Aprendizaje Automático y Sistemas Complejos – Prof. Pedro García

Fuente: pexels.com

El video explora la intersección entre aprendizaje automático (Machine Learning) y sistemas complejos. Se comienza definiendo ambos conceptos y se destaca el aumento en la producción de investigaciones que combinan ambas áreas.

Luego, se presenta la idea de usar estrategias de Machine Learning para modelar y controlar sistemas complejos. Se mencionan dos tipos de problemas:

• Problemas directos: Encontrar soluciones o controlar un sistema a partir de un modelo preestablecido.
• Problemas inversos: Extraer información del sistema a partir de datos.

Se utiliza la regresión con kernels como estrategia de Machine Learning para:

• Controlar una red de cinco mapas caóticos acoplados.
• Modelar el sistema SIR (Susceptible-Infectado-Recuperado) usando datos reales de la pandemia de COVID-19 en varios países.

Los resultados muestran la eficiencia del uso de Machine Learning para modelar y controlar sistemas complejos, lo que abre una ventana a nuevas posibilidades en diversas áreas de investigación y aplicación.

Utilidad de la inteligencia artificial en los estudios de ingeniería – Brs. Jesús Ríos, Luis Martín, Ainhoa Hurtado y Simón Pernía, Profa. María Isabel López

Fuente: pexels.com

La IA tiene el potencial de transformar la educación universitaria de ingeniería, haciéndola más accesible, personalizada y efectiva.

Beneficios:

• Mejor acceso a la información: Los estudiantes pueden acceder a recursos educativos de manera más fácil y rápida.
• Aprendizaje personalizado: La IA puede adaptar el aprendizaje a las necesidades individuales de cada estudiante.
• Automatización eficiente: La IA puede automatizar tareas repetitivas y tediosas, permitiendo a los estudiantes concentrarse en proyectos más complejos y creativos.
• Análisis de datos: La IA puede analizar datos de rendimiento de los estudiantes y adaptar el contenido de aprendizaje en consecuencia.
• Soporte y retroalimentación: La IA puede proporcionar a los estudiantes apoyo y retroalimentación personalizados.

Desafíos:

• Dependencia: La IA puede hacer que los estudiantes dependan demasiado de ella para realizar tareas, lo que podría dificultarles el desarrollo de sus propias habilidades y conocimientos.
• Falta de creatividad: La IA puede ser eficaz para resolver problemas o generar contenido creativo, pero no lo hace de forma original, sino que combina elementos que ya existen.
• Sesgo: Los sistemas de IA pueden estar sesgados debido a varios factores, como los datos de entrenamiento, los algoritmos, los diseñadores o los usuarios de la IA.

Experiencias Educativas Religiosas con Inteligencia Artificial en la Arquidiócesis de Caracas – Lic. Juan Patiño

Fuente: DALL·E 3

La Arquidiócesis de Caracas está implementando la Inteligencia Artificial (IA) en la catequesis y la evangelización. Esto a través de dos proyectos educativos:

1. Herramientas de IA para la enseñanza de la catequesis:
   • Implementado en la parroquia La Anunciación del Señor de la Boyera.
   • Se creó un chatbot catequista llamado Julita.
   • Se busca personalizar el mensaje, dar retroalimentación inmediata y hacer la enseñanza más atractiva.
2. Talleres de Pastoral de la Comunicación con énfasis en IA:
   • Se realizaron en centros de formación de la Arquidiócesis.
   • Se enseñaron las ventajas y desventajas de la IA, cómo crear chatbots y nociones básicas de algoritmos y redes neuronales.
   • Se abordó la ética de la IA y la importancia de que esté al servicio del bien común.

Reflexiones:

• La Iglesia Católica debe evangelizar a través de las plataformas digitales y la IA.
• La IA puede ser una herramienta útil para la catequesis, la evangelización y la formación ética.
• Se están desarrollando mecanismos para llevar la IA a las grandes masas de la sociedad.

Conclusión:

La Arquidiócesis de Caracas está comprometida con el uso responsable de la IA para la educación y la evangelización. Se espera que estos proyectos tengan un impacto positivo en la formación de los venezolanos.

Transformando la ingeniería con IA: IBM Watson – Profa. Johana Delgado

Fuente: pexels.com

El video describe cómo la Inteligencia Artificial (IA) está transformando la ingeniería a través de la plataforma IBM Watson. Se presentan casos de éxito en diferentes áreas como la ingeniería civil, industrial y ambiental, donde la IA ha permitido optimizar procesos, mejorar la seguridad y la eficiencia, y tomar decisiones más informadas.

Se destacan algunos ejemplos:

• Predicción de problemas y automatización de tareas: En la construcción, la IA se utiliza para predecir posibles retrasos en proyectos y automatizar la distribución de materiales y trabajadores.
• Mejora del diseño de productos: En la industria automotriz, la IA se ha utilizado para crear modelos virtuales de sistemas industriales, lo que ha permitido optimizar el diseño de productos y la manufactura.
• Mantenimiento predictivo: En la industria energética, la IA se utiliza para monitorizar el estado de turbinas eólicas y trenes, permitiendo realizar un mantenimiento predictivo y evitar averías.
• Sostenibilidad: La IA se utiliza para modelar escenarios de cambio climático, optimizar la distribución de energía y mejorar la eficiencia del consumo energético.

Se discuten algunos desafíos:

• Acceso a los datos: La disponibilidad y calidad de los datos son esenciales para el éxito de la IA.
• Interpretación de modelos: Los modelos de IA pueden ser complejos y difíciles de interpretar, lo que dificulta su uso por parte de los ingenieros.
• Consideraciones éticas: Es importante asegurar que la IA se use de manera responsable y ética.

Se concluye que la IA tiene un gran potencial para transformar la ingeniería, pero que aún hay algunos desafíos que deben abordarse.

A su vez, Se invita a los ingenieros a explorar la plataforma IBM Watson y a utilizar las herramientas que ofrece para mejorar su trabajo.

Competencias digitales para el uso de IA – Profa. Tibaire Labrador

Fuente: pexels.com

El video analiza la experiencia de talleres sobre el uso de la Inteligencia Artificial (IA) en la educación universitaria, enfocándose en las competencias digitales del profesorado.

Se encontraron cinco áreas clave:

1. Compromiso profesional: Los profesores mostraron interés en la IA, pero también preocupación por la seguridad digital y la necesidad de formación continua.
2. Creación de contenidos digitales: Si bien valoraron las herramientas de IA para presentaciones, se evidenció la falta de familiaridad con la creación de guiones y la selección de recursos.
3. Enseñanza y aprendizaje: Se observó un enfoque en la IA como herramienta docente, en lugar de una estrategia de aprendizaje para la autonomía y el pensamiento crítico de los estudiantes.
4. Evaluación y retroalimentación: La mayoría de los profesores se concentran en evaluaciones sumativas tradicionales, y no ven con claridad cómo integrar la IA de forma que garantice la autenticidad del aprendizaje.
5. Empoderar a los estudiantes: Se detectó una visión poco inclusiva en el uso de la IA, con énfasis en lo estético y la gestión del aula, sin considerar la accesibilidad digital y el desarrollo de contenidos para un aprendizaje multicanal.

Conclusiones:

• Es necesario fortalecer la formación del profesorado en IA, incluyendo aspectos éticos, pedagógicos y técnicos.
• Se deben crear comunidades de aprendizaje para compartir experiencias y desarrollar estrategias innovadoras con IA.
• La integración de la IA en la educación debe ir más allá del uso de herramientas, y enfocarse en el desarrollo de competencias digitales y la transformación de las prácticas docentes.

Inteligencia artificial aplicada a la investigación – Profa. Gloria Aponte

Fuente: pexels.com

El objetivo del video está enfocado al uso de algunas aplicaciones de inteligencia
artificial (IA) como herramientas de apoyo para llevar a cabo actividades de
investigación. En ese sentido se presenta el uso de las aplicaciones de IA: Elicit,
que permite ubicar literatura arbitrada en fuentes de publicación especializadas en
diferentes áreas del conocimiento; ResearchRabbit, ayuda a conformar redes de
artículos relevantes en un área determinada del conocimiento y finalmente y
Chatpdf, que ayuda a procesar el contenido de documentos en formato PDF. El
uso de estas tres herramientas permite obtener y procesar información arbitrada
especializada de una manera expedita como apoyo para el desarrollo del proceso
de investigación.

Aspectos formativos en la IA: una lectura a Matrix – Profa. Claritza Peña

Fuente: pexels.com

El video analiza la película Matrix como una herramienta para reflexionar sobre la educación en el contexto de la Inteligencia Artificial (IA). Se exploran cuatro niveles de formación del sujeto en relación con la IA:

1. Acceso a la información: Familiarizarse con el mundo artificial y los sistemas de conocimiento.
2. Asimilación y relación: Integrar el nuevo lenguaje con el conocimiento preexistente.
3. Descubrimiento a través de la pregunta: Cuestionar la realidad artificial y buscar alternativas.
4. Creación: Producir conocimiento nuevo en lugar de consumir o reproducir lo existente.

La película se utiliza como analogía para el proceso de aprendizaje en la era de la IA.

Búsqueda semántica en repositorios académicos – Prof. Franky Uzcátegui

Fuente: Autor

En esta presentación, el expositor aborda el uso de la Inteligencia Artificial (IA) para mejorar la búsqueda en repositorios académicos.

Los repositorios académicos son almacenes de documentos digitales que contienen la producción científica de una institución educativa. Estos documentos suelen ser artículos, libros, tesis, disertaciones, etc.

La búsqueda en repositorios académicos suele ser una tarea compleja, ya que los documentos pueden estar escritos en diferentes idiomas, usar diferentes formatos y tratar sobre una amplia gama de temas.

La IA puede ayudar a mejorar la búsqueda en repositorios académicos de varias maneras. Por ejemplo, la IA puede usarse para:

• Analizar el contenido de los documentos para identificar los términos más relevantes.
• Generar resúmenes de los documentos para proporcionar una visión general rápida del contenido.
• Recomendar documentos relacionados con la consulta del usuario.

En la presentación, el expositor describe un estudio que utilizó la IA para mejorar la búsqueda en un repositorio académico. El estudio se basó en las siguientes técnicas:

• Aprendizaje automático: para identificar los términos más relevantes en los documentos.
• Procesamiento del lenguaje natural: para generar resúmenes de los documentos.
• Redes semánticas: para recomendar documentos relacionados.

Los resultados del estudio mostraron que la IA puede mejorar significativamente la precisión y la relevancia de los resultados de búsqueda en repositorios académicos.

En particular, la IA puede:

• Reducir la cantidad de documentos irrelevantes que se muestran al usuario.
• Producir resúmenes más precisos y completos de los documentos.
• Recomendar documentos relacionados que el usuario no hubiera considerado de otra manera.

Inteligencia artificial aplicada – Prof. Eladio Lobo

Fuente: openverse.org

El video presenta una introducción a la inteligencia artificial (IA) desde la perspectiva de un ingeniero. El ponente comienza definiendo la IA como «la capacidad de las máquinas para aprender, pensar y tomar decisiones de forma autónoma». Luego, explica los diferentes tipos de IA, incluyendo las redes neuronales artificiales, la lógica difusa y los sistemas expertos.

El ponente luego presenta algunos casos de aplicación de la IA en la ingeniería. Estos casos incluyen:

• Mantenimiento predictivo: uso de la IA para predecir cuándo un equipo o sistema fallará, lo que permite a los ingenieros realizar el mantenimiento preventivo antes de que ocurra una falla.
• Apilamiento de material: uso de la IA para estimar la cantidad de material que se encuentra en una pila.
• Conteo de objetos: uso de la IA para contar objetos en una imagen o video.
• Análisis de materiales: uso de la IA para relacionar las propiedades físicas de un material con su composición química o estructura.
• Traducción: uso de la IA para traducir entre idiomas.

El ponente concluye el video destacando la importancia de que los ingenieros tengan conocimiento de la IA. Señala que la IA está teniendo un impacto cada vez mayor en la ingeniería, y que los ingenieros que no están familiarizados con esta tecnología se verán en desventaja.

Rómpase en caso de IA – Prof. Rafael Chavarría Pérez

Fuente: encuadre.org

En el video, el maestro Rafael Chavarría Pérez, coordinador de Tecnologías para el Aprendizaje de la Universidad Iberoamericana León, México, presenta el proceso que siguió la institución para implementar la Inteligencia Artificial (IA) en su entorno educativo.

El proceso se inició en 2023, cuando la institución se enfrentó a una serie de inquietudes sobre el uso de la IA, como la posibilidad de plagio, el sesgo en los resultados y el impacto negativo en el aprendizaje. Para abordar estas inquietudes, la institución siguió los siguientes pasos:

• Reconocimiento: La institución realizó un diagnóstico de su situación actual en relación con la IA, identificando sus fortalezas y debilidades.
• Exploración: La institución participó en redes de colaboración con otras universidades para aprender sobre las experiencias de otros y explorar las posibilidades de la IA en la educación.
• Diálogo: La institución involucró a toda la comunidad universitaria en el proceso, desde autoridades hasta estudiantes y administrativos.
• Comunicación: La institución comunicó de forma clara y transparente sus objetivos y procesos relacionados con la IA.
• Capacitación: La institución proporcionó capacitación a docentes y estudiantes sobre el uso ético y responsable de la IA.
• Evaluación: La institución evaluó el proceso para identificar áreas de mejora.

Como resultado de este proceso, la Universidad Iberoamericana León ha desarrollado una postura institucional sobre el uso ético de la IA en la educación. La institución también ha creado una serie de recursos educativos para ayudar a docentes y estudiantes a utilizar la IA de forma responsable.