Fundamentos y aplicaciones de la Inteligencia Artificial Generativa aplicada al lenguaje

1. Introducción a la Inteligencia Artificial.
Perspectiva histórica de la evolución de la IA, desde los sistemas basados en conocimiento que emulan nuestro pensamiento racional, hasta el aprendizaje máquina y el aprendizaje profundo, que aprenden por si solos emulando nuestra capacidad de aprendizaje intuitivo. Se estudiarán también otros conceptos básicos como IA discriminativa frente a generativa, supervisada frente a no supervisada, especializada frente a IA general, y se analizarán los logros más destacados de la IA y los retos pendientes.

2. Fundamentos del aprendizaje máquina.
El aprendizaje máquina es la piedra angular de la IA actual. En este tema se verán las nociones básicas relacionadas con esta familia de algoritmos, que aprenden a resolver problemas a partir de ejemplos, y los tipos de algoritmos, poniendo especial énfasis en las redes neuronales.

3. Aprendizaje profundo y Procesamiento del Lenguaje Natural.
El aprendizaje profundo es un tipo de aprendizaje máquina que no solo aprende a resolver problemas, sino también a representarlos: en particular, es capaz de aprender por sí mismo a representar de forma eficaz el lenguaje humano y la información visual. En este tema se estudiarán sus fundamentos, con especial atención a los Transformers, un tipo de red neuronal profunda clave en la IA generativa.

4. Inteligencia Artificial Generativa.
Se estudiarán los fundamentos de los Large Language Model y los diferentes aspectos de su entrenamiento (modelos pre-entrenados, Reinforcement Learning with Human Feedback, modelos de razonamiento, etc.) y cómo dan lugar a asistentes virtuales como ChatGPT, Gemini, Claude, DeepSeek, etc.

5. ¿Loros estocásticos o superinteligencias artificiales? Evaluación y capacidades de los modelos del lenguaje.
En este tema se estudiará en profundidad cuáles son los problemas que la IA generativa resuelve mejor y en cuáles no es fiable.

6. Cómo usar la IA generativa.
Recomendaciones generales sobre cómo y cuándo usar la IA generativa y las técnicas de «prompt engineering».

7. Aplicaciones y ecosistema de la IA generativa.
Discusión de las aplicaciones y riesgos de la IA generativa en el campo de la educación, en el de la empresa, como asistente de trabajos creativos, etc. También discutiremos cuál es el ecosistema actual de la IA generativa: los principales competidores, el papel del hardware y NVIDIA, la competición entre potencias mundiales (especialmente EEUU y China), etc.

8. Aspectos éticos y legales.
Se discutirán problemas de la IA generativa relacionados con la privacidad y los datos, sus sesgos potenciales, la regulación de la IA, el coste energético, etc.