Temario
Introducción (5’ Impacto en la realidad (10’
Presentación del tema y su importanci Influencia en la percepción de la realida
Definición básica de IA generativ Riesgos y oportunidades de manipulació
Historia y evolución (10’ Uso malicioso (10’
Breve historia de la IA generativ Ejemplos de usos negativos de la IA generativ
Prevención y contrarresto del uso malicios
Aplicaciones y oportunidades (15’
Aplicaciones en diversas industria Conclusiones, agradecimientos y preguntas (5’
Potencial creativo e innovado Puntos clav
Agradecimiento
Desafíos éticos y sesgos (15’ Pregunta
Sesgos y consideraciones ética Cierre
Mitigar los sesgos y garantizar la ética
Hola
... soy Trini, Diseñadora gráfica, reconvertida a UXUI, con
17+ años de experiencia laboral y 8+ años en UXUI.
He trabajado en diversos rubros: servicio público, privado,
consultoras, minería, agencias, educación, etc.
Hoy, trabajo como UX en Globant, asignada a la cuenta de
Autodesk. Vivo OFF-GRID en una casa biodependiente,
inserta en el bosque del sur de Chile.
Intro (5’
Presentación del tema y su importanci
Definición básica de IA generativa
ia generativa
Es un subcampo de la inteligencia artificial que se enfoca
en crear sistemas capaces de generar contenido original y
creativo, como imágenes, música o texto, utilizando técnicas
como redes neuronales generativas.
Su objetivo es automatizar tareas creativas y explorar
nuevas ideas en diversas industrias.
Ayuda al incremento de la productividad y la innovación.
Se estima que la IA generativa podría aumentar el PIB
mundial en un 10%.
Es clave monitorear las regulaciones en torno a su uso.
Historia y evolución (10’
Breve historia de la IA generativa
evolución
La IA Generativa ha evolucionado desde la década de 1940, con grandes avances en las últimas décadas. Un hito
clave es el desarrollo de las redes neuronales generativas adversarias (GANs) que aprenden patrones de datos y
generan nuevos datos. Empresas como OpenAI continúan impulsando innovaciones en este campo.
1940 1950 1960 1970 1980
1943: Diseño de las primeras 1951: Construcción de SNARC, la 1964: Creación del chatbot ELIZA, "Invierno de la IA"
1980: Aplicación inicial del
neuronas artificiales por primera máquina de red neuronal, un pionero en IA generativa.
aprendizaje automático en la
McCulloch y Pitts, cimentando la IA. por Minsky y Edmonds.
La década de 1970, aunque no industria.
1969: Publicación de "Perceptrons", destacó por hitos específicos en
1952: Desarrollo de modelo un análisis crítico de las redes 1970, fue un período de desafíos y 1986: Se introduce el algoritmo de
matemático del funcionamiento neuronales, por Minsky y Papert. fundación para futuros avances en retropropagación que entrena redes
neuronal cerebral por Hodgkin y el campo de la Inteligencia neuronales.
Huxley.
Artificial.
1956: Introducción de la IA como
ciencia.
1958: Propuesta del perceptrón, la
primera red neuronal, por
Rosenblatt.
[Link]
1990 2000 2010 2020 hoy
1997: Victoria de IBM Deep Blue 2006: Acuñación del término 2012: Mejora en la precisión del 2020: Lanzamiento de GPT-3, una 2024: Google introduce
sobre el campeón de ajedrez Garry "aprendizaje profundo" para reconocimiento de imágenes versión avanzada de GPT-2, que capacidades de IA generativa en
Kasparov. algoritmos de aprendizaje gracias a AlexNet.
genera texto altamente realista. sus servicios cloud y OpenAI lanza
automático avanzados. GPT-4 de forma limitada.
2014: Se introducen las Redes
Generativas Adversarias (GANs)
que generan de datos realistas.
2015: Implementación del modelo
de atención para mejorar la
focalización de redes neuronales.
2018: Se lanza GPT-2 por OpenAI
para generar texto coherente.
Aplicaciones y oportunidades (15’
Aplicaciones en diversas industria
Potencial creativo e innovador
p otencial
La IA generativa tiene un potencial
Marketing Audio
Visualización
creativo e innovador enorme, capaz Genera contenido Produce sonidos para músicos y
Crea contenido visual realista.
personalizado. creadores.
de transformar industrias y procesos.
Contenido Productos Logística
Ofrece soluciones nuevas y eficientes Ayuda a redactar textos con Optimiza los diseños, ejemplo Transforma imágenes
tono de marca específico. en Porsche. satelitales en mapas.
a desafíos complejos, impulsando la
innovación y la eficiencia en
múltiples campos. Finanzas Energía
Se utiliza para gestión de Ayuda a alcanzar objetivos de Etc...
riesgos y cumplimiento. energía neta cero.
Desafíos éticos y sesgos (15’
Sesgos y consideraciones ética
Mitigar los sesgos y garantizar la ética
ojo a los sesgos.
necesidad: resultados éticos y equitativos
Al desarrollar y utilizar estos modelos, hay que considerar:
datos evaluación sensibilización corrección transparencia
Selección de datos de Evaluación continua de los Sensibilización sobre sesgos Implementación de técnicas de La transparencia y la rendición
entrenamiento diversificados y resultados para identificar y entre desarrolladores y usuarios corrección de sesgos, como la de cuentas en el manejo de
representativos para evitar la corregir posibles sesgos o para comprender cómo pueden modificación de algoritmos o la sesgos fortalecen la confianza
amplificación de sesgos. discriminaciones. afectar a diferentes grupos. introducción de datos en los sistemas de IA,
adicionales. facilitando la creación de
sistemas más justos y éticos.
Impacto en la realidad (5’
Influencia en la percepción de la realidad
percepción de la realidad
Debemos considerar:
Generación de Impacto de la IA en la Desafíos de veracidad y Reconfiguración de
contenido realista: percepción individual: autenticidad: nociones tradicionales:
Los sistemas de IA pueden crear La exposición a contenido generado por La propagación de contenido generado La presencia de IA generativa desafía
imágenes, videos y texto difíciles de IA puede influir en cómo las personas por IA en medios sociales plantea nuestras concepciones de autoría y
distinguir de contenido humano, entienden la realidad. desafíos para discernir la autenticidad de autenticidad, remodelando nuestra
desdibujando la línea entre lo real y lo la información. comprensión de la realidad.
artificial.
Impacto en la realidad (5’
Riesgos y oportunidades de manipulación
riesgos
Desinformación y falsificaciones:
La capacidad de generar contenido realista podría facilitar
y oportunidades
en la utilización de la AI generativa en la percepción de la realidad
la creación y propagación de información falsa y Creación personalizada
manipulada. La IA generativa puede permitir la creación de contenido
adaptado a las preferencias individuales, ofreciendo
experiencias más personalizadas y enriquecedoras.
Sesgo y distorsión
Los algoritmos de IA pueden amplificar sesgos presentes
en los datos de entrenamiento, distorsionando la M edios y entretenimiento
percepción de la realidad y perpetuando prejuicios. La generación de contenido realista abre nuevas posibilidades
creativas en campos como el cine, los videojuegos y la
música, impulsando la innovación y la diversidad.
Pérdida de confianza
La proliferación de contenido generado artificialmente
podría erosionar la confianza en la autenticidad de la E ducación y simulación
información y en los medios tradicionales. La IA generativa puede facilitar la creación de entornos de
aprendizaje y simulaciones realistas, mejorando la educación
en diversos campos, desde la medicina hasta la ingeniería.
Uso malicioso (5’
Ejemplos de usos negativos de la IA generativa
ejemplos de uso malicioso
Creación de Suplantación Contenido Manipulación Mensajes de
Noticias falsas de identidad pornográfico de voz odio y discurso
falsificado extremista:
Utilizando IA generativa Generando imágenes y Creando audios sintéticos
para crear artículos y videos realistas de que imitan la voz de
Generación de contenido Creación de contenido
noticias falsas personas que no existen o personas reales para
pornográfico manipulado, provocativo y extremista
convincentes, con el fin de imitando a individuos realizar llamadas de
en el que se ponen caras en redes sociales, con el fin
desinformar o influir en la reales, con el propósito de estafa, falsificar discursos
de personas reales en de incitar a la violencia o
opinión pública. cometer fraudes o engaños o manipular evidencias en
eventos comprometedores promover ideologías
en línea. contextos legales.
sin su consentimiento. radicales.
Uso malicioso (5’
Prevención y contrarresto del uso malicioso
prevención y mitigación
Para prevenir y contrarrestar el uso malicioso de la inteligencia artificial generativa, se pueden implementar
las siguientes medidas:
Desarrollar tecnologías de detección para Verificacar de la autenticidad mediante la Educar y crear conciencia pública sobre los
identificar contenido manipulado. implementación de estándares digitales. riesgos de contenido generado artificialmente.
Establecer regulaciones y políticas que Promover la transparencia y la tica en
é Fomentar la colaboración internacional para
aborden el uso malicioso de la IA generativa. in estigaciones y desarrollo de tecs de IA.
v abordar el problema de manera con unta.
j
Estas medidas pueden ayudar a mitigar los riesgos asociados con el uso malicioso de la inteligencia
artificial generativa y a promover un entorno en línea más seguro y confiable.
Conclusiones (5’
Puntos clave
definición
evolución
potencial
sesgos
puntos clave realidad
abordados durante la presentación riesgos
oportunidades
manipulación
prevención
mitigación
Agradecimiento
Agradecimientos
gracias a:
maiclear denisse carvajal marcela tapia
Digital artist / CL-EEUU PM for data science projects UX Researcher
ma. josé martabit google bing
Lawyer - Founder & CEO [Link]
chat gpt Etc...
¿Preguntas?
La regulación de la IA generativa es crucial para evitar sesgos y usos
malintencionados que pueden causar daño social. Las políticas
adecuadas pueden ayudar a garantizar un uso ético y responsable de
la IA, promoviendo la justicia, la transparencia y la seguridad, y
maximizando su potencial para la innovación y el progreso.
¡Gracias!