Instagram story viewer> @mathev.ai> Posts

Elizabeth Velasco | IA & Automatización

@mathev.ai

73

followers

95

following

Matemática · Fundadora y directora de Mathev
Diseño sistemas de IA que no se rompen
Automatización para procesos empresariales

POSTS STORIES REELS

Por qué aprender Lean importa más de lo que parece?

Ayer, 8 de septiembre OpenAI publicó una afirmación extraordinaria. Un sistema de agentes construyó una prueba, acompañada de una formalización en Lean, de que las ecuaciones de Navier–Stokes en tres dimensiones pueden desarrollar una singularidad en tiempo finito.

Post completo en https://www.facebook.com/share/p/1HNi9vDrRf/ by @mathev.ai

by @mathev.ai

by @mathev.ai

La historia de los modelos de IA no empieza con los chatbots modernos, sino con una pregunta filosófica y técnica mucho más antigua: si el razonamiento podía describirse de forma computable. McCulloch y Pitts propusieron en 1943 una neurona formal capaz de implementar funciones lógicas;

Turing, en 1950, reformuló la pregunta sobre la inteligencia de las máquinas como un problema observable de comportamiento; y la propuesta de Dartmouth de 1955 acuñó el término artificial intelligence y planteó que rasgos como el aprendizaje y el uso del lenguaje podían simularse con suficiente investigación.

Visto en perspectiva, la evolución de la IA puede resumirse como tres redefiniciones sucesivas de lo que es un modelo.

Primero, un modelo era principalmente un sistema de reglas y símbolos escritos por humanos.

Después pasó a ser una función que aprendía patrones desde datos.

Hoy, en la era de los modelos fundacionales, un modelo es una base general preentrenada a gran escala que luego puede adaptarse a muchas tareas distintas.

Esa transición está documentada tanto por la literatura histórica como por el marco contemporáneo de foundation models. by @mathev.ai

by @mathev.ai

by @mathev.ai

by @mathev.ai

by @mathev.ai

Después de analizar muchos proyectos de automatización aparece un patrón claro.

El problema rara vez es la tecnología.

Los modelos funcionan.
Las herramientas funcionan.
Los flujos pueden construirse.

Pero cuando el sistema no está bien diseñado, la automatización solo amplifica el problema.

Por eso la pregunta importante rara vez es:

“¿Qué herramienta usamos?”

La pregunta real suele ser otra:

¿Cómo está diseñado el sistema?

#IA #Automatización #Sistemas by @mathev.ai

Cuando una organización introduce automatización, casi siempre aparece la misma pregunta:

¿Qué tareas podemos automatizar?

Pero hay otra pregunta igual de importante.

¿Qué decisiones deberían seguir siendo humanas?

Algunos procesos requieren contexto, criterio o responsabilidad directa.

Cuando esas decisiones se delegan completamente a un sistema automático, el problema no suele ser la tecnología.

Es no haber definido los límites del sistema.

La automatización no elimina el criterio.

Solo cambia dónde debe aplicarse.

#IA #Automatización #Sistemas by @mathev.ai

En muchas conversaciones sobre inteligencia artificial aparece una idea implícita.

Automatizar significa hacer el sistema “más inteligente”.

Pero en muchos casos la automatización no introduce inteligencia.

Introduce repetición.

Un sistema automatizado ejecuta reglas o modelos definidos.

Si el proceso está mal diseñado, la automatización no lo corrige.

Solo lo ejecuta más rápido.

Automatización no significa inteligencia.

Significa ejecutar un diseño.

#IA #Automatización #Sistemas by @mathev.ai

Un patrón aparece con frecuencia cuando se implementa automatización.

Se automatiza una parte del proceso…
sin analizar cómo fluye realmente la información.

Durante un tiempo todo funciona bien.

Hasta que un cambio en otro sistema rompe el flujo.

El problema no es la tecnología.

Es no haber entendido el sistema completo.

La automatización no ocurre en procesos aislados.

Ocurre en sistemas.

#IA #Automatización #Sistemas by @mathev.ai