Tengo otra pregunta. Un blog de ciencia

Entradas

mayo 08, 2024

Máster de Cultura Científica EHU/UPNA 2023/2024 Redes Sociales en Comunicación Científica. Tarea 5 Análisis del plan de comunicación científica Para completar la última tarea de la asignatura decidí generar un perfil en X (antiguo Twitter) desde cero y además, anónimo, lo que sin duda entiendo que ha lastrado los resultados. Se trata de la cuenta @vacunoticias centrada en divulgar noticias sobre vacunas y en difundir datos históricos sobre su creación, desarrollo o impacto. Este ha sido la temática elegida y creo que me he ceñido bastante a ella. El público objetivo eran personas ya interesadas en vacunas del ámbito científico pero los post dedicados a la historia de las vacunas estaban diseñados para todo tipo de público. Con estas bases, he mantenido activa la cuenta durante 17 días: del domingo 21 de abril cuando inicié la divulgación hasta el pasado martes, 7 de mayo que publiqué los últimos aunque con un par de días “en blanco”. La intención era publicar

mayo 08, 2024

Máster de Cultura Científica EHU/UPNA 2023/2024 Introducción a la Inteligencia Artificial. Tarea 5. Tarea 5. La tarea consiste en resumir las críticas desde el punto de vista científico que se han planteado al aprendizaje profundo o deep learning en una breve entrada al blog Un coche de conducción autónoma en una ciudad. Imagen generada por IA generativa. El aprendizaje profundo o deep learning es un conjunto de algoritmos que se utilizan en el machine learning y que buscan emular matemáticamente el comportamiento del cerebro generando redes neuronales. Este entramado de neuronas está dispuesto en capas (de entrada, intermedias u ocultas y de salida) que están interconectadas y cada una gestiona un nivel de análisis aportando unos datos que son utilizados de forma sucesiva por las siguientes para elaborar abstracciones y encontrar estructuras intrincadas en grandes paquetes de datos. A diferencia del machine learning o aprendizaje automático, el deep learning

mayo 07, 2024

Máster de Cultura Científica EHU/UPNA 2023/2024 Introducción a la Inteligencia Artificial. Tarea 3. La tarea consiste en apuntar qué tipos de problemas no podrían ser resueltos por el algoritmo A *. El algoritmo A* (A estrella) es un algoritmo de búsqueda informada que se utiliza para encontrar el camino más corto entre un punto de origen y un final en problemas de grafos complejos. Y lo hace apoyándose en información heurística, datos que se aportan para apostar por aquellas rutas o nodos por las que hay más posibilidad de encontrar una solución óptima y que, por tanto, vale la pena desarrollar en detrimento de otras. Así se asegura reducir la cantidad de búsqueda requerida para encontrar una solución. Cuanto mejor sea esta información, mejor será el algoritmo. El algoritmo tiene en cuenta, además, el coste de llegar del punto A al Z, y se busca siempre que sea el menor posible. De esta forma, siempre que haya una solución, encontrarán una óptima. El algoritmo A

abril 30, 2024

Máster de Cultura Científica EHU/UPNA 2023/2024 Introducción a la Inteligencia Artificial. Tarea 2. La tarea consiste en describir en qué consiste y para qué se utiliza el test de Turing. ¿Pueden las máquinas pensar? O, mejor dicho, ¿habrá alguna vez computadoras digitales lo suficientemente buenas en imitar al ser humano? Es la pregunta que palabra arriba, palabra abajo se formuló el matemático y precursor de la informática moderna Alan Turing en su trabajo Computing Machinery and Intelligence , ensayo que publicó en la revista Mind en 1950. En él, Turing desarrolló una prueba para dar respuesta a este dilema, una especie de herramienta para dilucidar la “inteligencia” de una máquina o más bien si su desempeño en interactuar a través del lenguaje natural con un humano estaba tan desarrollado como para “engañarlo” y hacerse pasar por una persona. De esta forma, y basándose en el “juego de la imitación”, la prueba consistía en intentar que un interrogador descubriera cuá

abril 29, 2024

Máster de Cultura Científica EHU/UPNA 2023/2024 Introducción a la Inteligencia Artificial. Tarea 1. La tarea 1 consiste en reflexionar sobre lo que es para nosotros la IA, sobre cuáles deben ser sus objetivos y cuáles son sus riesgos. Imagen generada por la herramienta de IA generativa Adobe Firefly. Siempre me he acercado con aprensión a esos relatos que nos hablan de un futuro cercano en el que las máquinas y los tipos de inteligencia que artificialmente el hombre había creado pasaban a tener autoconsciencia, poniendo en peligro a la humanidad. Y lo hago porque creo que no están tan desencaminados esos futuros distópicos donde una inteligencia artificial generalista o fuerte pueda ser desarrollada, aunque ahora parezca una utopía. Tampoco nadie podía imaginar hace solo unas décadas que podríamos conducir coches sin nadie al volante. Está claro que nada tiene que ver automatizar una tarea (por compleja que sea) con replicar una mente humana que ni siquiera nosotros e

abril 26, 2024

Máster de Cultura Científica EHU/UPNA 2023/2024 Ciencia de la Biodiversidad y Cambio Climático. Tarea 7. Multilateralismo. ¿Útiles o puro greenwashing ? ¿Son útiles organismos multilaterales como la ONU o la OCDE si hablamos de contener el cambio climático? No creo que hallemos la respuesta en un sí o un no, más bien nos deberíamos de mover en una amplia variedad de grises. ¿Son necesarios? Sí. ¿Están siendo útiles para garantizar la biodiversidad del planeta? No tanto como sería deseable. ¿Sería peor si no existieran? Probablemente. Me explico. A día de hoy y visto que los países y sus gobiernos tienden a moverse por intereses propios, tanto en lo económico, lo social y en otras esferas, si de alguna forma queremos mejorar de forma conjunta (y aquí la conservación de la biodiversidad sería un gran objetivo común) sí son necesarios estos organismos multilaterales. Necesitamos que alguien se ponga las gafas del bien común para mirar más allá de los ombligos nacion