{"id":19292,"date":"2024-11-15T14:03:36","date_gmt":"2024-11-15T13:03:36","guid":{"rendered":"https:\/\/telecomkh.info\/?p=19292"},"modified":"2024-11-15T14:03:36","modified_gmt":"2024-11-15T13:03:36","slug":"la-quimica-de-la-ia-como-convertir-los-datos-en-informacion","status":"publish","type":"post","link":"https:\/\/telecomkh.info\/?p=19292","title":{"rendered":"La qu\u00edmica de la IA: c\u00f3mo convertir los datos en informaci\u00f3n"},"content":{"rendered":"

Los modelos de IA funcionan como la qu\u00edmica. Pueden extraer valor de los datos, pero solo si se les proporciona los elementos adecuados. Los datos son la materia prima en la era de la inteligencia artificial generativa. Cualquier modelo de IA generativa necesita datos precisos en su base para producir resultados relevantes<\/strong><\/p>\n

Por tanto, al igual que los qu\u00edmicos trabajan para convertir los elementos b\u00e1sicos en algo nuevo, las organizaciones quieren transformar los datos sin procesar en informaci\u00f3n valiosa utilizando la IA. A continuaci\u00f3n, Dell Technologies detalla los pasos para aplicar esta f\u00f3rmula y transformar una organizaci\u00f3n:<\/p>\n

1. Purificar la materia original<\/strong>
\nLos datos son el sustrato utilizado para entrenar los sistemas de IA. Dado que los datos confiables se erigen en la clave para impulsar la informaci\u00f3n y las acciones, su calidad resulta primordial. Al igual que los qu\u00edmicos purifican sustancias, las organizaciones deben limpiar y refinar sus datos. Seg\u00fan el informe Innovation Catalyst de Dell Technologies, el 68% de las organizaciones no es capaz de convertir sus datos en informaci\u00f3n valiosa en tiempo real. Los resultados de la IA\/Gen AI son tan potentes como los datos en los que se ejecuta.
\nPara la mayor\u00eda de las organizaciones, los datos se distribuyen en diferentes ubicaciones. La mayor parte reside en las instalaciones, mientras que m\u00e1s del 50% de los datos de la empresa se generan en el per\u00edmetro. Es dif\u00edcil y costoso mover datos de una ubicaci\u00f3n a otra. Es m\u00e1s eficiente llevar la IA a los datos. El entrenamiento y la ejecuci\u00f3n de modelos de IA en las instalaciones pueden aportar beneficios al procesamiento, el an\u00e1lisis, el cumplimiento y la gesti\u00f3n de la propiedad intelectual. Dell valid\u00f3 recientemente con ESG que la inferencia de los large language models (LLM) en las instalaciones es un 75% m\u00e1s rentable que en la nube p\u00fablica. As\u00ed, las organizaciones ganan cuando incorporan un modelo de GenAI adecuado a sus datos.<\/p>\n

2. Combinar elementos<\/strong>
\nLos qu\u00edmicos preparan compuestos de diferentes elementos, mezcl\u00e1ndolos para crear nuevas sustancias. En el mundo de la GenAI, se puede hacer lo mismo trabajando con ecosistemas abiertos, es decir, modelos operativos que comparten datos y servicios para crear valor. Las cargas de trabajo de la IA y la Gen IA requieren flexibilidad en la infraestructura y el software, que pueden adaptarse tan r\u00e1pido como evolucionan los modelos. Los LLM abiertos crean igualdad de oportunidades en todo el ecosistema, lo que a su vez permite a las organizaciones acelerar el progreso y resolver problemas. Desde las startups hasta el sector p\u00fablico y las organizaciones empresariales, todos tienen un papel que desempe\u00f1ar.
\nLa combinaci\u00f3n de diferentes elementos, en otras palabras, la colaboraci\u00f3n, fomenta nuevas oportunidades y puede reducir el coste del desarrollo de la IA. La apertura garantiza una competencia sana, opciones e intercambio de conocimientos. Y no hay que olvidar el componente \u00e9tico. Los modelos abiertos est\u00e1n bajo el escrutinio p\u00fablico, lo que impulsa a los laboratorios de investigaci\u00f3n a reducir el sesgo y proteger los datos. Es como combinar y destilar elementos con una lente \u00e9tica.<\/p>\n

3. La f\u00f3rmula de las percepciones<\/strong>
\nUna vez purificado el material base (los datos) y combinados los elementos correctos en un ecosistema abierto, se puede lograr el avance, la f\u00f3rmula para obtener informaci\u00f3n. Los algoritmos de IA predicen las tendencias, el comportamiento de los clientes y la din\u00e1mica del mercado. Estos conocimientos funcionan como una f\u00f3rmula para ayudar a sostener las organizaciones y guiar las decisiones estrat\u00e9gicas.
\nLa IA no es magia, es una pr\u00e1ctica disciplinada. Los cient\u00edficos e ingenieros de datos siguen metodolog\u00edas precisas para impulsar la innovaci\u00f3n. En lugar de matraces y vasos de precipitados, los laboratorios son ahora estaciones de trabajo, datos, computaci\u00f3n y almacenamiento. Estas son herramientas valiosas para extraer conocimiento de los datos.<\/p>\n

4. El imperativo qu\u00edmico<\/strong>
\nLa IA y la gesti\u00f3n de datos est\u00e1n profundamente entrelazadas. Las organizaciones necesitan una estrategia de datos rigurosa para aprovechar las ventajas de los modelos de IA generativa. Hay que tratar los datos como un elemento sin procesar, que requieren un proceso para convertirse en una sustancia valiosa. En definitiva, las organizaciones tienen que mantener los fundamentos del qu\u00edmico: mantener la curiosidad, ser persistente y comprometerse a convertir sus datos en conocimientos. Solo entonces desbloquear\u00e1n el valor transformador de la IA.<\/p>\n

Arriba, imagen cortes\u00eda de Dell<\/em><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Los modelos de IA funcionan como la qu\u00edmica. Pueden extraer valor de los datos, pero solo si se les proporciona los elementos adecuados. Los datos son la materia prima en la era de la inteligencia artificial generativa. Cualquier modelo de IA generativa necesita datos precisos en su base para producir resultados relevantes Por tanto, al … <\/p>\n

Continue reading \u00abLa qu\u00edmica de la IA: c\u00f3mo convertir los datos en informaci\u00f3n\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":19293,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[11,9],"tags":[],"_links":{"self":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/19292"}],"collection":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=19292"}],"version-history":[{"count":1,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/19292\/revisions"}],"predecessor-version":[{"id":19294,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/19292\/revisions\/19294"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/media\/19293"}],"wp:attachment":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=19292"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=19292"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=19292"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}