🤖 ✨ Vivimos tiempos de cambio en los que parece ser que la IA está en el centro de todo. Sin embargo, muchas veces olvidamos que detrás de toda la IA que se pone a nuestro servicio hay personas que son las que la diseñan y construyen. Con este nuevo reto «Las caras Humanas de la IA» quiero poner mi pequeño grano de arena para contribuir al objetivo de que no olvidemos que detrás de cada gran logro y avance hay personas que no deberían quedar en segundo plano. En un mundo cada vez más automatizado, es importante recordar la importancia del factor humano en el desarrollo y la implementación de la inteligencia artificial. Las habilidades, la pasión y el compromiso de los profesionales que trabajan en este campo son fundamentales para garantizar que la IA sirva para el bien común y responda a las necesidades reales de la sociedad. Es esencial reconocer y valorar el trabajo de estas personas, destacando sus contribuciones y el impacto positivo que generan en nuestras vidas a través de la tecnología.
Hoy añado a mi lista al octavo protagonista. ¿Conoces a Ilya Sutskever? , puede ser que te suene tras el culebrón de OpenAI cuando Sam Altman fue despedido, pero en realidad Ilya es uno de los pioneros en el campo de la inteligencia artificial a nivel científico.
⭐️ Junto con Alex Krizhevsky y Geoffrey Hinton, Sutskever desarrolló AlexNet, una red neuronal convolucional que ganó el concurso de reconocimiento de imágenes ImageNet con una precisión sin precedentes. Este hito marcó un antes y un después en el campo del aprendizaje profundo, demostrando el potencial de las redes neuronales para tareas de visión por computadora..
💡 Desarrollo del Algoritmo Sequence-to-Sequence (2014)
⭐️ En Google Brain, Sutskever trabajó en el desarrollo del algoritmo sequence-to-sequence, que ha sido fundamental para tareas de procesamiento del lenguaje natural como la traducción automática. Este avance ha permitido mejoras significativas en la capacidad de las máquinas para comprender y generar lenguaje humano, abriendo nuevas posibilidades en la interacción hombre-máquina.
💡 Fundación de OpenAI (2015)
⭐️ Sutskever cofundó OpenAI junto con Elon Musk, Sam Altman y otros, con el objetivo de desarrollar inteligencia artificial de manera segura y beneficiosa para la humanidad. La creación de OpenAI ha sido crucial para avanzar en la investigación de IA de manera ética y responsable, promoviendo la colaboración abierta y la transparencia.
💡 Proyecto Superalignment en OpenAI (2023)
⭐️ Anunció su participación en el proyecto “Superalignment” de OpenAI, cuyo objetivo es resolver el problema de la alineación de superinteligencias en un plazo de cuatro años. Este proyecto es vital para garantizar que las futuras inteligencias artificiales superinteligentes actúen de acuerdo con los valores humanos y no representen un riesgo para la sociedad.
💡 Co-fundación de Safe Superintelligence (2024)
⭐️ En junio de 2024, Sutskever cofundó Safe Superintelligence junto con Daniel Gross y Daniel Levy, enfocándose en el desarrollo seguro de superinteligencias. La creación de esta empresa refleja la creciente preocupación por la seguridad en el desarrollo de IA avanzada y la necesidad de enfoques proactivos para mitigar riesgos.
🧠 Reflexión sobre la Evolución de la IA 🤖
La carrera de Ilya Sutskever ilustra cómo la inteligencia artificial ha evolucionado desde ser una disciplina académica hasta convertirse en una tecnología transformadora con aplicaciones prácticas en múltiples industrias. Su trabajo ha sido fundamental para avanzar en el aprendizaje profundo y el procesamiento del lenguaje natural, y sus esfuerzos recientes en la alineación y seguridad de la IA subrayan la importancia de desarrollar estas tecnologías de manera responsable.
🗺️ 🧠 ¿Qué tal un MMM con está información?
Os dejo el resumen Visual de Ilya Sutskever, creo que nos puede ser útil para recordar su contribución a la IA.
¿Conocías al personaje de hoy? ¿Te gustaría añadir más información sobre el personaje? ¿Qué personaje te gustaría que tratase en siguientes posts? Quedo atento a tus respuestas a estas preguntas o cualquier otra que se te ocurra relacionada con el tema. Animate y ayúdame a seguir contribuyendo a la comunidad.
En la semana 29/2024 de #makeovermonday la propuesta es visualizar datos sobre el torneo de tenis 🎾 de Wimbledon el cual se celebra desde 1877. Los datos están en flourish.studio. En esta ocasión me he centrado en los hitos más relevantes de la competición y he creado un par de sencillos DataStoryTelling de la competición sobre los países origen de los ganadores separando las competiciones individuales masculina y femenina.
¿Qué encontrarás en este artículo?
El desarrollo de esta semana, y las herramientas utilizadas para llevarlo a cabo han sido los siguientes:
Presentación del caso de la semana. Pequeño diseño / Metáfora Visual o pieza gráfica que represente el tema. Utilizaré Procreate, como indicaba este no será el motivo central del Mapa Mental final por el cambio de orientación.
Resumen de las ideas principales del artículo. Herramienta utilizada Copilot 🤖 como asistente.
Visual Thinking. Generación de un Mapa Mental (Mind Map) en base a las hitos 💡 del resumen. La herramienta utilizada Procreate con iPad Pro y Apple Pencil.
Análisis 📈 de los datos. Determinación de los mejores gráficos 📈 a utilizar para el caso. En este caso he utilizado únicamente gráficos de barras y de líneas.
Visualización de los datos.📊 Para este caso a pesar de la simplicidad de los datos he utilizado como herramienta de visualización especializadaMicrosoft PowerBI.
🎙️ Presentación del caso
#MakeoverMonday es una fuente de inspiración para aplicar la práctica deliberada y forzarnos a desarrollar nuestras habilidades en el apasionante mundo de la Visualización de Datos y de paso, aprovechando el tema, también para practicar el Visual Thinking.
Para empezar a meternos harina y con iPad en mano, he creado lo que sería la presentación del tema de la semana, dado que hablamos de tenis que mejor que una pelota 🎾 y una raqueta.
En la semana 29/2024 los datos que se nos proporcionan son los relativos a estadísticas de la competición de Wimbledon. Esta semana me he centrado en representar los hitos claves de la competición, y a nivel de datos la representación de los países de origen de los ganadores separando las competiciones individuales masculinas y femeninas.
💡 Resumen de las ideas principales
Para realizar el resumen del artículo he utilizado Copilot, y el resultado vuelve a ser sorprenderme 👍, no por ello deja de ser necesario revisar que todo lo indicado es correcto y añadir otros detalles que puedan ser relevantes. Copilot te ayuda a verificar los datos ya que proporciona las referencias de los datos mostrados.
Hitos de la competición individual masculina
Y como todas las semanas, ¿Qué tal si le damos un toque más visual utilizando IH (Inteligencia Humana)?
👁️ Visual Thinking
El resumen anterior generado por IA (Copilot que usa ChatGPT 4 como modelo de lenguaje), o un resumen que pudiéramos realizar nosotros requeriría de una lectura concentrada para entender todos los datos, pero no me cabe ninguna duda de que una representación visual de estos mismos hitos en un Mapa Mental facilitará la retención de los datos.
Seguidamente te muestro un Mind Map tuneado, ya que realmente no cumple estrictamente con las reglas de un Mapa Mental. Yo lo denomino Mini Mapa Mental o MMM, y se trata de un mapa mental con la 💡 idea central y únicamente un primer nivel de ideas fundamentales. A partir de este primer esqueleto podríamos seguir ramificando y completando con ideas de más detalle.
Mini Mind Map #RetoVTVD2024 week 29/2024 #makeovermonday Wimbledon
📈 Análisis de datos
Los datos que nos proporciona el reto en esta semana, tal y como os comentaba antes, son un conjunto de diferentes estadísticas sobre la competición de tenis de Wimbledon. Y en este caso me he limitado a tomar varias variables, cuales son los países de origen de los ganadores y los premios en libras obtenidos tanto en la competición individual masculina como en la femenina.
Diagramas de barras
Es un tipo de gráfico perfecto para comparar diferentes categorías en base a una única variable. En el caso que nos ocupa utilizaré gráficos de barras para ver el ranking tanto en torneos ganados, como en importe total de los premios acumulados por la categoría del país de origen de los ganadores.
También utilizaré un gráfico de línea para ver la evolución del importe de los premios a lo largo de las ediciones del torneo.
📊 Visualización de datos
Estos gráficos los he generado con PowerBI de Microsoft, y los he combinado junto con un selector de la competición, para generar finalmente un pequeño cuadro de mandos. Se trata de construir con nuestros hallazgos en los datos un aspecto de historia, un DataStorytelling. Así que seguidamente os muestro el cuadro de mandos resultante para la competición masculina , …
El DataStoryTelling …
Data storytelling#RetoVTVD2024 week 29/2024 #makeovermonday Wimbledon
En el gráfico puedes encontrar, de izquierda a derecha y de arriba hacia abajo, la siguiente información:
Título
Selector de la competición. Masculino o Femenino
Gráfico de barras de países de origen de los ganadores por torneos ganados.
Gráfico de barras de países de origen de los ganadores por torneos ganados. Pero únicamente de los 10 últimos años de la competición.
Gráfico de barras de países de origen de los ganadores por importe total de los premios ganados.
Gráfico de líneas de la evolución de los premios a lo largo de la competición.
A partir de este cuadro de mandos como apoyo visual podríamos contar una historia y usar los datos para apoyarla y darle la credibilidad que merece.
Seguidamente os muestro los datos al seleccionar la competición femenina.
Indicar que PowerBi es dinámico y los gráficos de todo el Cuadro de Mandos se actualizan en base a la selección de filtro aplicada, tanto en el selector como en cualquiera de los gráficos que componen el cuadro de mandos.
Data storytelling#RetoVTVD2024 week 29/2024 #makeovermonday Wimbledon Femenino
💭 ¿Qué te ha parecido el reto de esta semana?
⭐️ Me encantaría ofrecerte más detalles sobre el caso de la semana para asegurarme de que estás obteniendo el máximo provecho de este reto. Profundizar en aspectos específicos que puedan ser de mayor ayuda o facilitar orientación adicional sería mi objetivo, pero necesitaría saber en que puntos te gustaría que extienda la información. Y por supuesto, si observas que estoy cometiendo algún error y me ayudas a corregirlo sería fantastico.
Además, tu perspectiva y experiencia personal serían muy valiosas para enriquecer el contenido, ya que podrías compartir la forma en que consideras que los datos del caso de la semana deberían ser presentados. Estoy ansioso por recibir tus comentarios y continuar esta conversación de manera constructiva.
😃 ¡Muchas gracias! , volveré con el siguiente reto.
🤖 ✨ Vivimos tiempos de cambio en los que parece ser que la IA está en el centro de todo. Sin embargo, muchas veces olvidamos que detrás de toda la IA que se pone a nuestro servicio hay personas que son las que la diseñan y construyen. Con este nuevo reto «Las caras Humanas de la IA» quiero poner mi pequeño grano de arena para contribuir al objetivo de que no olvidemos que detrás de cada gran logro y avance hay personas que no deberían quedar en segundo plano. En un mundo cada vez más automatizado, es importante recordar la importancia del factor humano en el desarrollo y la implementación de la inteligencia artificial. Las habilidades, la pasión y el compromiso de los profesionales que trabajan en este campo son fundamentales para garantizar que la IA sirva para el bien común y responda a las necesidades reales de la sociedad. Es esencial reconocer y valorar el trabajo de estas personas, destacando sus contribuciones y el impacto positivo que generan en nuestras vidas a través de la tecnología.
Vamos hoy con el actual (2024) CEO de Microsoft AI ¿Conoces a Mustafa Suleyman?Mustafa Suleyman tal y como te comentaba es el CEO de Microsoft AI. Anteriormente fue cofundador de Inflection y DeepMind. En su perfil de LinkedIn resalta sus 15 años de experiencia como empresario, tecnólogo y líder en inteligencia artificial. Es miembro de la junta directiva de The Economist y es miembro sénior del Centro Belfer para la Ciencia y los Asuntos Internacionales de la Escuela Kennedy de Harvard.
Personalmente estoy leyendo su libro «The coming wave» y la verdad es que sus reflexiones son muy interesantes, tan interesante como la conferencia TED que puedes ver seguidamente.
⭐️ En 2010, Mustafa cofundó DeepMind junto con Demis Hassabis y Shane Legg. DeepMind se convirtió rápidamente en una de las empresas líderes en investigación de IA, conocida por sus avances en el aprendizaje automático.
💡 Adquisición de DeepMind por Google (2014)
⭐️ En 2014, Google adquirió DeepMind, lo que permitió a Mustafa y su equipo acceder a recursos significativos para continuar avanzando en la investigación de IA. Mustafa se convirtió en jefe de IA aplicada en DeepMind.
💡 Desarrollo de AlphaGo (2016)
⭐️ Uno de los logros más notables de DeepMind bajo la dirección de Mustafa fue el desarrollo de AlphaGo, el primer programa de IA en derrotar a un jugador profesional de Go. Esta hazaña fue ampliamente considerada fuera del alcance de la IA en ese momento.
💡 Fundación de Inflection AI (2019)
⭐️ En 2019, Mustafa dejó Google para cofundar Inflection AI, una empresa centrada en la creación de sistemas de IA diseñados para una mayor accesibilidad y facilidad de uso. Bajo su liderazgo, Inflection AI atrajo una inversión impresionante de Microsoft.
💡 Unión a Microsoft como CEO de Microsoft AI (2024)
⭐️ En 2024, Mustafa se unió a Microsoft como vicepresidente ejecutivo y director ejecutivo de Microsoft AI. Liderará el desarrollo de productos de IA de consumo, incluyendo Copilot, Bing y Edge, marcando un nuevo capítulo en su carrera y en la evolución de la IA.
🗺️ 🧠 ¿Qué tal un MMM con está información?
Os dejo el resumen Visual de Mustafa Suleyman, creo que nos puede ser útil para recordar su contribución a la IA.
¿Conocías al personaje de hoy? ¿Te gustaría añadir más información sobre el personaje? ¿Qué personaje te gustaría que tratase en siguientes posts? Quedo atento a tus respuestas a estas preguntas o cualquier otra que se te ocurra relacionada con el tema. Animate y ayúdame a seguir contribuyendo a la comunidad.
En la semana 28/2024 de #makeovermonday la propuesta es visualizar datos sobre El ascenso y el aumento de los LLM. La fuente principal de los datos está en https://geni.us/IIB-LLMdata . En cualquier caso en esta ocasión tras revisar los datos me he centrado en la relevancia y posición predominante de OpenAI en el desarrollo de la IA Generativa, y la potencia diferencial de sus modelos LLM. Así que, el DataStoryTelling de la semana versará principalmente sobre OpenAI.
¿Qué encontrarás en este artículo?
El desarrollo de esta semana, y las herramientas utilizadas para llevarlo a cabo han sido los siguientes:
Presentación del caso de la semana. Pequeño diseño / Metáfora Visual o pieza gráfica que represente el tema. Finalmente tampoco usare esta imagen de presentación para la parte de Visual Thinking de la semana. La cual tampoco será un Mapa Mental como luego os indicaré.
Resumen de las ideas principales del artículo. Herramienta utilizada ChatGPT 4o 🤖 como asistente. Tras revisar el tema como ya indicaba me centraré en la evolución de los modelos de OpenAI y dará un poco de contexto al desarrollo de la IA.
Visual Thinking. Generación de un SketchNote en base a la evolución de los modelos LLM de OpenAI. La herramienta utilizada Procreate con iPad Pro y Apple Pencil.
Análisis 📈 de los datos. Determinación de los mejores gráficos 📈 a utilizar para el caso. En este caso he utilizado varios gráficos de líneas y un gráfico de burbujas y los he combinado todos ellos en una especie de infografía.
Visualización de los datos.📊 Para este caso y dada la simplicidad de los datos no utilizaré una herramienta de visualización especializada, nuevamente usaré directamente KeyNote de Apple.
🎙️ Presentación del caso
#MakeoverMonday es una fuente de inspiración para aplicar la práctica deliberada y forzarnos a desarrollar nuestras habilidades en el apasionante mundo de la Visualización de Datos y de paso, aprovechando el tema, también para practicar el Visual Thinking.
Para empezar a meternos harina y con iPad en mano, he creado lo que sería la presentación del tema de la semana, dado que hablamos IA y modelos LLM la representación es una especie de cerebro 🧠 digital.
#RetoVTVD2024 week 28/2024 #makeovermonday LLMs
En la semana 28/2024 los datos que se nos proporcionan son los relativos a la evolución de los modelos a lo largo del tiempo y del volumen de parámetros que utiliza cada uno de ellos. Sin embargo, tal y como te adelantaba antes, esta semana me he centrado más en representar los hitos claves en la evolución de los LLMs desarrollados por OpenAI, la empresa que está marcando de forma predominante el desarrollo de la IA Generativa..
💡 Resumen de las ideas principales
Para realizar el resumen del artículo he utilizado ChatGPT 4o, y el resultado no deja de sorprenderme 👍, no por ello deja de ser necesario revisar que todo lo indicado es correcto y añadir otros detalles que puedan ser relevantes. Seguidamente os muestro los 5 hitos principales generados por la IA:
1. GPT-2 (2019)
El lanzamiento de GPT-2 fue un hito significativo. Este modelo, con 1.5 mil millones de parámetros, demostró una capacidad sorprendente para generar texto coherente y relevante en una variedad de contextos. A pesar de las preocupaciones iniciales sobre su posible uso indebido, se publicó una versión reducida y luego la versión completa, mostrando el potencial de los LLM para aplicaciones comerciales y de investigación.
2. GPT-3 (2020)
GPT-3, con 175 mil millones de parámetros, representó un salto cuántico en las capacidades de los LLM. Su capacidad para realizar tareas complejas de procesamiento del lenguaje natural (NLP), como traducción, resumen, y generación de texto con un alto grado de coherencia y contexto, lo convirtió en un modelo revolucionario. OpenAI lanzó API para GPT-3, permitiendo su integración en diversas aplicaciones comerciales.
3. Codex y GitHub Copilot (2021)
Codex, una extensión de GPT-3 enfocada en la generación de código, marcó otro hito. Integrado en GitHub Copilot, este modelo facilita la escritura de código asistida por IA, sugiriendo líneas de código y completaciones basadas en el contexto del archivo en el que el desarrollador está trabajando. Esto ha transformado la manera en que los desarrolladores trabajan, aumentando la productividad y la eficiencia.
4. DALL-E y DALL-E 2 (2021 y 2022)
DALL-E y su sucesor DALL-E 2 han demostrado la capacidad de los LLM para generar imágenes a partir de descripciones textuales. Estos modelos han ampliado el alcance de las aplicaciones de los LLM más allá del texto, explorando la síntesis de medios visuales. DALL-E 2, en particular, ha mostrado mejoras significativas en la calidad y precisión de las imágenes generadas.
5. ChatGPT y GPT-4 (2023)
El lanzamiento de ChatGPT, basado en GPT-4, mostró un avance significativo en las interacciones conversacionales humanas con IA. Con una mejor comprensión del contexto y una capacidad mejorada para mantener conversaciones coherentes y relevantes, ChatGPT ha sido ampliamente adoptado para servicios de atención al cliente, tutorías, y otras aplicaciones interactivas. GPT-4, con capacidades mejoradas en términos de comprensión y generación de lenguaje, ha cimentado aún más la posición de OpenAI como líder en el campo de los LLM.
6. GPT-4o (2024)
CharGPT-4o es el modelo más reciente y avanzado de OpenAI, diseñado para proporcionar una inteligencia al nivel de GPT-4 pero con mejoras significativas en velocidad y capacidad. Este modelo es más rápido y económico, y tiene capacidades multimodales que le permiten manejar texto, voz y visión en tiempo real. Por ejemplo, CharGPT-4o puede traducir un menú en un idioma extranjero, proporcionar información sobre los platos y hacer recomendaciones basadas en imágenes compartidas por el usuario
En resumen, los LLM en OpenAI han tenido un desarrollo impresionante en los últimos años, y esto ha colocado a OpenAI en la vanguardia de esta evolución, liderando con innovación, responsabilidad y un enfoque estratégico en la integración comercial y la colaboración abierta.
Y como todas las semanas, ¿Qué tal si le damos un toque más visual utilizando IH (Inteligencia Humana)? Y en esta ocasión mucho más ya que la representación en esta ocasión es una comparación entre la IA y la IH
👁️ Visual Thinking
El resumen anterior generado por IA (ChatGPT 4o), o un resumen que pudiéramos realizar nosotros requeriría de una lectura concentrada para entender todos los datos, pero no me cabe ninguna duda de que una representación visual de estas ideas nos ayudaría a procesar toda esta información.
Seguidamente te muestro un SketchNote en el que comparo la evolución de los LLMs de OpenAI con la evolución de la especie Humana. En definitiva, lo que vendría a ser una comparación entre la evolución de la IA con la evolución de la IH.
Introducción de un modelo básico de lenguaje con 117M de parámetros.
Australopithecus: Primeros pasos en la evolución del lenguaje.
2018
GPT-2
2019
Modelo mejorado con 1.5B de parámetros, demostrando generación de texto coherente.
Homo Habilis: Mayor habilidad y herramientas rudimentarias.
2019
GPT-3
2020
Salto cuántico a 175B de parámetros, gran capacidad en tareas de NLP.
Homo Erectus: Avance significativo en capacidades y adaptaciones.
2020
Codex
2021
Extensión de GPT-3 para la generación de código y asistencia a desarrolladores.
Homo Neanderthalensis: Especialización en habilidades técnicas.
2021
DALL-E
2021
Generación de imágenes a partir de descripciones textuales.
Homo Sapiens: Expansión a nuevas áreas (imágenes) más allá del lenguaje.
2021
GPT-4
2023
Mejoras en la comprensión y generación de lenguaje, interacciones conversacionales avanzadas.
Homo Sapiens Moderno: Alta sofisticación y complejidad en habilidades de comunicación.
2023
📈 Análisis de datos
Los datos que nos proporciona el reto en esta semana, tal y como os comentaba antes, se trata de la evolución en el tiempo de los diferentes LLMs que se han ido generado por diferentes compañías. Sin embargo he preferido centrarme en particular en datos relevantes sobre OpenAI.
Infografías
Una infografía es una combinación de diferentes representaciones de datos con un formato visual en el que se combina el Visual Thinking y DataStoryTelling. En el caso que nos ocupa es lo que he generado combinando diagramas de líneas y burbujas, añadiendo datos adicionales que nos muestran una historia muy interesante, y que puede deducirse prácticamente con lo que la propia infográfia muestra..
📊 Visualización de datos
Los gráficos los he generado directamente con KeyNote de Apple. Sin embargo, tal y como aprendí en el curso de Visualización de Datos de Latinometrics en Plazi, lo que tenemos que hacer con nuestros hallazgos en los datos es darle un aspecto de historia, un DataStorytelling. Así que seguidamente te muestro la Infografía que he tuneado, …
El DataStoryTelling …
Data storytelling#RetoVTVD2024 week 28/2024 #makeovermonday LLMs
En el gráfico puedes encontrar la siguiente información:
Los LLMS de OpenAI y el número de parámetros que ha utilizado cada uno de ellos
La evolución en el mismo tiempo de las visitas mensuales a ChatGPT desde su lanzamiento en noviembre de 2022 .
La comparación relativa de los accesos a ChatGPT con respecto a sus principales competidores..
A partir de esta diapositiva como apoyo visual podríamos contar diversas historias y usar los datos para apoyarla y darle la credibilidad que merece.
💭 ¿Qué te ha parecido el reto de esta semana?
⭐️ Me encantaría ofrecerte más detalles sobre el caso de la semana para asegurarme de que estás obteniendo el máximo provecho de este reto. Profundizar en aspectos específicos que puedan ser de mayor ayuda o facilitar orientación adicional sería mi objetivo, pero necesitaría saber en que puntos te gustaría que extienda la información. Y por supuesto, si observas que estoy cometiendo algún error y me ayudas a corregirlo sería fantastico.
Además, tu perspectiva y experiencia personal serían muy valiosas para enriquecer el contenido, ya que podrías compartir la forma en que consideras que los datos del caso de la semana deberían ser presentados. Estoy ansioso por recibir tus comentarios y continuar esta conversación de manera constructiva.
😃 ¡Muchas gracias! , volveré con el siguiente reto.
🤖 ✨ Vivimos tiempos de cambio en los que parece ser que la IA está en el centro de todo. Sin embargo, muchas veces olvidamos que detrás de toda la IA que se pone a nuestro servicio hay personas que son las que la diseñan y construyen. Con este nuevo reto «Las caras Humanas de la IA» quiero poner mi pequeño grano de arena para contribuir al objetivo de que no olvidemos que detrás de cada gran logro y avance hay personas que no deberían quedar en segundo plano. En un mundo cada vez más automatizado, es importante recordar la importancia del factor humano en el desarrollo y la implementación de la inteligencia artificial. Las habilidades, la pasión y el compromiso de los profesionales que trabajan en este campo son fundamentales para garantizar que la IA sirva para el bien común y responda a las necesidades reales de la sociedad. Es esencial reconocer y valorar el trabajo de estas personas, destacando sus contribuciones y el impacto positivo que generan en nuestras vidas a través de la tecnología.
Hoy añado a mi lista a otra increíble mujer. ¿Conoces a Fei-Fei Li?Fei-Fei Li es una destacada investigadora y profesora en el campo de la inteligencia artificial, conocida por fundar el proyecto ImageNet, que revolucionó la visión por computadora y el aprendizaje profundo. Además, es una ferviente defensora de la IA centrada en el ser humano y la diversidad en la educación tecnológica, co-fundadora de la organización AI4ALL.
⭐️ Fei-Fei Li fundó el proyecto ImageNet, una extensa base de datos de imágenes etiquetadas que ha sido fundamental para los avances en la visión por computadora y el aprendizaje profundo. ImageNet facilitó el desarrollo de algoritmos de reconocimiento de imágenes de alta precisión, impulsando significativamente el campo del deep learning.
💡 Competencia ImageNet Large Scale Visual Recognition Challenge (2010-2017)
⭐️ Dirigió el equipo que organizó la competencia ImageNet Large Scale Visual Recognition Challenge (ILSVRC), que se llevó a cabo anualmente entre 2010 y 2017. Esta competencia atrajo a investigadores de todo el mundo y promovió avances rápidos en el reconocimiento visual a gran escala.
💡 Dirección del Laboratorio de IA de Stanford (2013-2018)
⭐️ Fei-Fei Li fue directora del Laboratorio de Inteligencia Artificial de Stanford, donde lideró numerosos proyectos innovadores en IA y visión por computadora. Durante su gestión, el laboratorio se consolidó como uno de los principales centros de investigación en IA a nivel mundial.
💡 Rol en Google Cloud (2017-2018)
⭐️ Durante su sabático de Stanford, Fei-Fei Li se unió a Google Cloud como vicepresidenta y científica jefe de IA/ML. En este rol, trabajó para democratizar la tecnología de IA y facilitar su acceso a empresas y desarrolladores a través de herramientas como AutoML.
💡 Fundación de AI4ALL (2017)
⭐️ Co-fundó AI4ALL, una organización sin fines de lucro dedicada a aumentar la diversidad e inclusión en la educación en IA. AI4ALL promueve programas educativos para estudiantes subrepresentados, con el objetivo de formar la próxima generación de líderes en tecnología.
🗺️ 🧠 ¿Qué tal un MMM con está información?
Os dejo el resumen Visual de Fei-Fei Li, creo que nos puede ser útil para recordar su contribución a la IA.
¿Conocías al personaje de hoy? ¿Te gustaría añadir más información sobre el personaje? ¿Qué personaje te gustaría que tratase en siguientes posts? Quedo atento a tus respuestas a estas preguntas o cualquier otra que se te ocurra relacionada con el tema. Animate y ayúdame a seguir contribuyendo a la comunidad.
Don't Give up! 