Date
September 10, 2026
Estado
Publicado
Obligatoriedad
Semana
Semana 4
Tipo
Notas de clase
Last edited by
Miss Pili PiñonesLast edited time
Sep 11, 2026 1:46 AM
N
3.5
Concepto
- Inteligencia Artificial General (AGI): Herramienta teórica capaz de emular actividades cognitivas y razonamiento humano, permitiéndole tomar decisiones y realizar cualquier tarea intelectual que un humano pueda hacer, superando la IA generativa simple .
- Superinteligencia: Nivel de inteligencia superior a la capacidad humana, lo que plantea riesgos de pérdida de control total sobre la tecnología .
Lo que entendí
- GPT Astra (GPT-6): Nuevo modelo de OpenAI que presume mayor inteligencia, reducción de costos en la API y mejor desempeño en matemáticas . Destaca su capacidad de identificación de la intención, permitiéndole "leer entre líneas" e inferir datos no explícitos en el texto .
- Capacidades y Ejemplos: Se mostraron simulaciones de resolución de un cubo de Rubik y un modelo interactivo 3D de anatomía humana .
- Sesgos de Datos: El modelo de anatomía humana evidenció un sesgo de género, ya que existe mucha más información disponible sobre el cuerpo masculino que sobre el femenino en la ciencia y la medicina .
- Conflictos Éticos y Legales:
- Plagio y Entrenamiento: Existe una polémica sobre el uso de datos de investigadores (caso de las ecuaciones de Navier-Stokes) para entrenar modelos sin consentimiento .
- Privacidad: Los modelos gratuitos suelen utilizar los datos del usuario como entrenamiento ("el usuario es el producto"), mientras que los planes empresariales prometen mayor protección .
- Impacto en la Ciencia: Se discute la pérdida de la trazabilidad del conocimiento, ya que los modelos nuevos ocultan su cadena de razonamiento, dificultando la revisión por pares y la intersubjetividad científica .
Must know
- Diferencia entre IA Generativa y AGI: Capacidad de generar un resultado específico vs. capacidad de razonamiento y toma de decisiones autónoma .
- Human in the Loop: El rol del ser humano como validador, diseñador de prompts y guía de los resultados de la IA .
- Benchmarking: Uso de comparativas de desempeño y costo entre modelos (ej. OpenAI vs. Anthropic) como estrategia de marketing .
- Trazabilidad y Verificación: La importancia de que las pruebas matemáticas sigan siendo demostrables y transparentes para mantener la autonomía científica .