La innovación es fundamental para el desarrollo de nuevos productos que contribuyan a la generación de valor en la sociedad. Dentro de la educación, la integración de tecnologías de la información y las comunicaciones ha posibilitado la innovación de los procesos de enseñanza-aprendizaje, como es el caso de la utilización de dispositivos móviles (M-Learning) dentro y fuera del salón de clase. En la presente investigación se analiza producción académica sobre la utilización de dispositivos móviles con fines educativos, privilegiando el análisis de las tendencias e impacto. Los principales hallazgos de esta investigación evidencian que la adaptación del M-Learning debe ser una prioridad dado que es la base para el desarrollo de otras estrategias como la realidad aumentada, realidad virtual, realidad mixta, gamificación, laboratorios virtuales y remotos, y la integración de la inteligencia artificial en pro de fortalecer los desafíos del sistema educativo.
MATERIALES Y METODO
El presente articulo presenta la selección de estudios primarios sobre prácticas y experiencias de M-Learning, se realizaron consultas en diferentes bases de datos y motores de búsqueda, fuentes válidas y confiables de información académica y científica como: Scopus, Springer, Science Direct, Association for Computing Machinery y Scielo. El criterio de búsqueda y selección de documentos estuvo relacionado bajo las palabras claves M-Learning, Mobile Learning, tendencias del M-Learning, e impacto del aprendizaje móvil de la producción académica publicada entre el 2014-2018, con el objetivo principal de responder los siguientes interrogantes planteados:
1) ¿Cuáles son las principales tendencias en la utilización del M-Learning?
2) ¿Cuál ha sido el impacto sobre los procesos de enseñanza-aprendizaje del M-Learning?
RESULTADOS
Tecnología móvil para innovar
El término TIC se ha masificado de manera considerable en muchos campos, ha sido el responsable en gran medida de lo que se denomina la sociedad del conocimiento; y es gracias a la innovación que estas herramientas permiten la recolección, almacenamiento, tratamiento, difusión y transmisión de información que genera impacto en la sociedad.
Impacto del M-learning en la formación
Diversas experiencias del M-Learning se basan en la incorporación de aplicaciones disponibles en las tiendas; no obstante, estas son limitadas al momento de adaptarse a las necesidades de cada ecosistema. Ante ello se han diseñado la plataforma JEM iNVENTOR que permite al docente crear aplicaciones de acuerdo con los requerimientos específicos del curso, para ello cuenta con tres niveles de apropiación, pues no todos tienen los conocimientos técnicos en informática. En este sentido, se enfatizan sobre la importancia de la adaptación de los recursos como fundamental a la hora de implementar el MLearning , pues de ello depende el éxito del proceso, el cual requiere de tiempo para realizar ajustes y ver la evolución de los estudiantes.
Dejando planteado que el objetivo principal del MLearning es crear escenarios de participación masiva, eliminando fronteras donde las limitaciones físicas y cognitivas no sean un impedimento.
Fuente: DISPOSITIVOS MÓVILES EN LA EDUCACIÓN: TENDENCIAS E IMPACTO PARA LA INNOVACIÓN
Yois Smith Pascuas-Rengifo, John Arley Garcia-Quintero , Martin Alonso Mercado-Varela
Se encontraron 6 coincidencias
- 31 Jul 2021, 23:56
- Foros: Startups & Innovación
- Tema: DISPOSITIVOS MÓVILES EN LA EDUCACIÓN: TENDENCIAS E IMPACTO PARA LA INNOVACIÓN
- Respuestas: 0
- Vistas: 6953
- 31 Jul 2021, 23:34
- Foros: Startups & Innovación
- Tema: Determinismo Tecnológico, Inteligencia Artificial y Startups
- Respuestas: 0
- Vistas: 7092
Determinismo Tecnológico, Inteligencia Artificial y Startups
Determinismo tecnológico
El determinismo climático surge entre los siglos XVIII y XIX. En tal concepto, el clima es un factor sobre el cual el hombre no tiene forma de influir o controlar, pero sin embargo el mismo determina características de la sociedad y genera un marco de comprensión para las diferencias culturales entre pueblos.
Inteligencia artificial
El concepto se inicia con Turing (1950) quien describe un experimento de laboratorio que podría emplearse para averiguar si una computadora era capaz de pensar. El sentido del experimento fue demostrar que una máquina con ciertas características podía pensar de forma similar a la humana. Unos años después, McCarthy(1960) define el término Inteligencia artificial como la ciencia y la ingeniería de elaborar máquinas inteligentes, especialmente programas inteligentes.
Minsky, fundador del laboratorio de ciencias de la computación del MIT y precursor de las redes neuronales artificiales, menciona que el sentido común no es una cosa simple, sino que más bien es una inmensa sociedad de ideas prácticas adquiridas, de múltiples reglas, excepciones, disposiciones, tendencias, equilibrios y comprobaciones aprendidos durante la vida. Así surge entonces un marco para entender el concepto de inteligencia artificial.
Startups
Una Startup es una empresa nueva con grandes posibilidades de crecimiento que poseen en algunos casos un modelo de negocio escalable. El término se aplica a cualquier emprendimiento pero es usual en aquellos que poseen un fuerte componente tecnológico, relacionado con el mundo de Internet. Se diferencian de otros emprendimientos por su rápido crecimiento sin necesidades de capital. En su mayoría no utilizan financiamiento de bancos sino más bien optan por capitales de inversores privados.
Una Startup es una organización privada con inmensas posibilidades de cambio que desarrolla productos y servicios con gran innovación requeridos por el mercado. El diseño y la comercialización está orientada al cliente y suele actuar con costos mínimos aunque sus ganancias son elevadas. Se caracterizan por tener una comunicación activa con sus clientes con el fin de lograr masificación de las ventas.
Conclusiones
Dentro de nuestro entorno nos preparamos en nivel de infraestructura para estar al día en avance tecnológico. La tecnología es entonces una palanca para avanzar sobre el dinamismo de la economía de una región y requiere estar acompañado por mejoras innovadoras en materia de educación. El sistema educativo avanza muy lentamente sobre los cambios que este necesita, mientras que la economía, la sociedad y la tecnología lo hacen cada vez más rápido. El nivel de sensibilización sobre la importancia que tiene adquirir capacidades digitales debe ser un tema en análisis constante para estar a tiempo ante el paso del tren de una nueva revolución industrial. El avance de la tecnología ha modificado nuestra vida, pero para las empresas ya es un tema de reflexión inmediata para sobrevivir. Las compañías deben adecuarse rápidamente a un manejo eficiente de la información y a mejorar la relación con sus clientes.
Así mismo, la ciberseguridad es crítica y nos invita a una revisar el punto de cómo debe ser una empresa en la era digital y no estar sólo atento a cómo es una empresa digital.
Fuente: https://revistas.ub.edu.ar/index.php/Pe ... le/view/73
El determinismo climático surge entre los siglos XVIII y XIX. En tal concepto, el clima es un factor sobre el cual el hombre no tiene forma de influir o controlar, pero sin embargo el mismo determina características de la sociedad y genera un marco de comprensión para las diferencias culturales entre pueblos.
Inteligencia artificial
El concepto se inicia con Turing (1950) quien describe un experimento de laboratorio que podría emplearse para averiguar si una computadora era capaz de pensar. El sentido del experimento fue demostrar que una máquina con ciertas características podía pensar de forma similar a la humana. Unos años después, McCarthy(1960) define el término Inteligencia artificial como la ciencia y la ingeniería de elaborar máquinas inteligentes, especialmente programas inteligentes.
Minsky, fundador del laboratorio de ciencias de la computación del MIT y precursor de las redes neuronales artificiales, menciona que el sentido común no es una cosa simple, sino que más bien es una inmensa sociedad de ideas prácticas adquiridas, de múltiples reglas, excepciones, disposiciones, tendencias, equilibrios y comprobaciones aprendidos durante la vida. Así surge entonces un marco para entender el concepto de inteligencia artificial.
Startups
Una Startup es una empresa nueva con grandes posibilidades de crecimiento que poseen en algunos casos un modelo de negocio escalable. El término se aplica a cualquier emprendimiento pero es usual en aquellos que poseen un fuerte componente tecnológico, relacionado con el mundo de Internet. Se diferencian de otros emprendimientos por su rápido crecimiento sin necesidades de capital. En su mayoría no utilizan financiamiento de bancos sino más bien optan por capitales de inversores privados.
Una Startup es una organización privada con inmensas posibilidades de cambio que desarrolla productos y servicios con gran innovación requeridos por el mercado. El diseño y la comercialización está orientada al cliente y suele actuar con costos mínimos aunque sus ganancias son elevadas. Se caracterizan por tener una comunicación activa con sus clientes con el fin de lograr masificación de las ventas.
Conclusiones
Dentro de nuestro entorno nos preparamos en nivel de infraestructura para estar al día en avance tecnológico. La tecnología es entonces una palanca para avanzar sobre el dinamismo de la economía de una región y requiere estar acompañado por mejoras innovadoras en materia de educación. El sistema educativo avanza muy lentamente sobre los cambios que este necesita, mientras que la economía, la sociedad y la tecnología lo hacen cada vez más rápido. El nivel de sensibilización sobre la importancia que tiene adquirir capacidades digitales debe ser un tema en análisis constante para estar a tiempo ante el paso del tren de una nueva revolución industrial. El avance de la tecnología ha modificado nuestra vida, pero para las empresas ya es un tema de reflexión inmediata para sobrevivir. Las compañías deben adecuarse rápidamente a un manejo eficiente de la información y a mejorar la relación con sus clientes.
Así mismo, la ciberseguridad es crítica y nos invita a una revisar el punto de cómo debe ser una empresa en la era digital y no estar sólo atento a cómo es una empresa digital.
Fuente: https://revistas.ub.edu.ar/index.php/Pe ... le/view/73
- 31 Jul 2021, 12:16
- Foros: Proyectos en Inteligencia Artificial
- Tema: Detección de cultivos de azúcar usando imágenes satelitales con bandas espectrales
- Respuestas: 0
- Vistas: 410
Detección de cultivos de azúcar usando imágenes satelitales con bandas espectrales
- Tema:
- Integrantes :
- Bryan Tony Cipriano Tarazona
- José Luis Corzo Yalle
- Resumen:
- Paper:
- Pasos para el desarrollo del trabajo:
- Video presentación del trabajo:
- PPT:
- Código fuente:
José Luis Corzo Yalle
Estudiante de Ingeniería de Sistemas
Universidad Nacional de Ingeniería
- 28 Jun 2021, 23:31
- Foros: Inteligencia Artificial
- Tema: Aprendizaje por reforzamiento en la medicina
- Respuestas: 0
- Vistas: 399
Aprendizaje por reforzamiento en la medicina
Aprendizaje por reforzamiento en la medicina
[1] Deep Reinforcement Learning for Dynamic Treatment Regimes on Medical Registry Data
El problema que se presenta es que los sistemas de apoyo a la toma de decisiones basados en datos para el cuidado de la salud para facilitar a los médicos la entrega de decisiones médicas personalizadas no son suficientes para proporcionar al médico y a los pacientes recomendaciones de decisiones personalizadas.
Se presenta un marco general de aprendizaje por refuerzo profundo, que se puede utilizar para resolver problemas complicados con grandes espacios de acción y estado. La técnica de aprendizaje por refuerzo profundo consta de dos fases: una fase de construcción de una red neuronal profunda (DNN) fuera de línea y una fase de Q-learning profundo en línea
Los autores proponen un marco sistemático para el aprendizaje de refuerzo profundo en datos de observación médica con un seguimiento a largo plazo para suficientes pacientes de un grupo de enfermedad enfocado.
El marco modela la complejidad de la vida real en la progresión heterogénea de la enfermedad y las opciones de tratamiento, con el objetivo de proporcionar al médico y a los pacientes recomendaciones de decisiones personalizadas basadas en datos.
[2] Order-free Medicine Combination Prediction with Graph Convolutional Reinforcement Learning
El problema que se presenta es que los estudios sobre Predicción de Combinación de Medicamentos(PCM) ignoran las correlaciones entre los medicamentos (es decir, la PCM se formula como una tarea de clasificación binaria), o bien asumen que existe una correlación secuencial entre los medicamentos (es decir, la PCM se formula como una tarea de predicción secuencial).
Los autores proponen un modelo de aprendizaje de refuerzo convolucional para la PCM, denominada Red de Predicción de Medicamentos(CompNet), que aborda el problema presentado. CompNet plantea la PCM como un problema de Proceso de Decisión de Markov (MDP) sin orden y diseña un mecanismo de Aprendizaje Q-Learning (DQL) para aprender las interacciones correlativas y adversas entre los medicamentos.
Como conclusión se ha presentado un nuevo modelo denominado CompNet para la PCM, que capta las correlaciones útiles entre los medicamentos, al tiempo que elimina las suposiciones poco razonables sobre los pedidos de medicamentos realizadas en trabajos anteriores. Se ha verificado la eficacia de CompNet mediante amplios experimentos con un conjunto de datos de referencia para PCM. Los resultados han demostrado que los módulos propuestos en CompNet aportan mejoras y alcanza el mejor rendimiento en comparación con los métodos más avanzados.
Conclusiones
El Aprendizaje por reforzamiento es muy útil en el campo de la medicina ya que pueden ayudar a facilitar a los médicos la entrega de decisiones médicas personalizadas o a capta las correlaciones útiles entre los medicamentos.
Referencias:
1. Ying Liu; Brent Logan; Ning Liu; Zhiyuan Xu; Jian Tang; Yangzhi Wang. (2017) Deep Reinforcement Learning for Dynamic Treatment Regimes on Medical Registry Data. 2017 IEEE International Conference on Healthcare Informatics (ICHI)
2. Shanshan Wang, Pengjie Ren, Zhumin Chen, Zhaochun Ren, Jun Ma, and Maarten de Rijke. 2019. Order-free Medicine Combination Prediction with
Graph Convolutional Reinforcement Learning. In The 28th ACM International Conference on Information and Knowledge Management
José Luis Corzo Yalle
Estudiante de Ingeniería de Sistemas
Universidad Nacional de Ingeniería
[1] Deep Reinforcement Learning for Dynamic Treatment Regimes on Medical Registry Data
El problema que se presenta es que los sistemas de apoyo a la toma de decisiones basados en datos para el cuidado de la salud para facilitar a los médicos la entrega de decisiones médicas personalizadas no son suficientes para proporcionar al médico y a los pacientes recomendaciones de decisiones personalizadas.
Se presenta un marco general de aprendizaje por refuerzo profundo, que se puede utilizar para resolver problemas complicados con grandes espacios de acción y estado. La técnica de aprendizaje por refuerzo profundo consta de dos fases: una fase de construcción de una red neuronal profunda (DNN) fuera de línea y una fase de Q-learning profundo en línea
Los autores proponen un marco sistemático para el aprendizaje de refuerzo profundo en datos de observación médica con un seguimiento a largo plazo para suficientes pacientes de un grupo de enfermedad enfocado.
El marco modela la complejidad de la vida real en la progresión heterogénea de la enfermedad y las opciones de tratamiento, con el objetivo de proporcionar al médico y a los pacientes recomendaciones de decisiones personalizadas basadas en datos.
[2] Order-free Medicine Combination Prediction with Graph Convolutional Reinforcement Learning
El problema que se presenta es que los estudios sobre Predicción de Combinación de Medicamentos(PCM) ignoran las correlaciones entre los medicamentos (es decir, la PCM se formula como una tarea de clasificación binaria), o bien asumen que existe una correlación secuencial entre los medicamentos (es decir, la PCM se formula como una tarea de predicción secuencial).
Los autores proponen un modelo de aprendizaje de refuerzo convolucional para la PCM, denominada Red de Predicción de Medicamentos(CompNet), que aborda el problema presentado. CompNet plantea la PCM como un problema de Proceso de Decisión de Markov (MDP) sin orden y diseña un mecanismo de Aprendizaje Q-Learning (DQL) para aprender las interacciones correlativas y adversas entre los medicamentos.
Como conclusión se ha presentado un nuevo modelo denominado CompNet para la PCM, que capta las correlaciones útiles entre los medicamentos, al tiempo que elimina las suposiciones poco razonables sobre los pedidos de medicamentos realizadas en trabajos anteriores. Se ha verificado la eficacia de CompNet mediante amplios experimentos con un conjunto de datos de referencia para PCM. Los resultados han demostrado que los módulos propuestos en CompNet aportan mejoras y alcanza el mejor rendimiento en comparación con los métodos más avanzados.
Conclusiones
El Aprendizaje por reforzamiento es muy útil en el campo de la medicina ya que pueden ayudar a facilitar a los médicos la entrega de decisiones médicas personalizadas o a capta las correlaciones útiles entre los medicamentos.
Referencias:
1. Ying Liu; Brent Logan; Ning Liu; Zhiyuan Xu; Jian Tang; Yangzhi Wang. (2017) Deep Reinforcement Learning for Dynamic Treatment Regimes on Medical Registry Data. 2017 IEEE International Conference on Healthcare Informatics (ICHI)
2. Shanshan Wang, Pengjie Ren, Zhumin Chen, Zhaochun Ren, Jun Ma, and Maarten de Rijke. 2019. Order-free Medicine Combination Prediction with
Graph Convolutional Reinforcement Learning. In The 28th ACM International Conference on Information and Knowledge Management
José Luis Corzo Yalle
Estudiante de Ingeniería de Sistemas
Universidad Nacional de Ingeniería
- 10 May 2021, 22:33
- Foros: Inteligencia Artificial
- Tema: Aplicaciones de Inteligencia Artificial basadas en algoritmos de búsqueda
- Respuestas: 0
- Vistas: 518
Aplicaciones de Inteligencia Artificial basadas en algoritmos de búsqueda
En este tema Aplicaciones de Inteligencia Artificial basadas en algoritmos de búsqueda hemos encontrado investigaciones que utilizan dichos algoritmos. En la primera investigación se utilizan algoritmos de búsqueda Dijkstra y el algoritmo A Estrella y en la segunda investigación se utilizan algoritmo de búsqueda armónica (BA)
Los algoritmos utilizados son Dijkstra. Este es un algoritmo recursivo que determina el camino mas corto dado un vértice origen al resto de los vértices en un grafo con pesos en cada arista y el siguiente utilizado es el A estrella, este algoritmo consiste en ir explorando todos los caminos mas cortos que parten del vértice origen y que llevan a todos los demás vértices; cuando se obtiene el camino mas corto desde el vértice origen, al resto de vértices que componen el grafo, el algoritmo se detiene.
El algoritmo A estrella evalúa los nodos utilizando la función g(n) que es el costo para alcanzar el nodo y h(n) que es el costo optimista para alcanzar el objetivo. Obteniendo la función f(n) = g(n)+h(n) .
Como resultado el algoritmo Dijkstra fue más eficiente respecto al algoritmo A estrella debido a que Dijkstra encuentra la ruta óptima desde el nodo inicial al nodo agregado, es decir no solo encuentra la distancia mínima desde el nodo inicial al nodo final sino que también encuentra las rutas cortas a los nodos que va visitando.
El algoritmo utilizado es Búsqueda Armónica (BA). Este algoritmo es usado para la detección automática de formas circulares en imágenes ruidosas y complicadas, sin considerar los principios convencionales de la transformada de Hough.
El algoritmo BA comienza inicializando un conjunto de soluciones (armonías) iniciales; cada solución es un vector n-dimensional que contiene los valores de los parámetros a ser optimizados. Los límites inferiores son l(j) y u(j) y sus parámetros son el tamaño de la memoria (HMS), la razón de exploración (HMCR), la razón de ajuste de tono (PAR), el ancho de desplazamiento (BW) y el número de improvisaciones (NI), el cual representa el número total de iteraciones.
Como resultado el algoritmo BA optimizó la detección automática de formas circulares en imágenes ruidosas y complicadas en el procesamiento de imágenes.
Conclusiones:
De estas investigaciones se concluye que los algoritmos de búsqueda puede ayudar a los gobiernos a determinar las rutas más cortas entre ciudades para que puedan optimizar costos y esfuerzos y también pueden ayudar a un mejor procesamiento de imágenes que poseen ruido considerable y distorsiones.
Referencias:
1. John Calderon, Rodolfo Borja, Bryan Tapia (2017). RUTA ÓPTIMA - Implementar métodos de búsqueda para encontrar la ruta más corta entre dos ciudades capitales de Ecuador. Sistemas Computacionales Universidad de Guayaquil
2. Erik Cuevas y Noé Ortega-Sánchez (2017). El algoritmo de búsqueda armónica y sus usos en el procesamiento digital de imágenes. Departamento de Electrónica, Universidad de Guadalajara México
José Luis Corzo Yalle
Estudiante de Ingeniería de Sistemas
Universidad Nacional de Ingeniería
- 1. RUTA ÓPTIMA - Implementar métodos de búsqueda para encontrar la ruta más corta entre dos ciudades capitales de Ecuador
Los algoritmos utilizados son Dijkstra. Este es un algoritmo recursivo que determina el camino mas corto dado un vértice origen al resto de los vértices en un grafo con pesos en cada arista y el siguiente utilizado es el A estrella, este algoritmo consiste en ir explorando todos los caminos mas cortos que parten del vértice origen y que llevan a todos los demás vértices; cuando se obtiene el camino mas corto desde el vértice origen, al resto de vértices que componen el grafo, el algoritmo se detiene.
El algoritmo A estrella evalúa los nodos utilizando la función g(n) que es el costo para alcanzar el nodo y h(n) que es el costo optimista para alcanzar el objetivo. Obteniendo la función f(n) = g(n)+h(n) .
Como resultado el algoritmo Dijkstra fue más eficiente respecto al algoritmo A estrella debido a que Dijkstra encuentra la ruta óptima desde el nodo inicial al nodo agregado, es decir no solo encuentra la distancia mínima desde el nodo inicial al nodo final sino que también encuentra las rutas cortas a los nodos que va visitando.
- 2. El algoritmo de búsqueda armónica y sus usos en el procesamiento digital de imágenes
El algoritmo utilizado es Búsqueda Armónica (BA). Este algoritmo es usado para la detección automática de formas circulares en imágenes ruidosas y complicadas, sin considerar los principios convencionales de la transformada de Hough.
El algoritmo BA comienza inicializando un conjunto de soluciones (armonías) iniciales; cada solución es un vector n-dimensional que contiene los valores de los parámetros a ser optimizados. Los límites inferiores son l(j) y u(j) y sus parámetros son el tamaño de la memoria (HMS), la razón de exploración (HMCR), la razón de ajuste de tono (PAR), el ancho de desplazamiento (BW) y el número de improvisaciones (NI), el cual representa el número total de iteraciones.
Como resultado el algoritmo BA optimizó la detección automática de formas circulares en imágenes ruidosas y complicadas en el procesamiento de imágenes.
Conclusiones:
De estas investigaciones se concluye que los algoritmos de búsqueda puede ayudar a los gobiernos a determinar las rutas más cortas entre ciudades para que puedan optimizar costos y esfuerzos y también pueden ayudar a un mejor procesamiento de imágenes que poseen ruido considerable y distorsiones.
Referencias:
1. John Calderon, Rodolfo Borja, Bryan Tapia (2017). RUTA ÓPTIMA - Implementar métodos de búsqueda para encontrar la ruta más corta entre dos ciudades capitales de Ecuador. Sistemas Computacionales Universidad de Guayaquil
2. Erik Cuevas y Noé Ortega-Sánchez (2017). El algoritmo de búsqueda armónica y sus usos en el procesamiento digital de imágenes. Departamento de Electrónica, Universidad de Guadalajara México
José Luis Corzo Yalle
Estudiante de Ingeniería de Sistemas
Universidad Nacional de Ingeniería
- 16 Abr 2021, 21:47
- Foros: Inteligencia Artificial
- Tema: Impacto de la Inteligencia Artificial en la ética en el Perú
- Respuestas: 0
- Vistas: 321
Impacto de la Inteligencia Artificial en la ética en el Perú
Uno de los propósitos de la Inteligencia Artificial es lograr que una máquina posea una inteligencia en modo general similar a la humana, un objetivo bastante ambicioso. El principal problema al que se enfrenta la inteligencia artificial es la adquisición de conocimientos de sentido común. A pesar de muchas dificultades, las tecnologías basadas en inteligencia artificial ya están empezando a cambiar nuestras vidas en aspectos como la educación, la salud, la seguridad, la productividad, el ocio. Sin embargo por muy inteligentes que llegue a ser la inteligencia artificial a diferencia de los humanos son ajenos a aspectos tan importantes como la ética y los valores.
El Perú es uno de los países que tiene a los mal llamados representantes y líderes políticos más corruptos de Latinoamérica y el mundo, han perdido el camino hacia la ética y los valores y están pervirtiendo todas las instituciones a su cargo, somos un país tercermundista por lo que la tecnología y las innovaciones aún están lejos de tener campo fuerte en nuestro país, no por que no haya personas inteligentes en el país, es porque los encargados de dictar las leyes y políticas para el desarrollo de la ciencia, tecnología e investigación dictan leyes pero nunca ligados a esos campos antes mencionados sino leyes para su propio beneficio y beneficio de pocos que tienen mucho. Es por todo lo antes mencionado que la inteligencia artificial en el Perú aún esta en un terreno inicial , los primeros en entrar en el terreno de la inteligencia artificial en el país son los bancos, para contar con los recursos requeridos para su transformación como el BCP y su "arturito BCP", un chat cognitivo para Facebook Messenger que permite realizar consultas y resolver dudas sobre cuentas y tarjetas. En el país tenemos escasez de profesionales en digital y tecnología, por lo que se necesita una actualización de las especializaciones de las carreras universitarias para contar con mayor capital humano que ayude al crecimiento de la inteligencia artificial.
Con la inteligencia artificial las empresas podrán conocer mejor a sus clientes, podrán desarrollar estrategias focalizadas de marketing con altos índices de éxito, por ejemplo es lo que aplica Netflix, que rastrea las preferencias de tus series y toma data de tus redes sociales; así, te conoce a la perfección. El resultado: la fidelización de los 75 millones de clientes que tiene esta plataforma online. Esa fidelización de clientes o personas es un poder muy peligroso en manos equivocadas como políticos o personas inescrupulosas que usarían la inteligencia artificial para sus propios beneficios, es por ello que la inteligencia artificial en la ética del Perú tendría un impacto altísimo que debería ser regulada con normas y leyes que no permita que el que más tiene tenga una herramienta más para seguir abusando del que menos tiene.
José Luis Corzo Yalle
Inteligencia Artificial Avanzada
El Perú es uno de los países que tiene a los mal llamados representantes y líderes políticos más corruptos de Latinoamérica y el mundo, han perdido el camino hacia la ética y los valores y están pervirtiendo todas las instituciones a su cargo, somos un país tercermundista por lo que la tecnología y las innovaciones aún están lejos de tener campo fuerte en nuestro país, no por que no haya personas inteligentes en el país, es porque los encargados de dictar las leyes y políticas para el desarrollo de la ciencia, tecnología e investigación dictan leyes pero nunca ligados a esos campos antes mencionados sino leyes para su propio beneficio y beneficio de pocos que tienen mucho. Es por todo lo antes mencionado que la inteligencia artificial en el Perú aún esta en un terreno inicial , los primeros en entrar en el terreno de la inteligencia artificial en el país son los bancos, para contar con los recursos requeridos para su transformación como el BCP y su "arturito BCP", un chat cognitivo para Facebook Messenger que permite realizar consultas y resolver dudas sobre cuentas y tarjetas. En el país tenemos escasez de profesionales en digital y tecnología, por lo que se necesita una actualización de las especializaciones de las carreras universitarias para contar con mayor capital humano que ayude al crecimiento de la inteligencia artificial.
Con la inteligencia artificial las empresas podrán conocer mejor a sus clientes, podrán desarrollar estrategias focalizadas de marketing con altos índices de éxito, por ejemplo es lo que aplica Netflix, que rastrea las preferencias de tus series y toma data de tus redes sociales; así, te conoce a la perfección. El resultado: la fidelización de los 75 millones de clientes que tiene esta plataforma online. Esa fidelización de clientes o personas es un poder muy peligroso en manos equivocadas como políticos o personas inescrupulosas que usarían la inteligencia artificial para sus propios beneficios, es por ello que la inteligencia artificial en la ética del Perú tendría un impacto altísimo que debería ser regulada con normas y leyes que no permita que el que más tiene tenga una herramienta más para seguir abusando del que menos tiene.
José Luis Corzo Yalle
Inteligencia Artificial Avanzada