La mente de la máquina: diálogo asistido por Gemini con el uso de la inteligencia Artificial

##plugins.themes.academic_pro.article.main##

Jorge Enrique Alvarado Chang

Resumen

El objetivo de la presente investigación es comprender en profundidad las perspectivas y reflexiones de múltiples Modelos de Lenguaje Grandes (LLMs) a través de entrevistas directas. Se elaboraron preguntas abiertas y reflexivas, inspiradas en la investigación cualitativa, para explorar las perspectivas de los LLMs sobre temas clave como la conciencia, la ética y la creatividad. Los datos obtenidos fueron analizados cualitativamente mediante un enfoque temático, identificando patrones y temas recurrentes en las respuestas de las IA. Los hallazgos revelan una convergencia en la importancia de la ética, la colaboración y la supervisión humana, lo que refleja una creciente conciencia de los LLMs sobre su papel en la sociedad. Sin embargo, las diferencias en sus estilos de comunicación y respuestas a escenarios hipotéticos revelan la diversidad de perspectivas dentro de este campo. Un aspecto notable es la observación de que estos sistemas parecen evaluar tanto nuestras preguntas como nuestras respuestas, sugiriendo una forma de evaluación continua. Además, Gemini se destacó como la IA con mejor desempeño en la evaluación cualitativa global, aunque se notó una posible subestimación de DeepSeek. En conclusión, este estudio subraya la necesidad de continuar investigando y debatiendo sobre el futuro de la IA, para garantizar que esta tecnología se desarrolle y utilice de manera ética y responsable.

##plugins.themes.academic_pro.article.details##

Cómo citar
Alvarado Chang, J. E. (2024). La mente de la máquina: diálogo asistido por Gemini con el uso de la inteligencia Artificial. Revista Científica ARISTAS, 6(1), 35–53. https://doi.org/10.5281/zenodo.16339698

Citas

  1. Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT '21). Association for Computing Machinery, New York, NY, USA, 610–623. https://doi.org/10.1145/3442188.3445922
  2. Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., & Amodei, D. (2020). Language models are few-shot learners. Advances in neural information processing systems, 33, 1877-1901. https://n9.cl/gzref
  3. Brynjolfsson, E., & McAfee, A. (2014). The second machine age: Work, progress, and prosperity in a time of brilliant technologies. WW Norton & Company. https://n9.cl/xxnr33
  4. Chiliquinga Amaya, J. A., Arcentales Macias, A. M., & Pereira Salcedo, J. R. (2024). La influencia de la inteligencia artificial en la sociedad actual y en el futuro de las próximas generaciones. Sapiens in Artificial Intelligence, 37-47. https://doi.org/10.71068/vq1vcj43
  5. Denzin, N. K., & Lincoln, Y. S. (2017). The SAGE handbook of qualitative research. (5ta edición). Sage publications. https://n9.cl/mv0i4
  6. Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., y Vayena, E. (2018). AI4People—an ethical framework for a good AI society: opportunities, risks, principles, and recommendations. Minds & Machines. 28, 689–707 (2018). https://doi.org/10.1007/s11023-018-9482-5
  7. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. https://n9.cl/30bt1

Artículos similares

1 2 > >> 

También puede {advancedSearchLink} para este artículo.