Home » Inteligencia artificial (Page 3)
Category Archives: Inteligencia artificial
Inteligencia artificial para los negocios
Inteligencia artificial para los negocios
21 casos prácticos y opiniones de expertos
Lasse Rouhiainen
Social Business
ANAYA multimedia
www.anayamultimedia.es/libro.php?id=6407752
Frases entresacadas e ideas interesantes que puedo utilizar:
(Página )
“”
Educar humanos en un mundo de máquinas inteligentes
Educar humanos en un mundo de máquinas inteligentes.
100 ideas y reflexiones sobre la nueva educación que necesita la sociedad
Alfons Cornella y Lluís Cugota
Profit editorial
www.profiteditorial.com/libro/educar-humanos-mundo-maquinas-inteligentes
Frases entresacadas e ideas interesantes que puedo utilizar:
(Página 8)
“En este medio cambiante y diverso la educación tiene planteado un gran reto: descubrir el talento de cada persona y animarla a desarrollarlo al máximo desplegando sus propias capacidades.”
(Página 23)
“Debemos adaptarnos a un mundo que evoluciona con rapidez y atrevernos a ponerlo en cuestión”
(Página 25)
“Hemos de aprender a luchar con las máquinas, no contra ellas. Debemos entrenar a toda esta nueva generación para que use las máquinas a su favor”
(Página 31)
“En el futuro, si una persona desea un trabajo, deberá ser tan diferente de una máquina como sea posible; especialmente tendrá que ser creativo, crítico y socialmente hábil. Entonces, ¿por qué se sigue enseñando a los niños a comportarse como máquinas?”
(Página 53)
“Hemos mantenido durante mucho tiempo que la colaboración es buena per se. Colaboramos y punto. Sin darnos cuenta de que la colaboración debe ser una herramienta para sacar provecho de la concentración de cada persona.”
(Página 61)
Gráfico de “Modelo de cascada y de desarrollo ágil”.
(Página 82)
“La tendencia es ir hacia una educación sumamente personalizada. Es como si volviéramos atrás en una espiral tiempo: ¿quién podía gozar de una educación en los siglos XVIII o XIX? Solo las personas adineradas, y era siempre una educación personalizada.
Antes del modelo alemán de educación de Bismarck, que es el que sigue imperando en la actualidad, quien seguía una educación tenía un tutor. Ahora, esa espiral regresa al punto de partida al defender que para aprender se necesita realmente un tutor. La diferencia es que ahora, en lugar de ser solo un estudiante quien lo hace, son millones. Es la espiral de la historia. Hacemos lo mismo pero de otra manera.”
Clausura Curso Internacional para Rectores sobre Estrategia y Transformación Digital de la Universidad
Curso Internacional para Rectores sobre Estrategia y Transformación Digital de la Universidad
Banco Interamericano de Desarrollo (BID)
Metared
https://edge.edx.org/courses/course-v1:IDBx+IDB42x+4T2020/about
¡Enhorabuena a todos/as por la finalización del curso!
How Humans Judge Machines
How Humans Judge Machines
César A. Hidalgo, Diana Orghiain, Jordi Albo Canals, Filipa de Almeida and Natalia Martin
MIT Press
https://mitpress.mit.edu/books/how-humans-judge-machines
¿Reaccionarías de forma diferente a los actos de discriminación dependiendo de si son llevados a cabo por una máquina o por un humano? ¿Existen condiciones en las que juzgamos injustamente a las máquinas? Este libro nos acerca a la comprensión de las consecuencias éticas de la IA
https://www.judgingmachines.com
Digital Edition (Free): Desktop Edition (PDF)
Summary
How people judge humans and machines differently, in scenarios involving natural disasters, labor displacement, policing, privacy, algorithmic bias, and more.
How would you feel about losing your job to a machine? How about a tsunami alert system that fails? Would you react differently to acts of discrimination depending on whether they were carried out by a machine or by a human? What about public surveillance? How Humans Judge Machines compares people’s reactions to actions performed by humans and machines. Using data collected in dozens of experiments, this book reveals the biases that permeate human-machine interactions. Are there conditions in which we judge machines unfairly?
Is our judgment of machines affected by the moral dimensions of a scenario? Is our judgment of machine correlated with demographic factors such as education or gender? César Hidalgo and colleagues use hard science to take on these pressing technological questions. Using randomized experiments, they create revealing counterfactuals and build statistical models to explain how people judge artificial intelligence and whether they do it fairly. Through original research, How Humans Judge Machines bring us one step closer to understanding the ethical consequences of AI.
Frases entresacadas e ideas interesantes que puedo utilizar:
(Página ix)
“People judge humans by their intentions and machines by their outcomes”
(Página )
“”
La educación personalizada a través de la inteligencia artificial
La educación personalizada a través de la inteligencia artificial
Senén Barro
Universidade de Santiago de Compostela
Conferencia de apertura
XI CIDU (Congreso Iberoamericano de Docencia Universitaria)
cidu2020.ull.es
Charla del minuto 56 al 2:14, debate/preguntas hasta el 2:24
L’impacte de la intel·ligència artificial a les empreses
L’impacte de la intel·ligència artificial a les empreses
Xavier Marcet
Papers de l’Observatori de la Indústria
Núm. 12 (pdf)
Generalitat de Catalunya
Departament d’Empresa i Coneixement
http://empresa.gencat.cat
Frases entresacadas e ideas interesantes que puedo utilizar:
(Página 11)
“La intel·ligència artificial està en un moment en què la polseguera deixa pas a propostes consistents de noves formes de fer negocis, de relacionar-se amb clients o de poder predir i poder prescriure moltes noves solucions.”
(Página 14)
“La seva lògica és posar màquines intel·ligents per potenciar les persones. Seran empreses d’humanitat augmentada.”
(Páginas 14-15)
“És per això que hom proposa un camí de 9 passos que ajudin a les empreses a fer una reflexió orientada a construir oportunitats singulars per a cadascuna d’elles:
1. Tenir un coneixement bàsic sobre intel·ligència artificial per poder-ne avaluar impacte i oportunitats.
2. Pensar en com la intel·ligència afectarà els clients.
3. Fer una primera definició del valor concret que pot tenir per a l’empresa la intel·ligència artificial.
4. Pensar en les dades de què hom disposa com empresa, sense dades fer intel·ligència artificial és possible però és molt més difícil.
5. Focalitzar-se en una solució d’intel·ligència artificial (o en el seu cas una solució convencional) que d’acord amb les dades i els problemes, aspiracions o necessitats sigui de valor per a l’empresa.
6. Desplegar la solució, constatant si cal una solució estandarditzada o bé cal una solució personalitzada.
7. Entrenar la solució d’intel·ligència artificial per obtenir uns resultats, afinats i fiables.
8. Pensar en termes de canvi organitzatiu, de com la nova solució requerirà canviar mentalitats de clients o de col·laboradors.
9. Avaluar el projecte d’introducció de la solució d’intel·ligència artificial en termes clàssics d’un projecte i comprovar que la tríada impacte – cost – temps és realment interessant.
Estic absolutament convençut que les preguntes que es proposen per acostar l’ús de la intel·ligència artificial a les empreses seran bones per a moltes empreses més enllà de si acaben usant solucions pròpiament d’intel·ligència artificial o solucions estadístiques o de business intelligence de les que ja disposen moltes empreses. El més important és entendre com les dades de què disposem ajuden a predir situacions i a prescriure millors decisions. La feina dels directius és prendre decisions. Si la intel·ligència artificial serveix per millorar la qualitat de la presa de les decisions, el management canviarà de forma substancial.”
Curso Internacional para Rectores sobre Estrategia y Transformación Digital de la Universidad
Curso Internacional para Rectores sobre Estrategia y Transformación Digital de la Universidad
Banco Interamericano de Desarrollo (BID)
Metared
https://edge.edx.org/courses/course-v1:IDBx+IDB42x+4T2020/about
¿Cuáles son las habilidades necesarias para liderar la transformación digital que hoy se vislumbra como imprescindible para las Instituciones de Educación Superior (IES)?
La era digital ha generado significantes cambios en todos los aspectos y también en la creación, difusión y gestión del conocimiento. Este desafiante contexto para las Universidades de Iberoamérica implica riesgos, pero también importantes oportunidades que deben ser aprovechadas para lograr un desarrollo más sostenible de la región.
Durante el 2º Diálogo Virtual de Rectores, coorganizado por la Fundación Universia y el Banco Interamericano de Desarrollo el pasado mes de mayo durante la pandemia del COVID- 19, se puso de manifiesto, más si cabe, la necesidad urgente de apoyar a los Rectores de Universidades de Iberoamérica para liderar los procesos de innovación digital que necesitan estas instituciones en la actualidad.
Este curso, desarrollado exclusivamente para rectores, busca dotarles de nuevas competencias necesarias para mantener su rol de liderazgo y gestionar las enormes posibilidades que ofrece la tecnología para mejorar la calidad de la enseñanza, la investigación y su vinculación con la sociedad.
El telar mágico de la mente
El telar mágico de la mente
Mi vida en neurociencia
Joaquín M. Fuster
Editorial Ariel (www.ariel.es)
https://www.planetadelibros.com/libro-el-telar-magico-de-la-mente/320690
Enlaces de interés:
Frases entresacadas e ideas interesantes que puedo utilizar:
(Páginas 223-260)
Capítulo 8 Memoria y educación
Me será útil sobre todo el apartado “El aprendizaje activo”
Armas de destrucción matemática
Armas de destrucción matemática.
Cómo el Big Data aumenta la desigualdad y amenaza la democracia
Cathy O’Neil
Capitán Swing (www.capitanswing.com)
https://capitanswing.com/libros/armas-de-destruccion-matematica/
https://weaponsofmathdestructionbook.com
Charla TED “La era de la fe ciega en los datos masivos ha de terminar” (https://www.ted.com/talks/cathy_o_neil_the_era_of_blind_faith_in_big_data_must_end).
Página de la autora: mathbabe.org
Frases entresacadas e ideas interesantes que puedo utilizar:
(Página 16)
“hay muchas premisas perniciosas camufladas bajo las matemáticas y se mantienen sin que nadie las verifique ni las cuestione.”
(Página 17)
“Los privilegiados, como veremos una y otra vez, son analizados por personas; las masas, por máquinas.”
(Página 21)
“pretendía movilizar a otros matemáticos contra el uso de estadísticas chapuceras y de modelos sesgados que crean sus propios bucles de retroalimentación perniciosos”
(Página 245)
“Con los mensajes políticos, como con la mayoría de ADM, la clave del problema está casi siempre en la finalidad. Si modificamos su propósito y, en lugar de chuparle la sangre a la gente, el objetivo es ayudarla, desarmamos el ADM… y puede que incluso se convierta en una fuerza del bien.”
(Página 254)
“¿Y cómo empezar ahora a regular los modelos matemáticos que dirigen cada vez más nuestras vidas? Yo sugeriría que el proceso comenzara con los programadores que crean los modelos. Al igual que los médicos, los científicos de datos deberían hacer un juramento hipocrático centrado en los posibles abusos y malinterpretaciones de sus modelos.”
(Emanuel Derman y Paul Wilmott, “The Financial Modeler´s Manifesto”, 7 de enero de 2009)
“- Recordaré que no he creado el mundo, y que este no satisface mis ecuaciones.
– Aunque emplee audazmente modelos para estimar valor, no me dejaré impresionar excesivamente por las matemáticas.
– Nunca sacrificaré la realidad por elegancia sin explicar por qué lo he hecho.
– Tampoco proporcionaré a quienes usen mis modelos una falsa sensación de seguridad sobre su precisión, sino que haré explícitos los supuestos y omisiones.
– Reconozco que mi trabajo puede tener enormes efectos sobre la sociedad y la economía, muchos de ellos más allá de mi comprensión.”
“Se trata de una buena base filosófica, pero la autorregulación y unos valores sólidos solo contendrán a los escrupulosos.”
(Página 266)
“Aunque el big data, si se maneja con prudencia, puede facilitar la comprensión profunda de muchos fenómenos, muchas de sus conclusiones serán disruptivas. Al fin y al cabo, el objetivo del big data es encontrar patrones que son invisibles al ojo humano. El reto al que se enfrentan los científicos de datos es comprender los ecosistemas que investigan y presentar no solo los problemas, sino también sus posibles soluciones.”
(Página 269)
“estos modelos no se construyen únicamente con datos, sino también con las decisiones que tomamos sobre cuáles son los datos a los que debemos prestar atención – y qué datos dejaremos fuera -. Y esas decisiones no se refieren únicamente a cuestiones logísticas, de beneficios o eficiencia, sino que son fundamentalmente decisiones morales.”
Inteligencia Artificial, naturalmente
Inteligencia Artificial, naturalmente
Nuria Oliver
Colección Pensamiento para la Sociedad Digital
ONTSI (Observatorio Nacional de las Telecomunicaciones y de la SI)
Red.es
Frases entresacadas e ideas interesantes que puedo utilizar:
(Página )
“”