 00:00:09,100 --> 00:00:10,930 ¿O fue una inteligencia artificial? 4 00:00:11,080 --> 00:00:14,715 Sólo una cosa es segura: inmediatamente después de crear este vídeo, 5 00:00:14,739 --> 00:00:17,590 lo que aquí te explicamos podría quedar obsoleto. 6 00:00:17,830 --> 00:00:21,588 No es nada fácil para los humanos distinguir la autoría. 7 00:00:21,613 --> 00:00:25,560 Y eso nos da una medida del progreso de la inteligencia artificial. 8 00:00:25,585 --> 00:00:28,074 ChatGPT y herramientas similares, 9 00:00:28,098 --> 00:00:30,535 tienen la capacidad de escribir textos en su totalidad, 10 00:00:30,559 --> 00:00:33,760 de forma precisa y adaptada al estilo solicitado. 11 00:00:33,820 --> 00:00:37,345 Y otras herramientas son capaces de crear imágenes desde cero, 12 00:00:37,369 --> 00:00:39,970 respetando las órdenes dadas que le demos. 13 00:00:39,995 --> 00:00:41,955 La I.A. o inteligencia artificial 14 00:00:41,980 --> 00:00:43,030 no es un tema nuevo. 15 00:00:43,080 --> 00:00:46,850 Las primeras pruebas de la tecnología en rápida evolución 16 00:00:46,874 --> 00:00:50,300 son de 1943, piensa. 17 00:00:50,320 --> 00:00:54,454 Pero desde 2022 ha entrado de lleno en nuestras vidas, 18 00:00:54,479 --> 00:00:57,254 y cómo no, en discusiones con nuestras amistades. 19 00:00:57,279 --> 00:00:59,720 ¿Pero cómo funciona todo esto? 20 00:00:59,950 --> 00:01:02,210 ¿Y cuánto cambiará nuestras vidas? 21 00:01:10,001 --> 00:01:13,167 La inteligencia artificial es la capacidad de las máquinas. 22 00:01:13,191 --> 00:01:16,044 Para realizar tareas que normalmente requieren inteligencia humana. 23 00:01:16,068 --> 00:01:21,275 Estos incluyen el aprendizaje, la toma de decisiones y el reconocimiento de patrones. 24 00:01:21,300 --> 00:01:23,960 Para lograrlo, los desarrolladores de inteligencia artificial 25 00:01:23,985 --> 00:01:26,082 utilizan lo que se llama una red neuronal. 26 00:01:26,433 --> 00:01:29,910 Una red neuronal puede aprender a realizar tareas difíciles, 27 00:01:29,950 --> 00:01:33,297 como reconocer imágenes o traducir idiomas. 28 00:01:33,321 --> 00:01:36,538 Una red neuronal aprende a través de la experiencia. 29 00:01:36,563 --> 00:01:39,977 Esto significa que al entrenar con un conjunto de datos, 30 00:01:40,001 --> 00:01:43,840 ese conjunto de datos puede ajustar sus conexiones y parámetros 31 00:01:43,865 --> 00:01:46,220 para mejorar la capacidad de realizar el trabajo deseado. 32 00:01:46,270 --> 00:01:50,211 En otras palabras, puede crear y adaptar sus propios algoritmos, 33 00:01:50,235 --> 00:01:52,450 a través del aprendizaje automático. 34 00:01:52,660 --> 00:01:57,138 Básicamente, una red neuronal consta de muchas "neuronas artificiales", 35 00:01:57,162 --> 00:01:59,860 y están organizados en capas interconectadas. 36 00:01:59,920 --> 00:02:02,763 Cada neurona recibe cierta información. 37 00:02:02,787 --> 00:02:06,270 Y realiza una pequeña operación matemática para procesarlo. 38 00:02:06,350 --> 00:02:10,196 Esta información luego se transmite a las neuronas de la siguiente capa, 39 00:02:10,221 --> 00:02:14,100 y así sucesivamente hasta llegar a la respuesta final. 40 00:02:14,380 --> 00:02:18,340 Así es, se deben proporcionar datos para entrenar la red neuronal. 41 00:02:18,390 --> 00:02:20,680 Existen diferentes tipos de procesos de aprendizaje: 42 00:02:20,988 --> 00:02:24,649 1- Aprendizaje supervisado: 43 00:02:24,650 --> 00:02:26,680 Este tipo de entrenamiento se utiliza cuando 44 00:02:26,705 --> 00:02:28,830 hay un conjunto de datos que ha sido etiquetado antes, 45 00:02:28,855 --> 00:02:29,796 esto es, 46 00:02:29,821 --> 00:02:33,660 cuando se conoce la respuesta correcta para cada entrada. 47 00:02:34,230 --> 00:02:38,100 La IA aprende de estos datos etiquetados, 48 00:02:38,180 --> 00:02:41,520 y luego puede hacer predicciones para nuevos datos. 49 00:02:42,190 --> 00:02:44,610 2- Aprendizaje no supervisado: 50 00:02:45,190 --> 00:02:46,711 en este tipo de entrenamiento, 51 00:02:46,736 --> 00:02:49,550 la IA no tiene datos etiquetados previamente. 52 00:02:49,630 --> 00:02:52,220 En cambio, se le presenta un conjunto de datos, 53 00:02:52,244 --> 00:02:56,660 y se le pide que encuentre patrones o estructuras dentro de esos datos. 54 00:02:57,100 --> 00:03:00,020 Esto puede ser útil para el análisis de datos o 55 00:03:00,044 --> 00:03:02,060 para segmentar clientes, por ejemplo. 56 00:03:02,414 --> 00:03:05,240 3- Aprendizaje mediante refuerzo: 57 00:03:05,520 --> 00:03:10,460 este tipo de formación se utiliza para enseñar a la IA a tomar decisiones, 58 00:03:10,590 --> 00:03:12,850 mediante recompensa y castigo. 59 00:03:13,140 --> 00:03:14,430 Se le presetan un escenario, 60 00:03:14,510 --> 00:03:16,540 y se le pide que realice una acción. 61 00:03:16,800 --> 00:03:19,941 Si la acción es correcta, la IA recibe una recompensa, 62 00:03:19,965 --> 00:03:23,110 pero si la acción no es correcta, recibe un castigo. 63 00:03:23,135 --> 00:03:24,165 Con el tiempo, 64 00:03:24,190 --> 00:03:28,860 la IA aprende a tomar las decisiones correctas para maximizar las recompensas. 65 00:03:28,885 --> 00:03:29,975 Un ejemplo, 66 00:03:30,000 --> 00:03:33,550 si queremos que una computadora aprenda a reconocer caras, 67 00:03:33,680 --> 00:03:37,220 y que nos de información sobre lo que aparece en cada uno de ellas 68 00:03:37,244 --> 00:03:39,610 le proporcionaremos muchas imágenes etiquetadas. 69 00:03:39,800 --> 00:03:42,937 La computadora observa patrones en los datos, 70 00:03:42,962 --> 00:03:46,830 y crea un modelo para identificar rostros en nuevas imágenes. 71 00:03:47,130 --> 00:03:50,059 ¿Y por qué es todo esto tan significativo? 72 00:03:50,129 --> 00:03:52,117 Principalmente porque es una tecnología que 73 00:03:52,142 --> 00:03:54,205 se puede utilizar en muchos ámbitos de nuestra vida. 74 00:03:54,230 --> 00:03:58,459 En sanidad, los sistemas de inteligencia artificial diagnostican enfermedades 75 00:03:58,483 --> 00:04:01,940 y puede ayudar a los médicos a predecir los resultados de los tratamientos. 76 00:04:02,080 --> 00:04:06,193 También es capaz de automatizar la mayor parte del trabajo realizado por ordenador, 77 00:04:06,218 --> 00:04:07,700 con cada vez mejores resultados. 78 00:04:07,790 --> 00:04:10,646 Trabajos de diseño, redacción, previsiones... 79 00:04:10,670 --> 00:04:15,242 Se está desarrollando rápidamente y tiene capacidades cada vez más impresionantes. 80 00:04:15,266 --> 00:04:17,690 Pero ojo, que también hay voces críticas. 81 00:04:17,715 --> 00:04:18,667 Y menos mal: 82 00:04:18,691 --> 00:04:22,052 porque ya nos advirtieron sobre los peligros de esta tecnología. 83 00:04:22,076 --> 00:04:25,867 Por un lado, a medida que la inteligencia artificial avanza, 84 00:04:25,891 --> 00:04:27,850 surgen nuevos dilemas éticos. 85 00:04:28,070 --> 00:04:28,775 Por ejemplo, 86 00:04:28,800 --> 00:04:32,710 ¿Quién es responsable si un vehículo autónomo provoca un accidente? 87 00:04:32,730 --> 00:04:35,698 ¿Cómo podemos garantizar que los sistemas de inteligencia artificial 88 00:04:35,722 --> 00:04:38,170 no discriminan a ciertos grupos de personas? 89 00:04:38,236 --> 00:04:40,998 ¿Es ético tomar decisiones que pueden dañar a los humanos 90 00:04:41,022 --> 00:04:43,497 creando inteligencias artificiales que tomarán el control? 91 00:04:43,535 --> 00:04:45,050 ¿A quién pertenece la tecnología? 92 00:04:45,160 --> 00:04:47,586 ¿Quién audita o controla las decisiones? 93 00:04:47,610 --> 00:04:50,005 Estos son algunos de los dilemas éticos que 94 00:04:50,030 --> 00:04:53,323 deben abordarse a medida que avanza la tecnología. 95 00:04:53,348 --> 00:04:54,598 ¿Y qué pasa con los idiomas? 96 00:04:54,623 --> 00:04:57,512 ¿Cómo se ve esto desde las comunidades de lenguas minoritarias? 97 00:04:57,537 --> 00:04:59,185 No hay una respuesta redonda sobre las 98 00:04:59,210 --> 00:05:01,710 lenguas minorizadas y la inteligencia artificial: 99 00:05:01,980 --> 00:05:04,346 Por ejemplo, los sistemas de traducción automática 100 00:05:04,370 --> 00:05:08,472 pueden facilitar la comunicación entre hablantes de diferentes idiomas, 101 00:05:08,498 --> 00:05:11,312 y eso podría tener un efecto positivo 102 00:05:11,336 --> 00:05:13,510 en el cuidado y promoción de las lenguas minoritarias. 103 00:05:13,560 --> 00:05:15,648 Es posible, gracias a estas tecnologías, 104 00:05:15,673 --> 00:05:18,265 pudiendo recibir cualquier contenido en nuestro idioma, 105 00:05:18,289 --> 00:05:21,470 sin necesidad del trabajo de traducción o doblaje de nadie. 106 00:05:21,630 --> 00:05:23,190 Pero no es oro todo lo que reluce. 107 00:05:23,430 --> 00:05:26,156 Los sistemas de inteligencia artificial están sesgados y 108 00:05:26,180 --> 00:05:30,960 también existe el riesgo de reproducir la discriminación lingüística. 109 00:05:30,985 --> 00:05:34,853 Es probable que no haya información suficiente sobre las lenguas minoritarias, 110 00:05:34,878 --> 00:05:37,928 y por tanto cometen más errores que en otros idiomas, 111 00:05:37,952 --> 00:05:39,829 o tienen falta de detalles, 112 00:05:39,853 --> 00:05:43,618 para distinguir detalles sobre comunidades lingüísticas más pequeñas. 113 00:05:43,642 --> 00:05:46,280 Hay alrededor de 7000 idiomas en el mundo. 114 00:05:46,430 --> 00:05:48,229 ¿cuántos de ellos tendrán 115 00:05:48,254 --> 00:05:51,046 la oportunidad de utilizar las capacidades de la inteligencia artificial? 116 00:05:51,070 --> 00:05:53,110 Por ejemplo, los modelos utilizados 117 00:05:53,134 --> 00:05:55,844 están destinados a idiomas con muchos datos 118 00:05:55,868 --> 00:05:57,654 esas comunidades lingüísticas 119 00:05:57,678 --> 00:05:59,816 suelen tener más recursos tecnológicos. 120 00:05:59,840 --> 00:06:01,870 Por eso es importante 121 00:06:01,890 --> 00:06:04,451 además de tener datos propios disponibles y gratuitos, 122 00:06:04,475 --> 00:06:07,615 investigar modelos que requieran menos recursos 123 00:06:07,639 --> 00:06:11,350 o colaborar con otras comunidades lingüísticas similares a la nuestra. 124 00:06:11,400 --> 00:06:13,210 ¿Asustado, encantado? 125 00:06:13,250 --> 00:06:14,699 ¿Qué te ha parecido? 126 00:06:14,723 --> 00:06:17,850 Todo va muy rápido y no es fácil seguir el ritmo. 127 00:06:17,874 --> 00:06:20,750 Pero no lo olvides, la información es poder. 128 00:06:20,930 --> 00:06:23,348 Intentaremos desde aquí, poner nuestro granito de arena 129 00:06:23,372 --> 00:06:25,144 para que todo el mundo pueda acceder a él. 130 00:06:25,220 --> 00:06:27,926 La comprensión nos da soberanía.