Aprendizajes clase del 21 de febrero

 

APRENDIZAJES

Fecha: 21 de febrero de 2025

Durante la clase del viernes 21 de febrero profundizamos en temas fundamentales para la comprensión y aplicación de tecnologías basadas en inteligencia artificial, especialmente aquellas relacionadas con el lenguaje humano. Uno de los conceptos más importantes que aprendí fue el de los prompts, una herramienta clave en el uso de modelos de lenguaje como los que utilizan sistemas de inteligencia artificial generativa.

Un prompt se define como el conjunto de instrucciones, preguntas o fragmentos de texto que se le proporcionan a un sistema de Procesamiento de Lenguaje Natural (PLN) para que genere una respuesta o realice una tarea específica. Aprendí que la calidad y claridad del prompt influye directamente en la precisión y utilidad de la respuesta obtenida. Es decir, formular un prompt correctamente es esencial para obtener buenos resultados de un modelo de IA. Esto se relaciona directamente con habilidades de redacción, síntesis y pensamiento crítico, ya que implica saber qué pedir y cómo estructurarlo.

A continuación, exploramos con más detalle qué es el Procesamiento de Lenguaje Natural (PLN). Este campo es una rama de la inteligencia artificial que se encarga de estudiar e implementar la interacción entre computadoras y el lenguaje humano. Los sistemas de PLN son capaces de leer, interpretar, comprender y, en muchos casos, generar lenguaje humano de forma automatizada. Algunos ejemplos comunes incluyen asistentes virtuales como Siri o Alexa, traductores automáticos como Google Translate, y los chatbots que responden a preguntas en sitios web o redes sociales. En el ámbito académico y profesional, el PLN tiene aplicaciones valiosas, como la generación automática de resúmenes, la corrección gramatical inteligente o la extracción de información clave de textos extensos.

En relación con estos temas, revisamos también varias clasificaciones de la inteligencia artificial, poniendo especial atención en tres enfoques o subcampos fundamentales:

1. Aprendizaje automático (Machine Learning): Es un enfoque que permite a los sistemas aprender de los datos y mejorar su rendimiento sin estar explícitamente programados para cada tarea. Por ejemplo, un sistema que reconoce rostros o predice comportamientos de consumo en redes sociales.

2. Aprendizaje profundo (Deep Learning): Es una técnica más avanzada dentro del aprendizaje automático que utiliza redes neuronales artificiales con muchas capas. Este método permite realizar tareas complejas como el reconocimiento de imágenes, la generación de lenguaje natural o el análisis de sentimientos en grandes volúmenes de texto.

3. Procesamiento de Lenguaje Natural (PLN): Como ya se mencionó, este subcampo se enfoca específicamente en la comprensión y producción del lenguaje humano por parte de las máquinas, y representa uno de los puentes más importantes entre las personas y las inteligencias artificiales.

Por último, la clase también incluyó un segmento práctico que me resultó muy útil: el uso de Excel para la creación de una planilla de calificaciones con porcentajes. Aprendí a diseñar una tabla en la que se ingresan las calificaciones de diferentes actividades o exámenes, y a utilizar fórmulas para calcular automáticamente el porcentaje correspondiente de cada componente y el promedio final. Esta habilidad es muy importante no solo para la gestión académica, sino también para otros contextos administrativos o laborales donde se manejan datos y se requiere automatizar cálculos.