Section outline

  • CLASE 2 - FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL PARA AMPLIAR HORIZONTES CULTURALES

    La IA y el rol esencial de los datos

    ¿De qué se alimenta la inteligencia artificial? En esta clase ponemos el foco en los datos: cómo funcionan los sistemas basados en IA a partir de entradas y salidas, de dónde proviene la enorme cantidad de información con la que se entrenan y por qué su desarrollo está profundamente ligado a la disponibilidad masiva de datos y al poder de cómputo. Analizamos aplicaciones cotidianas para comprender que la IA no “piensa”, sino que reconoce patrones en grandes volúmenes de información.

    Al mismo tiempo, abrimos preguntas sobre la recolección y el uso de esos datos: ¿sabemos qué información producimos al usar plataformas digitales? ¿Quién la almacena y con qué fines? ¿Existe realmente el consentimiento cuando aceptamos términos que no leemos? Lejos de naturalizar el extractivismo de datos, la invitación es problematizar la concentración de poder tecnológico y reflexionar qué implica todo esto también en nuestras prácticas educativas.

    Al finalizar la clase, te invitamos a completar unas preguntas. Las respuestas son calificadas y completar la actividad es requisito para finalizar y acreditar el curso.

    👨‍🏫 Docente: Marcos Gómez

    • La IA y el rol esencial de los datos URL
    • Debajo encontrás las diapositivas de la clase, pensadas como apoyo para volver sobre las ideas, preguntas y tensiones que se abren en el video.

      📚 Conceptos claves

      Aprendizaje automático o machine learning (ML): es una rama de la inteligencia artificial y la informática que se centra en el uso de datos y algoritmos para permitir que la IA imite la forma en que los humanos aprenden, mejorando gradualmente su precisión.

      Ejemplo: En machine learning, un algoritmo puede predecir el precio de una casa analizando datos históricos de ventas, como el tamaño y la ubicación. A medida que el modelo recibe más datos, mejora su capacidad para hacer predicciones precisas.

      Conjunto de datos de entrenamiento: conjunto de datos con los ejemplos de solución del problema, por ejemplo, jugadas de ajedrez con el resultado o las fotos de perros y gatos clasificadas. Para que el sistema tenga un buen desempeño suelen tener que ser enormes.

      La unidad de procesamiento gráfico (GPU):  Diseñada para el procesamiento paralelo, la GPU se utiliza en una amplia gama de aplicaciones, incluyendo la renderización de gráficos y vídeo. Si bien son más conocidas por sus capacidades en videojuegos, las GPU están ganando popularidad en la producción creativa y la inteligencia artificial (IA). Las GPU se diseñaron originalmente para acelerar la renderización de gráficos 3D.  Otros desarrolladores también comenzaron a aprovechar el poder de las GPU para acelerar drásticamente otras cargas de trabajo en computación de alto rendimiento (HPC), aprendizaje profundo y más.

      Opt-in (consentimiento activo): Como usuario tenemos que aceptar explícitamente antes de que sus datos sean recolectados o compartidos.

      Opt-out: El servicio ya viene activado por defecto y es el usuario quien debe buscar en la configuración para deshabilitarlo.

      Extractivismo de datos: El término se inspira en el extractivismo de recursos naturales (minería, petróleo), donde se explota un bien común o local sin devolver beneficios reales a las comunidades que lo proveen. El extractivismo de datos es la recolección masiva de información personal y social sin consentimiento real, para luego ser utilizada con fines comerciales, de vigilancia o control, sin que las personas usuarias tengan poder de decisión ni se beneficien de ese uso.

      Referencia: IBM. Machine Learning (Aprendizaje automático). Recuperado de https://www.ibm.com/mx-es/topics/machine-learning

      Una creación de Fundación Vía Libre en articulación con FAMAF – UNC.
    • Componentes de Aplicaciones de IA File
    • Tarea: La IA y el rol esencial de los datos Quiz