Fundamentos

Datos de Entrenamiento

Son el conjunto de ejemplos con los que se «enseña» a un modelo para que descubra patrones. Su cantidad, variedad y calidad condicionan directamente lo que el sistema puede aprender: datos sesgados o incompletos producen modelos sesgados o poco fiables. Suelen separarse en subconjuntos de entrenamiento, validación y prueba para medir el desempeño de forma honesta.

Fuente que lo respalda: Principio ampliamente documentado en la literatura de aprendizaje automático; véase Aurélien Géron, «Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow», O'Reilly.

Alucinación en IA

Una alucinación en IA ocurre cuando un modelo genera información que parece correcta y la entrega con seguridad, pero que en realidad es falsa, inventada o no tiene respaldo en los datos con los que trabaja. El modelo no está mintiendo. Solo produce la respuesta que estadísticamente le parece más

Inteligencia Artificial (IA)

La inteligencia artificial es la disciplina que busca que las máquinas ejecuten tareas que, realizadas por personas, requerirían inteligencia: razonar, percibir, aprender, decidir o comunicarse. No se trata de una sola tecnología, sino de un campo amplio que agrupa múltiples enfoques y métodos. El término nació formalmente en la Conferencia

AGI: ¿llegamos o no?

Hay una sigla que últimamente está en todas partes: AGI. La encuentras en LinkedIn. La escuchas en un podcast. Un fundador la menciona en una llamada y de pronto todos asienten como si fuera obvio. La verdad es que es un tema fascinante, pero rara vez alguien se toma el

Prueba y Descarta Rápido

La mayoría compra IA como un mueble. Conviene tratarla como un experimento. Hay una escena que se repite en casi toda conversación de ventas que tengo en la región. El prospecto me dice "ya estamos usando IA". Lo dice con orgullo, como quien muestra una compra nueva. Le

Read more

Alucinación en IA

Inteligencia Artificial (IA)

AGI: ¿llegamos o no?

Prueba y Descarta Rápido