Ir al contenido principal

IA Generativa

 



La IA Generativa es una clase de modelos que crea contenido a partir de las entradas de los usuarios. Por ejemplo, puede crear imágenes novedosas, composiciones musicales y chistes; puede resumir artículos, explicar cómo realizar una tarea o editar una foto.

La IA generativa puede tomar una variedad de entradas y crear una variedad de salidas, como texto, imágenes, audio y video. También puede tomar y crear combinaciones de estas. Por ejemplo, un modelo puede tomar una imagen y texto como entrada y crear un video como salida.

Podemos analizar los modelos generativos por sus entradas y salidas, que suelen escribirse como "tipo de entrada" a "tipo de salida".

En la siguiente tabla, se enumeran ejemplos de modelos generativos, su entrada y un ejemplo de su resultado posible:

ModeloEntradaResultado de ejemplo
Texto a texto¿Quién inventó la carrera Le Mans?Las 24 horas de Le Mans fueron fundadas por el Automobile Club de l'Ouest (ACO), una organización automotriz fundada en 1906. La primera carrera se realizó el 26 y 27 de mayo de 1923 en el Circuito de Sarthe, un circuito de 13,426 kilómetros (8,345 millas) ubicado cerca de la ciudad de Le Mans, en Francia. En un principio, la carrera se concibió como una forma de promocionar el ACO y la región de Sarthe.
Fuente: Bard
Texto a imagenUn pulpo alienígena flota por un portal y lee un periódico.Imagen de un pulpo de dibujos animados.
Fuente: Imagen
Texto a videoUn oso de peluche fotorrealista nada en el océano en San Francisco. El oso de peluche se sumerge bajo el agua. El oso de peluche sigue nadando bajo el agua con peces coloridos. Un oso panda nadando bajo el agua.Video de un oso de peluche nadando bajo el agua.
Fuente: Phenaki
Texto a códigoEscribir un bucle de Python que rodee una lista de números e imprima los números primos
for number in numbers:
# Check if the number is prime.
is_prime = True
for i in range(2, number):
  if number % i == 0:
      is_prime = False
      break
# If the number is prime, print it.
if is_prime:
  print(number)

Fuente: Bard
Imagen a textoImagen de un flamenco.Este es un flamenco. Se encuentran en el Caribe.
Fuente: Google DeepMind



Etiquetas:

Comentarios

Publicar un comentario

Entradas populares de este blog

¿Qué es bias? ¿Qué es umbral? ¿Son lo mismo?

¿Qué es bias? ¿Qué es umbral? ¿Son lo mismo? No, el término "bias" (sesgo) y "umbral" no son lo mismo en un perceptrón, aunque a menudo se utilizan indistintamente en algunos contextos informales. En el contexto de las redes neuronales y los perceptrones, tienen significados ligeramente diferentes: Bias (Sesgo): El sesgo es un término que se utiliza en el contexto de las redes neuronales para referirse a un parámetro adicional que se suma ponderadamente a la suma ponderada de las entradas antes de pasarla a través de una función de activación. El sesgo permite ajustar la salida del perceptrón, permitiendo que la red sea más flexible y capaz de aprender funciones más complejas. En otras palabras, el sesgo permite que la función de activación se desplace hacia arriba o hacia abajo en el eje y. Umbral: El umbral es el valor que se compara con la suma ponderada de las entradas en un perceptrón. Si la suma ponderada de las entradas supera el umbral, el perceptrón produc...
Publicar un comentario
Leer más

¿Qué es un perceptrón? La neurona artificial

¿Qué es un perceptrón? Un perceptrón es una neurona artificial, es decir, un modelo matemático que intenta imitar el comportamiento de una neurona biológica. Un perceptrón tiene una serie de entradas, que se ponderan y luego se suman. El resultado de esta suma se pasa a una función de activación, que determina la salida del perceptrón. Esta función determina si el perceptrón debe "disparar" o no. En su forma más simple, si la suma ponderada es mayor que un cierto umbral, el perceptrón produce una salida activada (generalmente 1), de lo contrario, produce una salida desactivada (generalmente 0). Red neuronal Una red neuronal es un conjunto de perceptrones interconectados. Los perceptrones de una red neuronal pueden estar organizados en capas, de modo que las salidas de una capa se convierten en las entradas de la siguiente. Una red neuronal multicapa tiene dos o más capas de perceptrones. Las capas de entrada y salida son similares a las de un perceptrón simple. Las capas ocul...
Publicar un comentario
Leer más

¿Qué es la IA? Diferencias entre machine learning y deep learning

Inteligencia Artificial, Machine Learning y Deep Learning Aunque la relación entre Inteligencia Artificial (IA), Machine Learning (ML) y Deep Learning (DL) pueda resultar confusa, en realidad basta con tener clara cuál es la correlación que guardan entre sí. Artificial Intelligence (Inteligencia Artificial) Campo que estudia como crear programas informáticos con la habilidad de aprender y razonar como los humanos para resolver problemas de forma creativa. Machine Learning (Aprendizaje Automático) Aplicación de la IA dedicada a la creación de algoritmos que permitan a los sistemas aprender sin intervención humana, es decir, sin necesidad de programarlos explicítamente DeepLearning (Aprendizaje Profundo) Subconjunto de ML enfocado en la creación de redes neuronales artificiales, es decir, sistemas que imitan al cerebro humano, adaptandose y aprendiendo a partir de grandes cantidades de datos  
Publicar un comentario
Leer más