edición general
santiso

santiso

En menéame desde noviembre de 2010

8,93 Karma
3.659 Ranking
15 Enviadas
1 Publicadas
824 Comentarios
0 Notas

Podemos se abre a diluir sus siglas en el proyecto de Yolanda Díaz [373]

  1. #211 Eso no lo discuto, sólo matizo el comentario de que todos los doctorandos tienen que dar clase, y por obligación sólo son aquellos que tienen la FPU.
  1. #106 Sólo aquellos con becas/contrato que lo permitan (y no hay muchas, por desgracia). El resto de doctorando no es que no de clases, es que no puede ni queriendo.

¿Qué es la inteligencia artificial? [54]

  1. #49 No es del todo cierto. Cada sistema tiene su nicho. Los sistemas expertos se usan mucho en el entorno médico, en UCIs por ejemplo. También se utilizan en tareas de optimización, como la búsqueda de rutas. No siempre es necesario crear nuevo conocimiento. A veces simplemente son modelos que tratan de estandarizar un procedimiento, con la idea de que el sistema se comporte como una congregación de expertos, ya que por separado tienden a aplicar medidas distintas ante el mismo problema.

    Te estás centrando mucho en las ventajas del machine learning, y no en sus problemas, que también tiene: propenso a ataques, necesidad de muchos datos para funcionar correctamente, detección de correlaciones en atributos totalmente irrelevantes... Cada uno tiene su nicho. Yo trabajo en machine learning y reniego bastante de los sistemas expertos, pero tienen su uso en muchos casos.
  1. #23 Por dejar una definición alternativa a #29: un sistema experto aspira a replicar el comportamiento de un (o varios) experto humano. Hace uso de su lógica para la toma de decisiones. Por tanto, están limitadas al conocimiento que tenga el experto sobre el dominio (no es algo inherentemente malo).
  1. De las mejores explicaciones que he visto sobre el machine learning que han pasado por aquí. Sólo puntualizar dos detalles pequeños:

    - Menciona que el aprendizaje automático se usa mucho para conducción autónoma, y es cierto. Se usa para detectar señales, carretera, etc. Pero si hablamos de conducir el coche, el aprendizaje por refuerzo es el que guía el cotarro.

    - También menciona que el deep learning es mayoritariamente supervisado, y eso ahora mismo ya no está tan claro, hay de todo ya. Y tenemos cosas como las redes generativas (GANs y VAEs), redes auto-supervisadas (self-learning), autoencoders...que no encuadran mucho dentro de la definición clásica de aprendizaje supervisado. Es muy difuso ya etiquetar estas cosas.

    Por lo demás, sorprendente que ha entrado de lleno en la historia del machine learning, mencionando técnicas clásicas que actualmente se pasan un poco por alto hasta en las asignaturas de la carrera (no se debería, pero no hay tiempo para todo).

"Caras maestras" que pueden eludir más del 40% de los sistemas de autentificación facial [inglés] [24]

  1. #17 Obviamente es más difícil, pero la idea es la misma, y los problemas también. Estas partiendo de un concepto erróneo que es creer que la falsificación tiene que ser muy similar a la original, y no es el problema que explotan este tipo de ataques. Estos ataques se centran en atacar el espacio que no está mapeado en tu entrenamiento.

    ¿Que en la práctica es muy difícil de engañarlo? Pues claro, por eso mencionaba que son ejemplos académicos, requieren que tengan mucha información que en un entorno real no vas a ser capaz de obtener. Pero el 3D tiene la misma problemática que el 2D, aunque más compleja.

    Te paso algún artículo para que veas que el 3D también se puede atacar: arxiv.org/pdf/2104.12146.pdf
  1. #7 Da igual, se podría engañar un modelo 3D también, la idea es la misma, sólo un poco más compleja. Pero tampoco es para correr en círculos como dice #1. Esto se puede hacer por un motivo muy sencillo: las redes de deep learning clásicas tienen más agujeros que un queso de gruyère. Mini-resumen de los adversarial attacks clásicos (esto es una variante más compleja, pero parten del mismo concepto):

    - Una red de deep learning se compone de una serie de parámetros (que llamaremos pesos) a entrenar. Suelen ser muchos (del orden de millones de parámetros o miles de millones, como en la famosa GPT-3). ¿Y cómo se entrenan me diréis? Pues con muchos datos de entrada y una función de coste. Esta función de coste tiene que tener dos peculiaridades: ser positiva y derivable con respecto a todos los pesos, y que cuando sea cero nos indique que hace perfectamente el objetivo que le hemos encomendado (perfecto con los datos de entrenamiento, luego recibirá datos que nunca ha visto antes y funcionará bien o no, esto no es seguro). Las redes se entrenan minimizando esa función de coste, usando la pendiente de la derivada para decidir hacia dónde movemos los pesos.

    - Una vez entrenada la red, nos proponemos engañarla. ¿Cómo se hace esto? Pues dado unos datos que entrada, cuya salida es perfecta, lo que queremos es modificarlos levemente, con el objetivo de que cambie la salida. Es tan sencillo como hacer lo mismo que hablamos de entrenar los pesos de la red, con la diferencia de que ahora lo que entrenamos es la entrada.

    - Pongamos un ejemplo: digamos que tenemos un sistema de clasifica imágenes de animales. Y tenemos una foto de un perro, que nuestro sistema clasifica perfectamente (está un 99% seguro que es un perro). Entonces, ¿cuánto hay que modificar la imagen del perro para que el sistema crea que la salida es un elefante, con un 99% de precisión? Pues la respuesta real es que muy poco. Es más, el ojo humano difícilmente va a notar la diferencia entre la imagen real y la…   » ver todo el comentario

Inteligencia artificial: qué es, cómo funciona y para qué se está utilizando [47]

  1. Me gusta que lleguen noticias de IA a portada porque trabajo en eso y me apasiona el campo. Pero este artículo está tan lleno de imprecisiones que me cuesta hasta decidir dónde empezar. Voy a ello a modo de mini resumen:

    1. La explicación del Test de Turing es confusa. El test de Turing no es más que una persona, en un entorno aislado, haciendo preguntas mediante un teclado, y recibiendo respuestas por una pantalla. La idea es que, si el usuario no es capaz de discernir si quien le está mandando las respuestas es una máquina o una persona, entonces has pasado el Test de Turing. Pasar este test tampoco demuestra tener una máquina inteligente, pero eso da para un libro.

    2. Deep Mind de Google no es un ordenador, es una empresa con sede en Londres. Trabajan sobretodo en el campo de aprendizaje por refuerzo (reinforcement learning, lo pongo también en inglés porque es la manera más usual de encontrar los términos del campo). Son los encargados de modelos como AlphaGo (el que ganó al mejor jugador de Go), AlphaZero (aprendió a jugar enfrentándose a sí mismo) o, por ejemplo, AlphaFold (creo que van por la versión 2), tan de moda estos días por predecir la estructura de las proteínas con gran precisión.

    3. La gran revolución de la IA es que no recibe órdenes para obtener un resultado. Es ella la que, con unos datos de entrada, debe apañárselas para obtener los resultados. Esto es cierto, pero por lo escrito anteriormente da a entender que lo hacen por arte de magia, y no por como funcionan realmente. Por hacer una analogía similar a la del autor: Si Un programa informático es solo una lista de órdenes que le dice al ordenador lo que tiene que hacer, la IA actual es un programa informático, que contiene una lista de órdenes que le dice al ordenador cómo tiene que aprender y de dónde sacar la información para ese aprendizaje. No es que la IA pueda aprender de cualquier forma, está limitada a lo que el algoritmo de aprendizaje (y la arquitectura del modelo)…   » ver todo el comentario

La magistral (y demoledora) explicación de Aimar Bretos de por qué sube tanto la luz [556]

  1. #68 yo tenía curiosidad y lo busqué en google directamente, me salió un enlace al canal de youtube de la Ser. Me niego a entrar en páginas clickbait. El enlace: www.youtube.com/watch?v=rnqhqKzgjw0

El MIT predijo en 1972 que la sociedad colapsaría este siglo. Una nueva investigación lo confirma [140]

  1. #16 tranquilo, luego te empalamos con la forquita.

Iron Maiden - Wasted Years (Official Video) [69]

  1. Aún más mítico que el vídeo oficial es su playback en la TV alemana (ya salió un par de veces por aquí): www.youtube.com/watch?v=EuIol63oAmI

Docentes de un colegio de Valladolid desmontan en TVE la enseñanza bilingüe [152]

  1. #29 Yo creo que has tergiversado lo que querían decir. Yo entiendo que se refieren al hecho de que, al final, no saben los nombres de las cosas en español, porque son palabras específicas que no aparecen mucho en otras asignaturas. Y no me parece mal tirada la cosa.

Golpea a su marido con un martillo en la cabeza delante de su hijo de 5 años y él no denuncia "por miedo a ser detenido" [454]

  1. #9 Yo les suelo poner justamente un ejemplo por el estilo. En plan, ¿qué pensarías si la ley dice que si robas cobre son 2 años de cárcel, pero 6 con arresto preventivo si eres pelirrojo, si estadísticamente son los pelirrojos los que más cobre roban? (hipotético, no creo que sea cierto, pero sirva como ejemplo). Lo curioso es que dicen que eso es de ser muy racista, pero no ven la analogía... :wall:

Bar Manolo: Nuevos precios [142]

  1. #1 Entiendo tu punto de vista, pero la solución me parece un sinsentido ¿Y si tanto la gente como las empresas se ajustan para usar la electricidad en los momentos donde es más barata? ¿Los vamos persiguiendo con cambios constantes en el horario de facturación? Yo creo que sería mejor idea el hacer estudios serios que evalúen maneras de balancear la carga, de tal manera que se eviten picos y valles en el consumo, pero claro, eso implicaría expertos, y no hacer regulaciones de barra de bar.

Errejón responde a Monedero por su ataque a los votantes 'Einstein' que cobran 900 euros [407]

  1. #17 No es por hacer de abogado del diablo, pero si esa es una excusa, la es para todos:

    www.meneame.net/story/andrea-fabra-no-dimite

    www.meneame.net/story/chat-militares-activo-defiende-grupo-26-millones

'Demolition Man': la imprescindible comedia de acción con unos inolvidables Sylvester Stallone y Wesley Snipes [140]

  1. #73 Para mí la mejor de todas. One-liners a cada minuto. Me encanta la que le dice al malo: por qué estoy aquí perdiendo el tiempo contigo, cuando podría hacer algo más peligroso, como emparejarme los calcetines.

    ¿Cómo sabías que había un ninja en el armario? Siempre hay un ninja en el armario. Imperdible

Vox se compromete a dificultar el derecho al aborto y la eutanasia en Madrid [171]

  1. #8 Desde el punto de vista semántico a mí siempre me ha parecido una contradicción. Si lo que haces es imposibilitar el aborto o la eutanasia, entonces estás obligando a alguien a vivir, ergo es una imposición. Y si es una imposición, es un deber, no un derecho. Pero claro, no suena igual de bien.

Vox explicado en 2 minutos por un camionero gallego [409]

  1. #312 No, si yo en ningún momento intento justificar el insulto. Pero dentro del insulto, lo hay fundamentado y sin fundamentar. De la misma manera, alguien podría rebatir sus argumentos con otros que no le gusten de otros partidos, y llamarle gilipollas por votarlos. Sólo quería puntualizar lo que daba a entender alguien antes de que si admitimos esto, entonces tenemos que entender que cualquiera lo use. Y no, al menos fundaméntalo.

    Yo no creo que insultando se consiga nada. Es más, provocará el efecto inverso lo más seguro. Pero entiendo más el insulto de este señor como una forma de hablar desde el cabreo, que como un insulto directo a todos los votantes de VOX.
  1. #86 Igual me he expresado mal. Lo que quería decir era justo lo que comentas: que este señor insultó, pero al menos motivó su insulto, y no dijo simplemente la típica perolada. Es que escucho muchas palabras huecas en mi día a día, y la mayoría de las veces me cuesta mucho pensar que el que las dice entiende lo que está diciendo. Este señor no peca de eso.
  1. #4 Lo siento, pero para mí no es lo mismo. No es lo mismo decir 'Los que votan a VOX son gilipollas', que no deja de ser un mantra aburridísimo, que coger y, en dos minutos, explicar los motivos por los que no votaría a VOX en su vida, y preguntarse si la gente que, estando en su situación, los vota, si no serán gilipollas.

    Si vas a insultar a alguien, al menos cárgate de razón para explicar los motivos. Y no soltar peroladas como 'Si votas a VOX eres nazi', 'lucha de clases' y más palabras huecas.
« anterior1

menéame