Spanish subtitles for clip: File:Ikusgela-Adimen artifiziala.webm

1
00:00:03,240 --> 00:00:07,170
¿Quién ha escrito todo esto que
voy a decir en los próximos minutos?

2
00:00:07,440 --> 00:00:08,800
¿yo misma? ¿un guionista?

3
00:00:09,100 --> 00:00:10,930
¿O fue una
inteligencia artificial?

4
00:00:11,080 --> 00:00:14,715
Sólo una cosa es segura:
inmediatamente después de crear este vídeo,

5
00:00:14,739 --> 00:00:17,590
lo que aquí te explicamos
podría quedar obsoleto.

6
00:00:17,830 --> 00:00:21,588
No es nada fácil para los
humanos distinguir la autoría.

7
00:00:21,613 --> 00:00:25,560
Y eso nos da una medida del
progreso de la inteligencia artificial.

8
00:00:25,585 --> 00:00:28,074
ChatGPT y
herramientas similares,

9
00:00:28,098 --> 00:00:30,535
tienen la capacidad de
escribir textos en su totalidad,

10
00:00:30,559 --> 00:00:33,760
de forma precisa y
adaptada al estilo solicitado.

11
00:00:33,820 --> 00:00:37,345
Y otras herramientas son capaces
de crear imágenes desde cero,

12
00:00:37,369 --> 00:00:39,970
respetando las órdenes
dadas que le demos.

13
00:00:39,995 --> 00:00:41,955
La I.A. o
inteligencia artificial

14
00:00:41,980 --> 00:00:43,030
no es un tema nuevo.

15
00:00:43,080 --> 00:00:46,850
Las primeras pruebas de la
tecnología en rápida evolución

16
00:00:46,874 --> 00:00:50,300
son de 1943, piensa.

17
00:00:50,320 --> 00:00:54,454
Pero desde 2022 ha entrado
de lleno en nuestras vidas,

18
00:00:54,479 --> 00:00:57,254
y cómo no, en discusiones
con nuestras amistades.

19
00:00:57,279 --> 00:00:59,720
¿Pero cómo funciona todo esto?

20
00:00:59,950 --> 00:01:02,210
¿Y cuánto cambiará
nuestras vidas?

21
00:01:10,001 --> 00:01:13,167
La inteligencia artificial es la
capacidad de las máquinas.

22
00:01:13,191 --> 00:01:16,044
Para realizar tareas que normalmente
requieren inteligencia humana.

23
00:01:16,068 --> 00:01:21,275
Estos incluyen el aprendizaje, la toma de
decisiones y el reconocimiento de patrones.

24
00:01:21,300 --> 00:01:23,960
Para lograrlo, los desarrolladores
de inteligencia artificial

25
00:01:23,985 --> 00:01:26,082
utilizan lo que se
llama una red neuronal.

26
00:01:26,433 --> 00:01:29,910
Una red neuronal puede
aprender a realizar tareas difíciles,

27
00:01:29,950 --> 00:01:33,297
como reconocer
imágenes o traducir idiomas.

28
00:01:33,321 --> 00:01:36,538
Una red neuronal aprende
a través de la experiencia.

29
00:01:36,563 --> 00:01:39,977
Esto significa que al entrenar
con un conjunto de datos,

30
00:01:40,001 --> 00:01:43,840
ese conjunto de datos puede
ajustar sus conexiones y parámetros

31
00:01:43,865 --> 00:01:46,220
para mejorar la capacidad
de realizar el trabajo deseado.

32
00:01:46,270 --> 00:01:50,211
En otras palabras, puede crear
y adaptar sus propios algoritmos,

33
00:01:50,235 --> 00:01:52,450
a través del
aprendizaje automático.

34
00:01:52,660 --> 00:01:57,138
Básicamente, una red neuronal
consta de muchas "neuronas artificiales",

35
00:01:57,162 --> 00:01:59,860
y están organizados en
capas interconectadas.

36
00:01:59,920 --> 00:02:02,763
Cada neurona recibe
cierta información.

37
00:02:02,787 --> 00:02:06,270
Y realiza una pequeña operación
matemática para procesarlo.

38
00:02:06,350 --> 00:02:10,196
Esta información luego se transmite
a las neuronas de la siguiente capa,

39
00:02:10,221 --> 00:02:14,100
y así sucesivamente hasta
llegar a la respuesta final.

40
00:02:14,380 --> 00:02:18,340
Así es, se deben proporcionar
datos para entrenar la red neuronal.

41
00:02:18,390 --> 00:02:20,680
Existen diferentes tipos
de procesos de aprendizaje:

42
00:02:20,988 --> 00:02:24,649
1- Aprendizaje supervisado:

43
00:02:24,650 --> 00:02:26,680
Este tipo de entrenamiento
se utiliza cuando

44
00:02:26,705 --> 00:02:28,830
hay un conjunto de datos
que ha sido etiquetado antes,

45
00:02:28,855 --> 00:02:29,796
esto es,

46
00:02:29,821 --> 00:02:33,660
cuando se conoce la respuesta
correcta para cada entrada.

47
00:02:34,230 --> 00:02:38,100
La IA aprende de
estos datos etiquetados,

48
00:02:38,180 --> 00:02:41,520
y luego puede hacer
predicciones para nuevos datos.

49
00:02:42,190 --> 00:02:44,610
2- Aprendizaje no supervisado:

50
00:02:45,190 --> 00:02:46,711
en este tipo de entrenamiento,

51
00:02:46,736 --> 00:02:49,550
la IA no tiene datos
etiquetados previamente.

52
00:02:49,630 --> 00:02:52,220
En cambio, se le presenta
un conjunto de datos,

53
00:02:52,244 --> 00:02:56,660
y se le pide que encuentre patrones
o estructuras dentro de esos datos.

54
00:02:57,100 --> 00:03:00,020
Esto puede ser útil para
el análisis de datos o

55
00:03:00,044 --> 00:03:02,060
para segmentar
clientes, por ejemplo.

56
00:03:02,414 --> 00:03:05,240
3- Aprendizaje
mediante refuerzo:

57
00:03:05,520 --> 00:03:10,460
este tipo de formación se utiliza para
enseñar a la IA a tomar decisiones,

58
00:03:10,590 --> 00:03:12,850
mediante recompensa y castigo.

59
00:03:13,140 --> 00:03:14,430
Se le presetan un escenario,

60
00:03:14,510 --> 00:03:16,540
y se le pide que
realice una acción.

61
00:03:16,800 --> 00:03:19,941
Si la acción es correcta, la
IA recibe una recompensa,

62
00:03:19,965 --> 00:03:23,110
pero si la acción no es
correcta, recibe un castigo.

63
00:03:23,135 --> 00:03:24,165
Con el tiempo,

64
00:03:24,190 --> 00:03:28,860
la IA aprende a tomar las decisiones
correctas para maximizar las recompensas.

65
00:03:28,885 --> 00:03:29,975
Un ejemplo,

66
00:03:30,000 --> 00:03:33,550
si queremos que una computadora
aprenda a reconocer caras,

67
00:03:33,680 --> 00:03:37,220
y que nos de información sobre lo
que aparece en cada uno de ellas

68
00:03:37,244 --> 00:03:39,610
le proporcionaremos
muchas imágenes etiquetadas.

69
00:03:39,800 --> 00:03:42,937
La computadora observa
patrones en los datos,

70
00:03:42,962 --> 00:03:46,830
y crea un modelo para identificar
rostros en nuevas imágenes.

71
00:03:47,130 --> 00:03:50,059
¿Y por qué es todo
esto tan significativo?

72
00:03:50,129 --> 00:03:52,117
Principalmente porque
es una tecnología que

73
00:03:52,142 --> 00:03:54,205
se puede utilizar en muchos
ámbitos de nuestra vida.

74
00:03:54,230 --> 00:03:58,459
En sanidad, los sistemas de inteligencia
artificial diagnostican enfermedades

75
00:03:58,483 --> 00:04:01,940
y puede ayudar a los médicos a predecir
los resultados de los tratamientos.

76
00:04:02,080 --> 00:04:06,193
También es capaz de automatizar la mayor
parte del trabajo realizado por ordenador,

77
00:04:06,218 --> 00:04:07,700
con cada vez mejores resultados.

78
00:04:07,790 --> 00:04:10,646
Trabajos de diseño,
redacción, previsiones...

79
00:04:10,670 --> 00:04:15,242
Se está desarrollando rápidamente y tiene
capacidades cada vez más impresionantes.

80
00:04:15,266 --> 00:04:17,690
Pero ojo, que también
hay voces críticas.

81
00:04:17,715 --> 00:04:18,667
Y menos mal:

82
00:04:18,691 --> 00:04:22,052
porque ya nos advirtieron sobre
los peligros de esta tecnología.

83
00:04:22,076 --> 00:04:25,867
Por un lado, a medida que
la inteligencia artificial avanza,

84
00:04:25,891 --> 00:04:27,850
surgen nuevos dilemas éticos.

85
00:04:28,070 --> 00:04:28,775
Por ejemplo,

86
00:04:28,800 --> 00:04:32,710
¿Quién es responsable si un vehículo
autónomo provoca un accidente?

87
00:04:32,730 --> 00:04:35,698
¿Cómo podemos garantizar que
los sistemas de inteligencia artificial

88
00:04:35,722 --> 00:04:38,170
no discriminan a ciertos
grupos de personas?

89
00:04:38,236 --> 00:04:40,998
¿Es ético tomar decisiones
que pueden dañar a los humanos

90
00:04:41,022 --> 00:04:43,497
creando inteligencias
artificiales que tomarán el control?

91
00:04:43,535 --> 00:04:45,050
¿A quién pertenece
la tecnología?

92
00:04:45,160 --> 00:04:47,586
¿Quién audita o
controla las decisiones?

93
00:04:47,610 --> 00:04:50,005
Estos son algunos de los
dilemas éticos que

94
00:04:50,030 --> 00:04:53,323
deben abordarse a medida
que avanza la tecnología.

95
00:04:53,348 --> 00:04:54,598
¿Y qué pasa con los idiomas?

96
00:04:54,623 --> 00:04:57,512
¿Cómo se ve esto desde las
comunidades de lenguas minoritarias?

97
00:04:57,537 --> 00:04:59,185
No hay una respuesta
redonda sobre las

98
00:04:59,210 --> 00:05:01,710
lenguas minorizadas y
la inteligencia artificial:

99
00:05:01,980 --> 00:05:04,346
Por ejemplo, los sistemas
de traducción automática

100
00:05:04,370 --> 00:05:08,472
pueden facilitar la comunicación
entre hablantes de diferentes idiomas,

101
00:05:08,498 --> 00:05:11,312
y eso podría tener
un efecto positivo

102
00:05:11,336 --> 00:05:13,510
en el cuidado y promoción
de las lenguas minoritarias.

103
00:05:13,560 --> 00:05:15,648
Es posible, gracias
a estas tecnologías,

104
00:05:15,673 --> 00:05:18,265
pudiendo recibir cualquier
contenido en nuestro idioma,

105
00:05:18,289 --> 00:05:21,470
sin necesidad del trabajo de
traducción o doblaje de nadie.

106
00:05:21,630 --> 00:05:23,190
Pero no es oro
todo lo que reluce.

107
00:05:23,430 --> 00:05:26,156
Los sistemas de inteligencia
artificial están sesgados y

108
00:05:26,180 --> 00:05:30,960
también existe el riesgo de
reproducir la discriminación lingüística.

109
00:05:30,985 --> 00:05:34,853
Es probable que no haya información
suficiente sobre las lenguas minoritarias,

110
00:05:34,878 --> 00:05:37,928
y por tanto cometen más
errores que en otros idiomas,

111
00:05:37,952 --> 00:05:39,829
o tienen falta de detalles,

112
00:05:39,853 --> 00:05:43,618
para distinguir detalles sobre
comunidades lingüísticas más pequeñas.

113
00:05:43,642 --> 00:05:46,280
Hay alrededor de 7000
idiomas en el mundo.

114
00:05:46,430 --> 00:05:48,229
¿cuántos de ellos tendrán

115
00:05:48,254 --> 00:05:51,046
la oportunidad de utilizar las
capacidades de la inteligencia artificial?

116
00:05:51,070 --> 00:05:53,110
Por ejemplo, los
modelos utilizados

117
00:05:53,134 --> 00:05:55,844
están destinados a
idiomas con muchos datos

118
00:05:55,868 --> 00:05:57,654
esas comunidades lingüísticas

119
00:05:57,678 --> 00:05:59,816
suelen tener más
recursos tecnológicos.

120
00:05:59,840 --> 00:06:01,870
Por eso es importante

121
00:06:01,890 --> 00:06:04,451
además de tener datos
propios disponibles y gratuitos,

122
00:06:04,475 --> 00:06:07,615
investigar modelos que
requieran menos recursos

123
00:06:07,639 --> 00:06:11,350
o colaborar con otras comunidades
lingüísticas similares a la nuestra.

124
00:06:11,400 --> 00:06:13,210
¿Asustado, encantado?

125
00:06:13,250 --> 00:06:14,699
¿Qué te ha parecido?

126
00:06:14,723 --> 00:06:17,850
Todo va muy rápido y
no es fácil seguir el ritmo.

127
00:06:17,874 --> 00:06:20,750
Pero no lo olvides, la
información es poder.

128
00:06:20,930 --> 00:06:23,348
Intentaremos desde aquí,
poner nuestro granito de arena

129
00:06:23,372 --> 00:06:25,144
para que todo el mundo
pueda acceder a él.

130
00:06:25,220 --> 00:06:27,926
La comprensión nos da soberanía.