Archivo de la categoría: Noticias

La inteligencia artificial centrada en el humano tiene el potencial de mejorar el trabajo en las bibliotecas.

Mazarakis, Athanasios, y Isabella Peters. Human-Centred AI: First Steps for the Enrichment of Library Work. CDV Mediatalk, 2023

Ver original

¿Qué papel desempeñará la inteligencia artificial en el trabajo en las bibliotecas en el futuro? La inteligencia artificial centrada en el humano tiene el potencial de mejorar el trabajo en las bibliotecas. El Dr. Athanasios Mazarakis y la Prof. Dra. Isabella Peters informan sobre los resultados actuales de su investigación y esbozan formas de integrar la inteligencia artificial centrada en el humano en la vida laboral cotidiana

El artículo enfatiza la importancia de la inteligencia artificial centrada en el ser humano (HCAI, por sus siglas en inglés) en el lugar de trabajo y propone una teoría interdisciplinaria para lograr este objetivo. Hemos llegado a conclusiones para la HCAI en el lugar de trabajo utilizando perspectivas de disciplinas que se centran principalmente en individuos (psicología), tecnología (HCI), trabajo (HFE) o el contexto laboral como un campo de investigación entre muchos (ciencia de la información y aprendizaje para adultos). Las implicaciones teóricas y prácticas se derivan de las consideraciones disciplinarias básicas y de las experiencias y observaciones actuales del proyecto CoCo-Projekt financiado por el Ministerio Federal de Educación e Investigación de Alemania (Connect & Collect: nube respaldada por IA para investigación e innovación interdisciplinaria para el trabajo futuro) con el fin de armonizar la HCAI con los requisitos actuales de empleados y empresas, que sitúan a las personas en el centro al lidiar con la complejidad de la información, los datos y las decisiones.

IA centrada en el ser humano

Utilización de teorías y métodos interdisciplinarios para la integración en bibliotecas Para el personal de bibliotecas, esto significa que la integración de la inteligencia artificial centrada en el ser humano debe estar en la vanguardia del desarrollo del trabajo y la formación. Esto se puede lograr mediante la incorporación de teorías y métodos interdisciplinarios que se centren en las personas, la tecnología, el trabajo y el contexto laboral.

Primeros pasos hacia la inteligencia artificial centrada en el ser humano en bibliotecas

Un primer paso útil para los bibliotecarios sería familiarizarse con las teorías y métodos interdisciplinarios propuestos en este artículo. Luego, pueden evaluar cómo se pueden aplicar estas teorías y métodos a su trabajo y formación. Además, los bibliotecarios pueden colaborar con otros profesionales de campos relacionados para obtener una perspectiva interdisciplinaria más amplia sobre el tema. En detalle, los tres aspectos se organizan de la siguiente manera:

  1. Incorporar principios de diseño centrados en el usuario: El personal de la biblioteca puede aplicar principios de diseño centrados en el usuario para asegurar que los sistemas de IA se desarrollen teniendo en cuenta las necesidades y preferencias de los usuarios, como aquellos que toman prestada literatura. Esto puede incluir la realización de investigaciones de usuarios para comprender las necesidades y preferencias de los usuarios de la biblioteca y utilizar esta información para diseñar sistemas de IA que sean intuitivos y fáciles de usar.
  2. Desarrollar experiencia en IA: Los bibliotecarios pueden adquirir habilidades en IA para entender mejor las capacidades y limitaciones de los sistemas de IA. Esto puede incluir aprender sobre los diferentes tipos de sistemas de IA, cómo funcionan y cómo se pueden utilizar para mejorar los servicios de la biblioteca.
  3. Colaboración con otros expertos: Los bibliotecarios pueden colaborar con otros profesionales de campos relacionados para obtener una perspectiva interdisciplinaria más amplia sobre el tema de la inteligencia artificial centrada en el ser humano. Esto puede incluir trabajar con expertos en psicología, interacción humano-computadora, ciencia de la información y educación para adultos para desarrollar una comprensión más amplia del impacto de la IA en los servicios de la biblioteca.

Medidas acompañantes y condiciones marco para la inteligencia artificial centrada en el ser humano en bibliotecas

Además, la observancia de la transparencia y la protección de datos de la IA en los servicios de biblioteca es un aspecto ético en el que el personal de la biblioteca debe trabajar. Además, la capacitación adicional y el desarrollo de materiales de formación son puntos relevantes para la comunicación de la inteligencia artificial centrada en el ser humano por parte de las bibliotecas. Junto con esto, los bibliotecarios deben preguntar a los interesados sobre sus necesidades y preferencias con respecto a los sistemas de IA. Finalmente, las bibliotecas deben observar y evaluar los sistemas de IA relevantes. Específicamente, esto significa lo siguiente:

  1. Desarrollar pautas éticas: Los bibliotecarios pueden desarrollar pautas éticas para el uso de la IA en los servicios de la biblioteca. Esto puede incluir establecer principios para el uso responsable de la IA, como garantizar la transparencia y responsabilidad en la toma de decisiones, proteger la privacidad del usuario y evitar sesgos y discriminación.
  2. Proporcionar formación y apoyo: Los bibliotecarios pueden ofrecer formación y apoyo al personal de la biblioteca y a los usuarios en el uso de sistemas de IA. Esto puede incluir el desarrollo de materiales de formación, la oferta de talleres y seminarios web, y proporcionar apoyo personalizado a los usuarios que lo necesiten.
  3. Participación de los interesados: Los bibliotecarios pueden interactuar con los interesados (usuarios y bibliotecarios de otras bibliotecas) para recopilar comentarios y sugerencias sobre el uso de la IA en los servicios de la biblioteca. Esto puede incluir la organización de grupos de enfoque, la realización de encuestas y la recopilación de comentarios a través de las redes sociales y otros canales.
  4. Monitoreo y evaluación de los sistemas de IA: Los bibliotecarios pueden monitorear y evaluar los sistemas de IA para asegurarse de que funcionen según lo previsto y proporcionen los resultados deseados. Esto puede incluir el análisis de datos de uso, la realización de pruebas con usuarios y la recopilación de comentarios del personal de la biblioteca y los usuarios. Al monitorear y evaluar los sistemas de IA, los bibliotecarios pueden identificar áreas de mejora y realizar ajustes según sea necesario.

Mejora del trabajo de la biblioteca mediante la integración de la inteligencia artificial centrada en el ser humano

En resumen, el artículo de Frontiers «What is critical for human-centered AI at work? – Toward an interdisciplinary theory» aporta valiosas ideas para el desarrollo del trabajo y la formación en las bibliotecas. Dando prioridad a la integración de la IA centrada en el ser humano, centrándose en el elemento humano e incorporando teorías y métodos interdisciplinarios, el personal bibliotecario puede mejorar su trabajo. Existe una gran variedad de aplicaciones en el contexto bibliotecario que pueden automatizarse o ya se están automatizando: Chatbots, catalogación, clasificación, sistemas de recomendación, recomendaciones personalizadas, gestión de inventarios, reconocimiento de textos e imágenes, así como análisis y generación de textos. Esto demuestra lo importante que es hoy en día la IA centrada en el ser humano. En el artículo se insinúa su potencial para el futuro. En cualquier caso, será apasionante ver cómo se desarrollan los avances en el sector de las bibliotecas.

Sostenibilidad alimentaria y bibliotecas. Planeta biblioteca 2024/01/10

Sostenibilidad alimentaria y bibliotecas

Planeta biblioteca 2024/01/10

ESCUCHAR EL PROGRAMA

Ir a descargar

Al fomentar la inclusión, las bibliotecas desempeñan un papel crucial en la construcción de comunidades más igualitarias y diversas. Entre estas propuestas, las bibliotecas como centros comunitarios que son, pueden desempeñar un papel crucial en la promoción de la sostenibilidad alimentaria.

La biblioteca dedicada al actor Patrick Stewart que interpretó al Capitán Jean Luc Picard de Star Trek

9c0b63650707afae436606aa9340c5fa

Patrick Stewart Research Library

Patrick Stewart es un actor famoso que desarrollo el papel de Capitán Jean Luc Picard de Star Trek: the Next Generation (1987-1994). Star Trek: Picard. Como curiosidad decir que Stewart es uno de los pocos actores aún activos que tienen una biblioteca dedicada a él. (Entre los otros se encuentran Edward Woodward, el actor inglés que protagonizó «The Equalizer» y Kenneth Branagh.) La Biblioteca de Investigación Patrick Stewart es una institución sin fines de lucro afiliada a la Asociación de Bibliotecas de Estados Unidos que se encuentra en el sótano alfombrado y bien iluminado. de una casa en West Islip.

La biblioteca comenzó como una parte del Club de Fans de Patrick Stewart para enfatizar esa diversidad. Las mujeres recolectaron videos de sus presentaciones en el escenario y en la pantalla (ahora hay más de 300 videos en la biblioteca), cintas de audio de presentaciones de radio y entrevistas y roles de habla (el narrador de «Peter and the Wolf»,) guiones de «Star» Trek » y papeles de teatro y cine, fotografías tomadas en varios puntos de su carrera como actor y recuerdos encontrados en convenciones y aportados por otros fanáticos.

Los archivos contienen fotografías únicas, objetos de colección teatrales inusuales, numerosos artículos de periódicos y revistas, así como numerosas cintas de video y audio del trabajo del Sr. Stewart en teatro, cine, televisión y radio. Todos son bienvenidos a utilizar las instalaciones de la PSRL con fines de investigación. Aunque lamentamos que los elementos de la colección no estén disponibles para préstamo, se pueden obtener fotocopias de artículos por una tarifa nominal, y hay instalaciones disponibles en el lugar para ver y escuchar elementos de audio/video de la colección.

Estado de lo móvil en 2024

State of Mobile 2024. Data ai, 2024

Texto completo

State of Mobile 2024, presenta las últimas tendencias del mercado, perspectivas de la industria, las mejores prácticas y los principales gráficos que abarcan 11 industrias y 30 mercados – en un rico formato interactivo, lo que le permite profundizar en información valiosa.

En este mundo centrado en el móvil, el uso de aplicaciones está en su punto más alto. Mientras el gasto en juegos se resiente de la inflación, las aplicaciones resisten. De hecho, en los 10 principales mercados, la media ponderada de tiempo dedicado al móvil superará las 5 horas en 2023, un 2% más que el año anterior. Y después de caer un 2% interanual en 2022, el gasto global de los consumidores repuntó un 4%.

En este informe de más de 100 páginas hace un desglose completo de:

  • Qué sectores emergentes y de alto crecimiento están preparados para la disrupción móvil en 2024.
  • Cómo la IA está revolucionando el espacio móvil en todos los sectores, desde el comercio minorista hasta los viajes y el reparto de comida.
  • Qué aplicaciones y juegos dominan el mercado móvil en cada región.
  • Cómo influyen las tendencias globales de uso de aplicaciones, descargas, tiempo invertido e ingresos en los objetivos de su empresa.

RESUMEN EJECUTIVO

1 La IA está en todas partes

Los chatbots de IA generativa y los generadores de arte acapararon la atención. Pero la funcionalidad de la IA está presente en casi todos los sectores de las aplicaciones.

2 Lo social es el campo de batalla para $$

Los consumidores están cambiando sus hábitos de consumo. Los consumidores están eligiendo gastar directamente en la aplicación a través de las «propinas» a sus creadores de contenidos favoritos, algo popularizado por TikTok y que abre la puerta a las suscripciones y las IAP.

3 El móvil pasa a la vida real

La demanda de viajes de revancha, fans de Swiftie y Bey-Hive, y deportes en directo está en auge: los consumidores buscan experiencias de la vida real… pero siempre con sus teléfonos a cuestas.

4 Las aplicaciones que no son juegos impulsan el repunte del gasto

Las aplicaciones que no son juegos apuntalan el crecimiento móvil. Con un crecimiento interanual del 11%, los consumidores no pueden vivir sin el streaming, las citas y los contenidos generados por los usuarios (CGU).

5 El crecimiento de los juegos móviles disminuye, pero sigue liderando la industria del juego

La demanda se mantiene estable. El gasto en las tiendas de aplicaciones cae ligeramente. El mercado se fortalece con los nuevos lanzamientos y los editores de APAC que se abren paso en los mercados occidentales, de forma similar al sector del comercio electrónico con el auge de Temu y SHEIN.

Buenas prácticas en el registro de metadatos para las revistas científicas

Buenas prácticas en el registro de metadatos para las revistas científicas. CAICYT – CONICET, 2023

Información completa

Los metadatos describen objetos digitales, como por ejemplo los artículos de una revista. Garantizan una identificación precisa del contenido de una revista y pueden mejorar la capacidad de descubrimiento, el acceso, la difusión, la preservación y, posiblemente, el impacto de la investigación.

Existen dos herramientas interesantes para trabajar con los metadatos en las revistas electrónicas:

1 – Introduction and Background: Better Practices in Journal Metadata: Esta guía explica cómo crear metadatos precisos de títulos de revistas, números de revistas y artículos de revistas en Open Journal Systems (OJS) y cómo evitar y corregir errores comunes.

2 – Manual de indización en OJS. Buenas prácticas para la región latinoamericana: Este Manual fue desarrollado por el Grupo de interoperabilidad y visibilidad para las revistas científicas latinoamericanas, conformadas por 8 universidades pertenecientes a la Red de Macrouniversidades de América Latina y el Caribe

Otros recursos de interés:
· Crossref. Metadata best practices.
https://www.crossref.org/documentation/principles-practices/best-practices/
· DOAJ Application Guide for OJS Journals.
https://docs.pkp.sfu.ca/doaj/en/
· Evaluación de metadatos en revistas científicas con MetaMetrics. Manuel Alejandro Flores Chávez y Edgar Durán Muñoz
https://www.youtube.com/watch?v=fDV58hyz-G0
· La importancia de la calidad de los metadatos para la visibilidad de las revistas científicas. Andrés Guzmán
https://www.youtube.com/watch?v=jNo4D7m2bOw

Estrategias de visibilidad de bibliotecas en redes sociales: cómo comunicar el valor de la biblioteca con éxito.

Alonso-Arévalo, Julio ; Quinde-Cordero, Marlene. Estrategias de visibilidad de bibliotecas en redes sociales: Cómo comunicar el valor de la biblioteca con éxito. Mi biblioteca, n. 74 (2023)

Texto completo

Hoy en día, los medios sociales han adquirido un gran poder informativo para instituciones de todo tipo, sin importar su naturaleza. Estas plataformas ofrecen a las instituciones una oportunidad única para difundir información, establecer conexiones con audiencias más amplias y fomentar la participación y el diálogo con la comunidad. Las redes sociales permiten a las instituciones llegar a públicos específicos, promover sus mensajes y recibir comentarios directos de los usuarios. Todo esto ha provocado un cambio en la forma en que se lleva a cabo el proceso de comunicación, dado el constante crecimiento e influencia del entorno digital, que ha generado nuevas formas de interacción. Se ofrecen pautas y consejos sobre como mejorar la presencia de tu biblioteca en los medios sociales, tales como:

  1. Define tus objetivos: Antes de sumergirte en los medios sociales, establece metas claras. ¿Quieres aumentar la conciencia sobre los servicios de tu biblioteca, promocionar eventos o interactuar con la comunidad? Definir tus objetivos te ayudará a desarrollar una estrategia efectiva.
  2. Conoce a tu audiencia: Investiga y comprende a tu público objetivo. ¿Quiénes son tus usuarios? ¿Qué tipo de contenido les interesa? Al conocer a tu audiencia, podrás crear publicaciones relevantes y atractivas que generen interacción.
  3. Elige las plataformas adecuadas: No es necesario estar presente en todas las redes sociales. Identifica las plataformas que son populares entre tu audiencia y enfócate en ellas. Facebook, Twitter e Instagram son opciones comunes para las bibliotecas, pero también considera otras como LinkedIn o YouTube, según tus necesidades.
  4. Crea contenido de calidad: Genera contenido valioso y relevante para tu audiencia. Comparte información sobre eventos, recomendaciones de libros, recursos educativos y noticias relacionadas con la biblioteca. Utiliza una combinación de texto, imágenes y videos para hacer tus publicaciones más atractivas.
  5. Mantén una frecuencia constante: Establece un calendario de publicaciones y mantén una presencia activa en las redes sociales. Publica regularmente para mantener a tu audiencia comprometida y actualizada sobre las novedades de la biblioteca.
  6. Fomenta la interacción: Anima a tu audiencia a participar y compartir sus opiniones. Realiza preguntas, encuestas o concursos que involucren a los usuarios. Responde a los comentarios y mensajes de manera oportuna para demostrar que valoras su participación.
  7. Utiliza metadatos relevantes: Utilizar metadatos relacionados con temas bibliotecarios o locales te ayudará a aumentar la visibilidad de tus publicaciones y a llegar a una audiencia más amplia.
  8. Colabora con otras instituciones: Establece alianzas con otras bibliotecas, organizaciones culturales o educativas de tu comunidad. Puedes compartir contenido cruzado, realizar eventos conjuntos o mencionar sus actividades en tus publicaciones.
  9. Mide y evalúa los resultados: Utiliza herramientas de análisis para medir el rendimiento de tus publicaciones. Observa qué tipo de contenido funciona mejor y qué genera más interacción. Ajusta tu estrategia en función de los resultados obtenidos.
  10. Mantén una imagen coherente: Asegúrate de que tu presencia en los medios sociales refleje la identidad y los valores de tu biblioteca. Utiliza colores, logotipos y tono de voz consistentes en todas las plataformas.

Buscadores alternativos a Google con IA generativa: análisis de You.com, Perplexity AI y Bing Chat

Codina, Lluís. 2023. «Buscadores alternativos a Google con IA generativa: análisis de You.com, Perplexity AI y Bing Chat». Infonomy 1 (1). https://doi.org/10.3145/infonomy.23.002.

Análisis comparativo de tres buscadores alternativos a Google con inteligencia artificial generativa: You.com, Perplexity AI y Bing Chat. Presentación de las características generales de los tres tipos de búsqueda actuales en internet: recuperación de información, sistemas de respuestas, y búsqueda generativa. Análisis funcional y de la interfaz de los tres sistemas seleccionados. Recomendaciones generales de su uso en entornos académicos.

Un estudio revela que los LLM de los Sistemas de Inteligencia Artificial son parciales y no se ajustan a las preferencias humanas a la hora de evaluar textos

Koo, Ryan, Minhwa Lee, Vipul Raheja, Jong Inn Park, Zae Myung Kim, y Dongyeop Kang. 2023. «Benchmarking Cognitive Biases in Large Language Models as Evaluators». arXiv. https://doi.org/10.48550/arXiv.2309.17012.

En respuesta a la creciente preocupación sobre los posibles sesgos en los LLMs y su impacto en aplicaciones del mundo real, se llevó a cabo un estudio. El estudio se centró en analizar 15 LLMs diferentes utilizando el «Cognitive Bias Benchmark for LLMs as EvaluatoRs» (CoBBLEr). La motivación principal detrás de esta investigación fue identificar y mitigar sesgos que podrían llevar a preferencias injustas y disparidades en las evaluaciones de texto.

El estudio revela que los grandes modelos de lenguaje exhiben sesgos cognitivos y no se alinean con las preferencias humanas en la evaluación de textos. Entender estos sesgos es crucial, ya que los LLMs se utilizan cada vez más en aplicaciones del mundo real, desde recomendaciones de contenido hasta la evaluación de solicitudes de empleo. Cuando estos modelos son sesgados, pueden tomar decisiones o hacer predicciones que son injustas o inexactas.

Imaginemos un sistema de inteligencia artificial utilizado para evaluar solicitudes de empleo. El sistema utiliza un gran modelo de lenguaje para evaluar la calidad de la carta de presentación. Pero si ese modelo tiene un sesgo inherente, como favorecer textos más largos o ciertas palabras clave, podría favorecer injustamente a algunos solicitantes sobre otros, incluso si no son necesariamente más calificados.

Sesgos Cognitivos en LLMs: Investigadores de la Universidad de Minnesota y Grammarly realizaron un estudio para medir los sesgos cognitivos en los grandes modelos de lenguaje cuando se utilizan para evaluar automáticamente la calidad del texto.

El equipo de investigación seleccionó 15 LLMs de cuatro rangos de tamaño diferentes y analizó sus respuestas. Se les pidió a los modelos que evaluaran las respuestas de otros LLMs, por ejemplo, «System Star es mejor que System Square».

Para este propósito, los investigadores introdujeron el «COgnitive Bias Benchmark for LLMs as EvaluatoRs» (COBBLER), un referente para medir seis sesgos cognitivos diferentes en las evaluaciones de LLMs.

Resultados y Conclusiones: El estudio muestra que los LLMs presentan sesgos al juzgar la calidad del texto. Se identificaron sesgos clave, como la egocentricidad y la preferencia de orden, ambos con el potencial de influir en la evaluación del contenido de texto. Las implicaciones de estos sesgos son particularmente críticas en aplicaciones como la recomendación de contenido y la selección de solicitudes de empleo, donde los LLMs desempeñan un papel crucial en la toma de decisiones. Los investigadores también examinaron la correlación entre las preferencias humanas y las preferencias de la máquina, encontrando que estas no se alinean estrechamente (superposición de sesgos de rango: 49.6%).

Según el equipo de investigación, los resultados sugieren que los LLMs no deberían utilizarse para la anotación automática basada en preferencias humanas. Incluso los modelos ajustados a instrucciones o entrenados con retroalimentación humana mostraron diversos sesgos cognitivos al utilizarse como anotadores automáticos.

La baja correlación entre las calificaciones humanas y las calificaciones de la máquina sugiere que las preferencias de la máquina y las humanas generalmente no están muy cercanas. Esto plantea la pregunta de si los LLMs son capaces de proporcionar calificaciones justas en absoluto.

Con capacidades de evaluación que incluyen varios sesgos cognitivos y un bajo porcentaje de acuerdo con las preferencias humanas, los hallazgos sugieren que los LLMs aún no son adecuados como evaluadores automáticos justos y confiables.

Soluciones Propuestas:

  1. Algoritmos de Mitigación de Sesgos: Desarrollar e implementar algoritmos que puedan identificar y mitigar sesgos en los LLMs, asegurando evaluaciones justas y objetivas.
  2. Actualizaciones Regulares de Evaluación: Establecer un sistema de evaluación continua y actualizaciones para los LLMs, con el fin de abordar sesgos emergentes y mejorar su alineación con las preferencias humanas.
  3. Transparencia y Explicabilidad: Mejorar la transparencia y explicabilidad de los LLMs para proporcionar información sobre sus procesos de toma de decisiones, permitiendo una mejor comprensión y rendición de cuentas.
  4. Datos de Entrenamiento Diversificados: Asegurar que los LLMs se entrenen con conjuntos de datos diversos que representen con precisión la variedad de perspectivas y voces en la sociedad, reduciendo el riesgo de resultados sesgados.

Conclusión: Los hallazgos del estudio subrayan la necesidad de medidas proactivas para abordar los sesgos cognitivos en los LLMs. Al implementar las soluciones propuestas, podemos mejorar la confiabilidad y equidad de los LLMs, haciéndolos más adecuados para aplicaciones del mundo real donde el juicio imparcial es crucial. Esta investigación sirve como base para los esfuerzos continuos destinados a mejorar el uso ético y responsable de la inteligencia artificial en los procesos de toma de decisiones

El Sistema de Bibliotecas Públicas de Los Ángeles se aventura en el mundo de la edición de libros.

Ruland, Jim. 2024. «The L.A. Public Library Is Getting into Book Publishing. Why It Makes Total Sense». Los Angeles Times. 8 de enero de 2024. https://www.latimes.com/entertainment-arts/books/story/2024-01-08/the-l-a-public-library-is-getting-into-book-publishing-why-it-makes-total-sense.

El Sistema de Bibliotecas Públicas de Los Ángeles (LAPL) se ha iniciado en la publicación de libros, adquiriendo la editorial Angel City Press en una sorprendente acción que tiene sentido completo. El acuerdo fue orquestado por John Szabo, bibliotecario de la ciudad, y se anunció el 16 de diciembre del año pasado.

Angel City Press, fundada en 1992 en Santa Mónica, se especializa en celebrar la rica historia cultural de Los Ángeles. Después de que los fundadores, Paddy Calistro y Scott McAuley, se retiraron tras más de 30 años al mando, la editorial fue adquirida por el LAPL a través de una donación de Calistro y McAuley. Ahora, la editorial operará bajo el nombre «Angel City Press en la Biblioteca Pública de Los Ángeles».

El LAPL, el quinto sistema de bibliotecas públicas más grande de los Estados Unidos, gestiona 73 sucursales y alberga más de 8 millones de libros. Esta nueva adquisición marca un paso sin precedentes, llevando al sistema bibliotecario a un nivel completamente nuevo.

El LAPL inició en los últimos años otros proyectos novedosos más allá que la biblioteca promedio, expandiendo agresivamente sus colecciones especiales. Según John F. Szabo, bibliotecario de la ciudad de Los Ángeles, esta medida no tiene precedentes no solo para el LAPL, sino para cualquier sistema de bibliotecas públicas en el país.

La adquisición no significa que el LAPL esté entrando en el negocio de venta de libros. Aunque se buscará el éxito de las publicaciones de Angel City Press, la misión fundamental de proporcionar acceso gratuito y fácil al contenido en sus estantes se mantendrá intacta. La directora editorial, Terri Accomazzo, seguirá liderando la editorial, asegurando continuidad.

La relación entre Angel City Press y el LAPL se ha fortalecido a lo largo de los años, con colaboraciones que han dado lugar a libros significativos, como «To Live and Dine in L.A.» de Josh Kun. Ambas entidades comparten la misión de preservar la historia de Los Ángeles y fomentar la lectura sobre ella.

Aunque el LAPL no será el primer sistema de bibliotecas con su propia editorial, la adquisición destaca su conexión única con Angel City Press. Se espera que, bajo la dirección del LAPL, la editorial continúe su misión de difundir la historia de Los Ángeles y el sur de California.

MusicLM de Google un avanzado generador de música basado en inteligencia artificial (IA) que puede convertir un fragmento de texto en una canción

MusicLM

MusicLM es un modelo que genera música de alta fidelidad a partir de descripciones textuales como «una relajante melodía de violín acompañada de un riff de guitarra distorsionado». MusicLM plantea el proceso de generación de música condicional como una tarea de modelado jerárquico secuencia a secuencia, y genera música a 24 kHz que se mantiene constante durante varios minutos.

La revolución de la IA: En 2022, ChatGPT, DALL-E 2 y otras IA avanzadas capaces de generar texto o imágenes impresionantes en respuesta a comandos de usuario ganaron popularidad. Sin embargo, no fueron las primeras IA generativas ni los únicos ejemplos de lo que las redes neuronales pueden hacer.

¿Qué hay de nuevo? La novedad es MusicLM, un generador de música basado en IA presentado por Google en enero de 2023. Esta tecnología representa uno de los ejemplos más impresionantes, ya que puede generar clips de hasta 5 minutos de duración basados en descripciones de texto, logrando que la música suene más parecida a algo que podría grabar un humano que otros generadores de IA.

MusicLM supera a los sistemas anteriores tanto en calidad de audio como en adherencia a la descripción textual. Además, demostramos que MusicLM puede condicionarse tanto al texto como a una melodía, ya que puede transformar melodías silbadas y tarareadas según el estilo descrito en un pie de texto.

¿Cómo funciona? Google entrenó MusicLM con más de 280.000 horas de música proveniente de MuLan, un modelo entrenado para vincular la música con descripciones escritas en lenguaje natural. Luego, crearon MusicCaps, un conjunto de datos públicamente accesible con más de 5.500 clips de música para evaluar el generador de música de IA.

En comparación con otros generadores de música basados en texto, como Mubert y Riffusion, Google enfrentó a MusicLM a través de varias métricas cuantitativas para evaluar la calidad auditiva y la adherencia a una descripción de texto. Según un documento compartido por Google en el servidor de preimpresión arXiv, MusicLM superó a las otras IA en todos los aspectos evaluados.

Mirando hacia el futuro: Aunque MusicLM puede producir audio que suena más cercano a la música escrita por humanos, aún no puede replicar estructuras de canciones tradicionales y la calidad vocal es deficiente. Google destaca la necesidad de trabajos futuros para abordar estos problemas y mejorar la calidad general del audio. Además, aproximadamente el 1% de la producción de MusicLM se puede emparejar aproximadamente con el audio en sus datos de entrenamiento, un problema que debe abordarse antes de su lanzamiento público.