Archivo de la categoría: Tecnologías de la información

Pensamiento crítico y ética en la era de la IA generativa en la educación

Study of Generative AI Technologies in Education: A Critical Look into the Future of Learning. USC Center for Generative AI and Society, 2024

Texto completo

Este informe es una colección de seis artículos breves (más una introducción y una lista de los investigadores de IA Generativa), de los cuales «An Undergraduate Perspective of Generative AI in Undergraduate Education», de Eric Bui, y «Authoring by Editing and Revising: Considering Generative AI Tools», de Benjamin Nye, fueron los más sustanciosos e interesantes, ya que cada uno describe el uso de la IA de una manera ligeramente diferente, como fomento de la investigación, el pensamiento crítico y las habilidades de edición, al tiempo que se utiliza como asistente, en lugar de «profesor». Ambas son buenas lecturas. A través de Jonathan Kantrowitz, que destaca otro artículo de la colección, «Ethics in Generative AI: Report From the Field», de Stephen Aguilar, que informa de que «el género del profesor y su comodidad con la tecnología son factores que influyen en la adopción de la inteligencia artificial en el aula».

Google renombra el chatbot Bard como Gemini y lanza una suscripción de pago

Dastin, Jeffrey, y Jeffrey Dastin. «Google Rebrands Bard Chatbot as Gemini, Rolls out Paid Subscription». Reuters, 8 de febrero de 2024, sec. Technology. https://www.reuters.com/technology/google-rebrands-bard-chatbot-gemini-rolls-out-paid-subscription-2024-02-08/.

Más sobre Gemini

Google anunció el cambio de nombre de su chatbot Bard a Gemini, reflejando la nueva inteligencia artificial que lo impulsa. Ahora los usuarios pueden suscribirse a Gemini Advanced por 19.99 $ al mes, lo que incluye acceso a un modelo de IA Ultra 1.0 más potente y dos terabytes de almacenamiento en la nube.

Esta suscripción, parte del plan Google One AI Premium, busca competir con las ofertas de Microsoft en el mercado de suscripciones de IA, como ChatGPT Plus. La integración de Gemini en Gmail y su suite de productividad de Google se alinea con la forma en que los usuarios trabajan.

La empresa aprovecha su base de usuarios de Android para ampliar el alcance de Gemini, con planes de expansión internacional y soporte para idiomas adicionales. El cambio de nombre señala la evolución de Google en tecnología de IA, pasando de Bard a Gemini.

Inteligencia Artificial Generativa en la Educación Superior: evidencia de un análisis de políticas y directrices institucionales

McDonald, Nora, Aditya Johri, Areej Ali, y Aayushi Hingle. «Generative Artificial Intelligence in Higher Education: Evidence from an Analysis of Institutional Policies and Guidelines». arXiv, 12 de enero de 2024. https://doi.org/10.48550/arXiv.2402.01659.

El lanzamiento de ChatGPT en noviembre de 2022 provocó una adopción masiva de inteligencia artificial generativa (GenAI) en instituciones de educación superior (IES). Las IES se apresuraron a responder a su uso, especialmente por parte de los estudiantes, primero buscando regularlo y luego argumentando a favor de su integración productiva en la enseñanza y el aprendizaje.

En el año transcurrido desde el lanzamiento, las instituciones de educación superior (IES) han proporcionado cada vez más políticas y pautas para dirigir la GenAI. En este artículo se examinaron documentos producidos por 116 universidades estadounidenses categorizadas como instituciones de alta actividad investigadora o R1 con el fin de comprender comprehensivamente los consejos y orientaciones relacionados con la GenAI dados a los interesados institucionales.

A través de un análisis extenso, se encontró que la mayoría de las universidades (N=73, 63%) fomentan el uso de GenAI y muchas proporcionan orientación detallada para su uso en el aula (N=48, 41%). Más de la mitad de todas las instituciones proporcionaron programas de estudios de muestra (N=65, 56%) y la mitad (N=58, 50%) proporcionaron currículos de muestra y actividades de GenAI que ayudarían a los instructores a integrar y aprovechar la GenAI en su aula. Notablemente, la mayoría de la orientación para las actividades se centró en la escritura, mientras que el código y las actividades relacionadas con STEM se mencionaron la mitad del tiempo y de manera vaga incluso cuando lo estaban (N=58, 50%). Finalmente, más de la mitad de las instituciones hablaron sobre la ética de la GenAI en una variedad de temas de manera amplia, incluyendo la Diversidad, Equidad e Inclusión (DEI) (N=60, 52%).

En general, basándose en sus hallazgos, se advierte que la orientación para el profesorado puede volverse abrumadora, ya que se recomienda a menudo una revisión extensa de los enfoques pedagógicos en las políticas.

Lo que los bebés pueden enseñar a la inteligencia artificial

MIT Technology Review. «This Baby with a Head Camera Helped Teach an AI How Kids Learn Language». Accedido 8 de febrero de 2024. https://www.technologyreview.com/2024/02/01/1087527/baby-ai-language-camera/.

Los bebés tienen una comprensión innata de la física de nuestro mundo y pueden aprender nuevos conceptos e idiomas rápidamente, con información limitada. Incluso los sistemas de inteligencia artificial más poderosos que tenemos hoy en día carecen de esas habilidades. Los modelos de lenguaje que alimentan sistemas como ChatGPT, por ejemplo, son excelentes para predecir la siguiente palabra en una oración pero no tienen nada ni siquiera cercano al sentido común de un niño pequeño.

Pero ¿qué pasaría si una inteligencia artificial pudiera aprender como un bebé? Los modelos de IA se entrenan en vastos conjuntos de datos que consisten en miles de millones de puntos de datos. Los investigadores de la Universidad de Nueva York querían ver qué podrían hacer tales modelos cuando se entrenaban con un conjunto de datos mucho más pequeño: las vistas y sonidos experimentados por un solo niño aprendiendo a hablar. Para su sorpresa, su IA aprendió mucho, gracias a un bebé curioso llamado Sam.

Los investigadores colocaron una cámara en la cabeza de Sam, y él la usó de vez en cuando durante un año y medio, desde que tenía seis meses hasta un poco después de su segundo cumpleaños. El material que recopiló permitió a los investigadores enseñar a una red neuronal a relacionar palabras con los objetos que representan, informa Cassandra Willyard en esta historia. (¡Vale la pena hacer clic solo por las fotos increíblemente lindas!)

Esta investigación es solo un ejemplo de cómo los bebés podrían acercarnos un paso más a enseñar a las computadoras a aprender como los humanos, y en última instancia construir sistemas de IA tan inteligentes como nosotros. Los bebés han inspirado a los investigadores durante años. Son observadores agudos y excelentes aprendices. Los bebés también aprenden mediante ensayo y error, y los humanos seguimos volviéndonos más inteligentes a medida que aprendemos más sobre el mundo. Los psicólogos del desarrollo dicen que los bebés tienen un sentido intuitivo de lo que sucederá a continuación. Por ejemplo, saben que una pelota existe aunque esté oculta a la vista, que la pelota es sólida y no cambiará repentinamente de forma, y que rueda en un camino continuo y no puede teletransportarse repentinamente a otro lugar. Los investigadores de Google DeepMind intentaron enseñar a un sistema de IA a tener ese mismo sentido de «física intuitiva» al entrenar un modelo que aprende cómo se mueven las cosas al enfocarse en objetos en videos en lugar de píxeles individuales. Entrenaron el modelo en cientos de miles de videos para aprender cómo se comporta un objeto. Si los bebés se sorprenden por algo como una pelota que de repente sale volando por la ventana, teoriza, es porque el objeto se está moviendo de una manera que viola la comprensión del bebé de la física. Los investigadores de Google DeepMind lograron que su sistema de IA también mostrara «sorpresa» cuando un objeto se movía de manera diferente a como había aprendido que se mueven los objetos.

Sam usando su casco con cámara. Foto de Wai Keen Vong. Yann LeCun, un ganador del Premio Turing y científico jefe de IA de Meta, ha argumentado que enseñar a los sistemas de IA a observar como los niños podría ser el camino a seguir para sistemas más inteligentes. Él dice que los humanos tenemos una simulación del mundo, o un «modelo del mundo», en nuestros cerebros, lo que nos permite saber intuitivamente que el mundo es tridimensional y que los objetos no desaparecen realmente cuando salen de la vista. Nos permite predecir dónde estará una pelota que rebota o una bicicleta que se desplaza a una velocidad en unos segundos. Él está ocupado construyendo arquitecturas completamente nuevas para la IA que se inspiran en cómo aprenden los humanos. Cubrimos su gran apuesta para el futuro de la IA aquí. Los sistemas de IA de hoy en día sobresalen en tareas específicas, como jugar al ajedrez o generar texto que suene como si lo hubiera escrito un humano. Pero en comparación con el cerebro humano, la máquina más poderosa que conocemos, estos sistemas son frágiles. Carecen del tipo de sentido común que les permitiría operar sin problemas en un mundo caótico, realizar un razonamiento más sofisticado y ser más útiles para los humanos. Estudiar cómo aprenden los bebés podría ayudarnos a desbloquear esas habilidades.

La IA desvela el contenido del pergamino de Herculano después de 2.000 años

Texto del pergamino de Herculano, que ha permanecido invisible durante 2,000 años. (Crédito: Desafío del Vesubio)

Un rollo de papiro de 2,000 años de antigüedad, que sobrevivió a la erupción del Monte Vesubio en el año 79 d.C., ha sido leído por primera vez utilizando inteligencia artificial (IA). El rollo, carbonizado y enterrado en la ciudad romana de Herculano, contiene ideas sobre la antigua filosofía griega y las fuentes de placer en la vida.

El rollo forma parte de una colección de cientos de rollos de papiro que fueron encontrados en la biblioteca de una lujosa villa que pertenecía al suegro de Julio César. La villa fue el hogar del filósofo griego Filodemo, quien seguía las enseñanzas de Epicuro y escribía sobre música, poesía, ética y política.

Los rollos son la única biblioteca sobreviviente de textos de la antigua Roma, pero han sido ilegibles durante siglos. La ceniza volcánica que los preservó también los volvió frágiles y quebradizos, y cualquier intento de desenrollarlos causaría que se desmoronaran.

Sin embargo, un equipo de tres estudiantes de diferentes campos de la tecnología encontró una solución que les valió un premio de 700.000 dólares. Utilizaron IA para descifrar la tinta de carbono negra en el papiro, invisible al ojo humano, y métodos de escaneo convencionales.

Los estudiantes, Youssef Nader, Luke Farritor y Julian Schillinger, construyeron un modelo de IA que utilizaba reconocimiento de patrones para identificar las letras y palabras en el rollo. Aplicaron su modelo a uno de los cuatro rollos que fueron escaneados por el Dr. Brent Seales y su equipo en la Universidad de Kentucky utilizando tomografías computarizadas de alta resolución.

El modelo pudo leer 2.000 caracteres griegos, que es solo el 5% del texto, pero suficiente para revelar el tema y el estilo del autor. El rollo discute la naturaleza del placer y la felicidad y menciona la música y la comida como ejemplos. En un pasaje, el autor cuestiona si las cosas escasas son más placenteras que las abundantes.

El modelo de IA utilizó una técnica de aprendizaje profundo llamada redes neuronales convolucionales (CNN), inspirada en la forma en que el cerebro humano procesa la información visual. Las CNN pueden aprender a reconocer patrones y características en imágenes, como bordes, formas y colores. El modelo fue entrenado con miles de imágenes de textos griegos antiguos y luego probado en las imágenes del rollo.

El modelo pudo distinguir la tinta del fondo y segmentar el texto en líneas, palabras y letras. Luego, emparejó las letras con un alfabeto griego y reconstruyó las palabras y oraciones. El modelo también corrigió algunos errores y vacíos en el texto, utilizando el contexto y las reglas gramaticales.

Lo que revela el rollo descifrado por IA sobre la filosofía griega antigua La Dra. Federica, una investigadora de papirología en la Universidad de Nápoles, dijo que el rollo descifrado por IA es una «revolución» en la filosofía griega, ya que abre nuevas posibilidades para entender los pensamientos y la cultura del mundo antiguo. Espera que la tecnología se pueda utilizar para leer más rollos en el futuro, y eventualmente todos los 800.

El rollo descifrado por IA pertenece a un género de literatura filosófica llamado «Sobre elecciones y evitaciones», que trata la pregunta ética de cómo vivir una buena vida. El autor, que probablemente sea Filodemo, sigue la escuela de pensamiento epicúrea, que aboga por una vida de moderación, amistad y placer.

El documento también muestra la influencia de la música y la poesía en Filodemo, quien era poeta y amigo del famoso poeta romano Virgilio. Filodemo argumenta que la música y la poesía pueden mejorar el placer de la vida, siempre que no sean excesivas o distraigan. También compara los placeres de la comida y la bebida y sugiere que la escasez no necesariamente aumenta el placer, sino que depende de la calidad y la cantidad de la comida.

Se trata de una fuente valiosa de información sobre la historia de la filosofía, ya que arroja luz sobre el desarrollo y la transmisión de las ideas epicúreas de Grecia a Roma. También revela la vida intelectual y cultural de la élite en Herculano, interesada en la filosofía, la literatura y el arte. El rollo es un testimonio del rico y diverso legado del mundo antiguo, que casi se pierde en las llamas del Vesubio.

Efectos de la inteligencia artificial en los medios de comunicación y en nuestro entorno informativo

Simon, Felix M. «Artificial Intelligence in the News: How AI Retools, Rationalizes, and Reshapes Journalism and the Public Arena». Columbia Journalism Review. Accedido 8 de febrero de 2024

Texto completo (46 pages; PDF)


A pesar del creciente interés, los efectos de la inteligencia artificial (IA) en la industria de las noticias y nuestro entorno informativo —la arena pública— siguen siendo poco comprendidos. También se ha prestado una atención insuficiente a las implicaciones de la dependencia de la industria de las noticias en las empresas tecnológicas para la IA. Basándose en 134 entrevistas con trabajadores de noticias en 35 organizaciones de noticias en Estados Unidos, Reino Unido y Alemania —incluidos medios como The Guardian, Bayerischer Rundfunk, The Washington Post, The Sun y Financial Times— y 36 expertos internacionales de la industria, la academia, la tecnología y la política, este informe examina el uso de la IA en los ámbitos editorial, comercial y tecnológico con miras a las implicaciones estructurales de la IA en las organizaciones de noticias para la arena pública. En un segundo paso, considera cómo una reestructuración de las noticias a través de la IA podría reforzar la dependencia existente de las organizaciones de noticias en el sector tecnológico y las implicaciones de esto.

  • El Capítulo 1 se divide en tres partes, explorando (i) los motivos de las organizaciones de noticias para introducir la IA en sus negocios; (ii) las formas en que se utiliza actualmente la IA para la producción y distribución del periodismo; y (iii) las expectativas sobre el alcance de la IA para proporcionar eficiencia.

En términos de motivaciones, las organizaciones de noticias han adoptado la IA como resultado de los avances tecnológicos recientes, las presiones del mercado derivadas parcialmente de los desafíos financieros de la industria, las dinámicas competitivas con un enfoque en la innovación y la sensación generalizada de incertidumbre, exageración y esperanza en torno a la IA. Ahora, la IA se aplica en una gama cada vez mayor de tareas en la producción y distribución de noticias. Contrariamente a algunas afirmaciones, muchas de las aplicaciones más beneficiosas de la IA en las noticias son relativamente mundanas y, en muchos casos, la IA no ha demostrado ser una solución milagrosa. El potencial de la IA para aumentar la eficiencia en las organizaciones de noticias es un motivador central para su adopción. Varios ejemplos demuestran que se han logrado ganancias de eficiencia y productividad, incluidas las barreras dinámicas de pago, la transcripción automatizada y las herramientas de análisis de datos en la producción de noticias. Dichas ganancias de eficiencia dependen de la tarea y del contexto. Los posibles beneficios de eficiencia pueden verse limitados por factores como la falta de confiabilidad de los resultados de la IA, las preocupaciones sobre el daño reputacional resultante de resultados inexactos de la IA y la dificultad de automatizar ciertas tareas. Reflexionando sobre el grado en que la IA ha impactado en las organizaciones de noticias, argumento que presenta una mayor racionalización del trabajo de noticias a través de la IA, ya que los procesos de trabajo que tradicionalmente se basaban en la intuición humana están cada vez más impregnados o reemplazados por una tecnología imbuida de ideas de racionalidad, eficiencia y velocidad —y que de hecho proporciona una mayor eficiencia y efectividad en algunos contextos. Sin embargo, los efectos de la IA en las noticias están sujetos a factores contextuales, con normas profesionales, resistencia de los trabajadores de noticias, regulaciones, preferencias del público y infraestructuras tecnológicas existentes que actúan como restricciones.

  • El Capítulo 2 explora las preguntas de cómo y por qué las organizaciones de noticias dependen de las empresas tecnológicas para la IA. Nuevamente, se divide en tres partes, analizando (i) los contextos en los que los editores dependen de la IA y la infraestructura de IA de las empresas de plataformas; (ii) las razones de esta dependencia; y (iii) las implicaciones de esta relación. Las conclusiones clave incluyen:

Las organizaciones de noticias hacen un uso extensivo de productos e infraestructura de IA de importantes empresas tecnológicas como Google, Amazon y Microsoft en diversos aspectos de sus operaciones. Las organizaciones de noticias más grandes y mejor dotadas de recursos tienen más probabilidades de participar en el desarrollo interno de IA. La mayoría de los otros editores,

Uso y percepción de la inteligencia Artificial en la universidad

AI. White Paper: AI Perceptions at the University of Baltimore. University of Baltimore, 2024

Texto completo

La Universidad de Baltimore, encuestó a su cuerpo docente, personal y estudiantes sobre la IA generativa en el otoño de 2023. Sus hallazgos ofrecen una perspectiva única sobre los efectos e implicaciones de la IA generativa en una universidad pública centrada en estudiantes de posgrado

El libro blanco, elaborado por el equipo de IA de la UBalt, profundiza en las percepciones de la Inteligencia Artificial (IA) y la IA generativa dentro de la comunidad de la UBalt, con el objetivo de descubrir las opiniones sobre el papel de la IA y sus implicaciones en la educación. En colaboración con Ithaka S+R, la universidad adaptó encuestas establecidas de la literatura sobre IA a las necesidades de su comunidad académica, incorporando preguntas cuantitativas y cualitativas para una comprensión global. La encuesta, que se distribuyó a profesores, empleados y estudiantes durante dos meses, pretendía ofrecer una imagen holística de las percepciones de la IA en toda la institución. El análisis de las respuestas a través de estadísticas descriptivas e inferenciales, junto con el análisis cualitativo, reveló valiosas ideas para los debates informados y la toma de decisiones sobre la IA en la educación.

Un hallazgo clave fue la discrepancia en la familiaridad con las herramientas de IA entre el profesorado y los estudiantes. Contrariamente a las percepciones influidas por los medios de comunicación, el profesorado mostró una mayor familiaridad con herramientas de IA como ChatGPT y GoogleBard, mientras que los estudiantes estaban más familiarizados con herramientas como Grammarly, lo que indica un menor compromiso con las herramientas de IA entre los estudiantes. Desde el punto de vista ético, el profesorado y el personal expresaron una gran preocupación por el hecho de que las herramientas de IA faciliten la deshonestidad académica, mientras que los estudiantes mostraron opiniones divididas, lo que sugiere una brecha generacional o experiencial en la percepción ética.

En cuanto a la aceptabilidad de las herramientas de IA, los estudiantes y el profesorado diferían notablemente. Aunque ambos grupos estaban moderadamente de acuerdo en utilizar herramientas de IA como ChatGPT, los estudiantes mostraron una mayor aprobación de los recursos en línea, los grupos de estudio y los servicios de tutoría, lo que podría reflejar diferentes niveles de comodidad con las herramientas digitales en entornos académicos. Los estudiantes consideraron que las herramientas de IA, especialmente ChatGPT, son beneficiosas para el aprendizaje personalizado y la gamificación, lo que refleja una visión más optimista sobre el potencial de la IA para revolucionar las experiencias de aprendizaje. Por el contrario, el profesorado se mostró más cauto, indicando un enfoque prudente de la integración de la IA en la educación.

Cualitativamente, la encuesta reveló diversas perspectivas sobre el papel de la IA en el mundo académico, reconociendo su potencial transformador en la personalización del aprendizaje y el aumento de la investigación, junto con la preocupación por la disminución de las habilidades de pensamiento crítico y los riesgos de deshonestidad académica. Estas percepciones subrayan la importancia de la integración de la alfabetización en IA en los planes de estudio y la promoción del uso responsable de la IA.

En conclusión, estos hallazgos guían al equipo de IA de UBalt en la remodelación de la narrativa en torno a la IA generativa en el mundo académico, centrándose en el desarrollo de la alfabetización en IA, el uso ético y las medidas para prevenir el mal uso. Este enfoque proactivo pretende integrar la IA de forma responsable en la educación, mejorando las experiencias de aprendizaje y respetando al mismo tiempo las normas éticas. Al comprender y abordar estas percepciones, la Universidad de Baltimore se posiciona como líder en innovación educativa impulsada por la IA, preparando a su comunidad para un futuro en el que la IA desempeñe un papel fundamental en la educación.

Ideas clave:

  • Discrepancia en la familiaridad con herramientas de IA: El estudio revela que los profesores muestran una mayor familiaridad con herramientas avanzadas de IA en comparación con los estudiantes, desafiando la percepción común.
  • Percepción de la utilidad de la IA en el aprendizaje: Los estudiantes consideran que las herramientas de IA son vitales para mejorar su aprendizaje, ya que hacen que el contenido educativo sea más accesible y comprensible, y pueden impulsar su competencia y autonomía.
  • Desafíos en la integración de la IA: Se señalan preocupaciones sobre cómo la excesiva dependencia de la IA puede erosionar las habilidades de pensamiento crítico, aunque algunos creen que puede mejorarlas. Además, se destacan preocupaciones éticas, como la deshonestidad académica y la autoría de contenido original.
  • Diferencias entre estudiantes y profesores: Los estudiantes muestran una mayor apertura hacia el uso de la IA en el aula en comparación con los profesores, quienes adoptan un enfoque más cauteloso y moderado.
  • Oportunidades de la IA en la educación: A pesar de los desafíos y preocupaciones éticas, se reconocen las oportunidades que ofrece la IA en la educación, como mejorar la escritura académica, nivelar el campo de juego para ciertos grupos de estudiantes y personalizar el aprendizaje.
  • Necesidad de un enfoque equilibrado: Se enfatiza la importancia de abordar de manera equilibrada la integración de la IA en la educación, considerando tanto sus beneficios potenciales como sus implicaciones éticas, y escuchando las perspectivas tanto de profesores como de estudiantes.

Herramienta de mapeo de empleos con Inteligencia Artificial para seguir la creación de empleos en IA

UMD-LinkUp AI Maps

UMD-LinkUp, una colaboración entre la Escuela de Negocios Robert H. Smith de la Universidad de Maryland, LinkUp Job Market Data y Outrigger Group, lanzó UMD-LinkUp AI Maps, la primera herramienta del mundo para mapear la creación de empleos que requieren habilidades en inteligencia artificial.

AI Maps utiliza datos de empleo de LinkUp para visualizar la expansión de empleos en IA en todo el país, permitiendo a los usuarios seguir la creación de empleos en IA mensualmente, clasificar los estados por su participación en esos empleos y realizar un análisis detallado por sectores económicos, áreas metropolitanas y condados. Además, permite determinar la Intensidad de IA de una región: la relación entre sus empleos en IA y todas las demás publicaciones.

Para mejorar la precisión, UMD-LinkUp AI Maps utiliza un modelo de lenguaje grande (LLM) afinado en lugar de enfoques basados en palabras clave, lo que resulta en una precisión superior al 90% en comparación con las verificaciones manuales. Anil K. Gupta, co-líder del proyecto, destaca el uso de LLM altamente especializados para filtrar empleos en IA de manera precisa y oportuna.

Un análisis inicial de hallazgos está disponible en el documento blanco «From West to the Rest», que revela un aumento en los empleos en IA a pesar de una disminución en los empleos de TICs en general. El informe identifica regiones con una alta participación de empleos en IA, como la región de Washington, D.C., debido a la adopción de nuevas tecnologías por parte de agencias federales y contratistas de defensa y aeroespaciales.

Perplexity: un motor de búsqueda construido con tecnologías IA modernas

Perplexity

El motor de búsqueda de Perplexity está construido completamente desde cero utilizando inteligencia artificial, mostrando lo que se puede lograr con las tecnologías de IA modernas. El autor destaca las capacidades del motor de búsqueda de Perplexity y cómo les ha proporcionado resultados de búsqueda relevantes y precisos.


Este innovador motor de búsqueda, impulsado por una inteligencia artificial de última generación, va más allá de los listados tradicionales. Ofrece respuestas completas, contextualizadas y en lenguaje natural. Se presenta como un buscador conversacional, una herramienta que proporciona respuestas precisas a preguntas complejas utilizando modelos de lenguaje avanzados. Su capacidad para ofrecer respuestas está limitada por las capacidades de la inteligencia artificial y los resultados de las búsquedas.

Perplexity AI fue fundado en 2022 por Andy Konwinski, Aravind Srinivas, Denis Yarats y Johnny Ho. Los cuatro fundadores se conocieron mientras trabajaban en Google AI, donde estaban involucrados en el desarrollo de modelos de lenguaje grandes. Estaban frustrados por la falta de una buena manera de acceder y utilizar el conocimiento contenido en estos modelos, por lo que decidieron iniciar su propia empresa para abordar este problema.

El nombre «Perplexity» fue elegido porque refleja el objetivo de la empresa de proporcionar a los usuarios respuestas precisas e informativas a sus preguntas, incluso si esas preguntas son complejas o desafiantes. La misión de la empresa es «democratizar el acceso al conocimiento» facilitando que cualquiera pueda aprender y explorar nuevos temas. Perplexity AI también está desarrollando varias otras funciones, como la capacidad de generar código, escribir tablas y resolver problemas matemáticos.

En comparación con ChatGPT, Perplexity AI tiene acceso a internet en tiempo real para ofrecer respuestas actualizadas. Además, mientras que ChatGPT puede ofrecer respuestas que pueden no ser verificables, Perplexity AI proporciona las fuentes de donde ha obtenido la información, permitiendo a los usuarios verificarla por sí mismos. Ambos modelos destacan por su capacidad para contextualizar la información, lo que permite mantener conversaciones fluidas. Por ejemplo, Perplexity AI puede entender la secuencia de preguntas y respuestas relacionadas.

Comparado con Google, Perplexity AI ofrece una diferencia significativa al comprender la pregunta y elaborar una respuesta coherente utilizando fuentes relevantes, en lugar de simplemente devolver resultados basados en SEO. En resumen, Perplexity AI combina la capacidad de conversación de ChatGPT con la profundidad y precisión de búsqueda de Google.

Guía para el Uso de Inteligencia Artificial Generativa (GenAI) en la Investigación Académica de la Universidad de Cornell

Generative AI in Academic Research: Perspectives and Cultural Norms. (s. f.). Research & Innovation. Recuperado 22 de enero de 2024, de https://research-and-innovation.cornell.edu/generative-ai-in-academic-research/

PDF

Un grupo de trabajo multidisciplinario de profesores y personal de Cornell ha publicado un informe que ofrece perspectivas y pautas prácticas para el uso de la inteligencia artificial generativa (GenAI) en la práctica y difusión de la investigación académica de Cornell.

El informe, publicado el 15 de diciembre, marca el primer paso para establecer un conjunto inicial de perspectivas y normas culturales para los investigadores de Cornell, líderes de equipos de investigación y personal de administración de la investigación. El grupo de trabajo fue liderado por Krystyn Van Vliet, vicepresidenta de investigación e innovación.

A principios del semestre de otoño, Cornell emitió un informe que ofrecía orientación a los profesores para enseñar en la era de ChatGPT y otras tecnologías de GenAI. Y el 5 de enero, Cornell emitió su tercer y último informe relacionado con GenAI, con orientación sobre la inteligencia artificial generativa en la administración; los tres informes se encuentran en el sitio web de AI de IT@Cornell.

El informe de investigación aborda el uso de GenAI en cuatro etapas del proceso de investigación:

  • Concepción y ejecución: incluye la ideación, revisión de literatura, generación de hipótesis y otras partes del proceso de investigación «interno» por parte del individuo y el equipo de investigación, antes de la divulgación pública de ideas o resultados de investigación.
  • Diseminación: incluye la divulgación pública de ideas y resultados de investigación, incluidas publicaciones en revistas revisadas por pares, manuscritos, libros y otras obras creativas.
  • Traducción: incluye la reducción de hallazgos o resultados de investigación a la práctica, que puede adoptar la forma de invenciones patentadas o derechos de autor.
  • Financiamiento y cumplimiento de acuerdos de financiamiento: incluye propuestas que buscan financiamiento para planes de investigación, así como el cumplimiento de las expectativas de patrocinadores o políticas gubernamentales de EE. UU. relevantes para Cornell.

Como señala el informe, además de funciones tan ubicuas como revisión ortográfica y gramatical, la inteligencia artificial ya se utiliza como herramienta en actividades relacionadas con la investigación, como análisis de datos y recuperación de documentos, pero solo para aquellos con experiencia programando. GenAI permitiría que estas herramientas sean accesibles para más personas, incluidos investigadores y personal de apoyo.

«Estas tecnologías en rápida evolución tienen el potencial de provocar cambios transformadores en la investigación académica, pero representan un territorio inexplorado, con grandes oportunidades y riesgos significativos», dijo Natalie Bazarova, profesora de comunicación en la Facultad de Agricultura y Ciencias de la Vida y viceprovost asociada en la Oficina del Vicepresidente de Investigación e Innovación (OVPRI). «En nuestro informe, proporcionamos pautas y salvaguardias para garantizar que la investigación se realice con los más altos niveles de integridad, alentando al mismo tiempo la exploración de estas nuevas herramientas y fronteras de investigación de GenAI».

David Mimno, miembro del grupo de trabajo y profesor asociado de ciencia de la información en la Facultad de Computación e Información de Ann S. Bowers de Cornell, describe su percepción general de la tecnología como «optimista con precaución».

«Mientras hay muchas oportunidades valiosas y útiles, que solo crecerán a medida que las personas descubran nuevas formas de utilizar los sistemas, hay mucha incertidumbre, tecnología que cambia rápidamente y límites fundamentales», dijo. «En este momento, estamos en una zona muy peligrosa donde los sistemas son lo suficientemente buenos como para que las personas confíen en ellos, pero no lo suficientemente buenos como para que deban confiar en ellos».

El grupo de trabajo presenta las posibilidades y los peligros potenciales de la tecnología emergente: «GenAI proporciona al usuario una sensación de poder en su aparente asistencia intelectual a pedido, lo que, como era de esperar, también implica la necesidad de asumir responsabilidades. Los grupos y proyectos de investigación académica a menudo incluyen múltiples usuarios con diferentes etapas de contribución, diferentes grados de experiencia y liderazgo, y diferentes responsabilidades con respecto a la integridad de la investigación y la traducción de los resultados de la investigación al impacto en la sociedad».

El informe incluye una sección de preguntas y respuestas centrada en las mejores prácticas y casos de uso para cada una de las cuatro etapas de investigación que pueden servir como iniciadores de discusión para las comunidades de investigación, así como un resumen de las políticas de publicación comunitarias existentes con respecto al uso de GenAI en investigación por parte de financiadores, revistas, sociedades profesionales y colegas.