- hace 1 año
La temática de la 38 Feria Universitaria del Libro FUL fue la Ciencia de datos, que es el estudio con el fin de extraer información significativa, principalmente para las empresas. Se trata de un enfoque multidisciplinario que combina principios y prácticas del campo de las matemáticas, la estadística, la inteligencia artificial y la ingeniería de computación para analizar grandes cantidades de información. Este análisis permite que los científicos planteen y respondan a preguntas como “qué pasó”, “porqué pasó”, “qué pasará” y “qué se puede hacer con los resultados”. Actualmente, la materia tiene múltiples aplicaciones, desde las ciencias sociales hasta la inteligencia artificial ¿Cómo impacta en la sociedad actual y cómo la ciencia de datos y la inteligencia artificial se interrelacionan con las ciencias sociales?
SÚMAte a un espacio de análisis certero y plural donde abordaremos el tema: FUL 38. Ciencia de datos.
Panelistas:
💬 Dr. Aldo Márquez Grajales, doctor en inteligencia artificial
💬 Dr. Sócrates López Pérez, doctor en ciencias sociales
Conduce:
🎙️ Dr. Roberto Morales Estrella
SÚMAte a un espacio de análisis certero y plural donde abordaremos el tema: FUL 38. Ciencia de datos.
Panelistas:
💬 Dr. Aldo Márquez Grajales, doctor en inteligencia artificial
💬 Dr. Sócrates López Pérez, doctor en ciencias sociales
Conduce:
🎙️ Dr. Roberto Morales Estrella
Categoría
📺
TVTranscripción
00:00Una producción de Suma TV
00:30Amigas, amigos de A, esta es su Agenda 13.1.
00:43Muy buenas noches, bienvenidos.
00:45Hoy estamos con un tema sumamente trascendente e importante que es Full 38, Ciencia de Datos.
00:52Vayamos a conocer a nuestros panelistas expertos.
00:55Aldo Márquez Grajales es doctor en Inteligencia Artificial por la Universidad Veracruzana.
01:04Del 2021 al 2024 realizó dos estancias postdoctorales en el Instituto de Investigaciones en Inteligencia Artificial en dicha universidad.
01:12Es nivel 1 en el Sistema Nacional de Investigadoras e Investigadores.
01:16Sus áreas de interés son minería de datos en series temporales, visión artificial, cómputo evolutivo y modelos subrogados.
01:24Actualmente es profesor investigador de tiempo completo en la Universidad Autónoma del Estado de Hidalgo.
01:33Sócrates López Pérez es doctor en Ciencias Sociales en el Área de Planeación y Desarrollo Económico por la Universidad Autónoma Metropolitana.
01:41Realizó una estancia postdoctoral en la Universidad de Munster.
01:44Es miembro del Sistema Nacional de Investigadores e integrante y asesor de la Comisión Ambiental Metropolitana en el Grupo de Científicos.
01:53Fue reconocido con el Premio Estatal de Ciencia y Tecnología del Estado de Hidalgo en el Área de Desarrollo Tecnológico.
01:59Pues bienvenidos, estimados doctores, doctor Aldo Márquez Grajales, doctor en Inteligencia Artificial, hoy una área muy intensa y muy demandante.
02:14Doctor Sócrates López Pérez, doctor en Ciencias Sociales, bienvenido, como siempre, a muchos años y aquí estamos trabajando.
02:21Y bueno, pues vayamos a conocer la cápsula que preparó nuestra área de producción.
02:26Tras 10 días de actividades, la edición 38 de la Feria Universitaria del Libro de la Universidad Autónoma del Estado de Hidalgo llegó a su fin.
02:39La temática de la FUL este 2025 fue la ciencia de datos.
02:44¿Pero de qué trata esta disciplina?
02:46De acuerdo con el sitio de Microsoft, la ciencia de datos es el estudio científico multidisciplinar de los datos con el fin de extraer información,
02:54la cual puede y será utilizada para tomar mejores decisiones, resolver problemas complejos y mejorar operaciones dentro de una empresa o institución.
03:04O es el primer punto de partida o es el trabajo que se tiene que hacer dentro de los procesos de generación de conocimiento dentro de nuestro trabajo aquí en la universidad como investigadores.
03:16Incluso como docentes lo aplicamos diario también, estamos trabajando cotidianamente en ese tipo de trabajos.
03:23Si entendemos precisamente la ciencia de datos como ese campo interdisciplinar de la estadística, el modelaje, el análisis y campos específicos del conocimiento
03:37en donde este tipo de datos e información se utilizan para el análisis, el modelaje, la interpretación, la elaboración de tendencias,
03:51la elaboración de perspectivas para la toma de decisiones y para la generación del propio conocimiento,
03:58conocimiento o bien como una base del proceso de creación de ciencia.
04:03La obtención de conocimientos a través de la ciencia de datos beneficia diversos campos de estudio, desde las ciencias sociales hasta las computacionales.
04:12Como parte de la feria de todas y todos, se llevó a cabo el coloquio académico respecto a esta temática.
04:19Expertos y expertas en diferentes disciplinas se presentaron ante el público asistente para analizar el impacto de los datos y su estudio en investigaciones en curso,
04:28no solo en la autónoma de Hidalgo, sino en otras universidades.
04:31Fíjense que yo estaba pensando también de que en realidad nuestra universidad lo ha aplicado desde hace 30 años, la ciencia de datos.
04:39¿A través de qué? A través de todas las plataformas que estamos teniendo.
04:44Si ustedes revisan un informe del señor rector, van a encontrar un apartado estadístico.
04:50¿De dónde sale ese apartado estadístico?
04:52Y ustedes mismos son los que cargan esos datos, ustedes son los que van llenando esa base de datos.
04:58¿A través de qué? ¿Ustedes en dónde pasan lista?
05:02Pues en el sílabo.
05:04De tal forma que yo en este momento, incluso sus papás también lo pueden hacer, pueden conocer su desempeño.
05:09Si están entrando a clases, si no entran a clases, qué problemas tienen con los exámenes, en qué momento van.
05:15Imagínense juntar todos esos datos de tutorías, de asesorías, de asistencias, de los programas educativos, de los exámenes, incluso el examen.
05:27Esta noche, nuestro panel de especialistas hablará de cómo impacta la ciencia de datos en la sociedad actual
05:34y cómo, junto a la inteligencia artificial, se interrelacionan con las ciencias sociales.
05:39Esto es Agenda 13.1.
05:42Iniciamos.
05:43Pues bien, este tema es fundamental hoy en día.
05:50Sin embargo, cabe mencionar que todo ente orgánico se comunica.
05:55Como dice David Anglerman, el ser humano aprende y actúa y interactúa a través con todo lo que es el entorno.
06:04Entonces, la información, el dato es la unidad básica de la información y la información es consustancial a la vida de todo ser orgánico, los virus, las bacterias, las plantas, todos los animales se comunican.
06:19Los seres humanos, obviamente.
06:20La diferencia es que cada vez generamos y consumimos más datos.
06:25Actualmente, dicen expertos, que se generan 80 mil billones de gigabytes de información cada 10 minutos.
06:34Realmente es tremendo esta información.
06:38No hay un solo organismo, un solo país que tenga todo esto.
06:41Doctor Aldo Márquez Grajales, pues como experto en inteligencia artificial, obviamente, pues la inteligencia artificial tiene esa capacidad de manejar con velocidad y relacionar información.
06:57¿Qué es lo que nos lleva a pensar que tenemos mayor facilidad de entender lo que la inteligencia artificial nos transmite?
07:09Bueno, pues antes que nada, muchas gracias por la invitación y por estar en este foro.
07:14Realmente la inteligencia artificial es un área que actualmente está en su auge, considero un pico muy grande.
07:23Y esto tiene que ver un poco con la parte de la ciencia de datos, tiene que ver con la recopilación de información, como ya lo mencionó.
07:30Sin embargo, también es un reto poder hacer este análisis de los datos, poder tomarlos, interpretarlos.
07:38Aún cuando pensamos que a lo mejor esto nos va a ayudar a que tomemos buenas decisiones, no se hace solo.
07:45Necesitamos forzosamente de una persona que esté ahí, que lo interprete, que lo haga, que lo tome.
07:50Y sobre todo, que lo sepa modelar.
07:54La inteligencia artificial, pues sí ayuda muchísimo a generar modelos, modelos matemáticos, modelos no tan rígidos como los matemáticos tal vez, que permitan analizar esta información.
08:10Como lo vimos en el spot inicial de la agenda, si nosotros tomamos cualquier pedazo de información almacenada, encontraremos oro.
08:22Se puede interpretar, se puede tomar, sin embargo tenemos un reto.
08:26¿Cuál es el reto?
08:27La cantidad de información que actualmente se genera, también tiene que generar la inteligencia artificial un avance importante
08:36para poder analizarla en tiempo y en un espacio, digamos, entendible, manejable por el ser humano.
08:44No podemos generar modelos que procesen millones de información y que tarden días en obtenerlo.
08:51Sabemos que el mundo es tan cambiante que necesitamos que la información que estamos obteniendo la podemos interpretar casi en el momento que está generando.
09:00Creo que eso es uno de los mayores retos que tiene actualmente la inteligencia artificial.
09:04Estamos en camino de, estamos manejándolo, considero yo que de una forma lo más apropiada posible,
09:12con los recursos que tenemos, porque también vamos avanzando con la capacidad de almacenamiento de hardware que va saliendo en el mercado,
09:20pero creo que vamos en un buen camino en ese sentido.
09:22Bueno, obviamente que el debate está abierto y que alguien me decía que qué pasaba si de repente desaparece la inteligencia artificial,
09:34¿quiénes serían los más perjudicados?
09:36Yo dije, bueno, primero hay que pensar quiénes son los más beneficiados,
09:40que son las grandes empresas tecnológicas y que ellos son los que se han aprovechado de la información de todo el mundo.
09:47Entonces, desde la perspectiva obviamente de las ciencias sociales y la expertise que tienes, doctor Sócrates,
09:54el tema de la información que se genera hoy en día y de la velocidad de procesamiento,
10:00hoy el signo de los tiempos es volumen y velocidad,
10:04y la otra parte, la veracidad, la calidad del procesamiento.
10:09¿Cuál es tu opinión desde esta perspectiva, doctor?
10:12Pues mira, yo creo que es uno de los problemas más importantes que tenemos hoy en torno a este tema de ciencia de datos, ¿no?
10:24Hoy, esta parte masiva de construcción de los datos se da a través principalmente de las grandes plataformas, ¿no?
10:33Y sobre todo en este momento, pues, plataformas que están muy activas como Facebook, Instagram, TikTok,
10:43toda esta serie de plataformas que estamos nosotros llenando de datos a toda esa plataforma
10:53y el problema es que finalmente quedan manos privadas, ¿no?
10:57Porque son grandes empresas.
11:00Nosotros los científicos, cuando queremos ir en búsqueda de esos datos,
11:05o bien son proporcionados por las propias instituciones del Estado,
11:09INEGI, CONEVAL, INEC, Fondo de Población,
11:14de todos esos instituciones que están poniendo abiertamente estos datos,
11:22nosotros llegamos y los utilizamos, ¿no?
11:24Pero la mayor parte de los datos en realidad está privatizado,
11:29está utilizado con cierta tendencia y cierto sesgo para el uso propio de este tipo de empresas, ¿no?
11:35Entonces, cuando tú quieres realmente iniciar un trabajo científico en la academia,
11:41aquí en nuestra universidad, lo primero que prácticamente tienes que construir tú mismo
11:45todos los instrumentos para el levantamiento de esos datos, ¿no?
11:49Ya que tienes los datos, empiezas a ver su comportamiento,
11:53cuáles son los patrones, en el caso de ciencias sociales,
11:55lo que nos interesa mucho, es cuáles son esos patrones de comportamiento de esos datos, ¿no?
12:02Y a partir de ello ya sacamos, finalmente,
12:05hacemos algunos trabajos de modelaje para finalmente la toma de decisiones.
12:11lo que es la gran utilidad que tiene esta base de datos, esta ciencia de datos, ¿no?
12:15Entonces, el problema que nos vamos a segmentar siempre es el acceso a las bases de datos,
12:20la infraestructura que tenemos para la base de datos,
12:23la propia capacidad que tenemos los científicos para, pues, adaptarnos, reconstruirnos,
12:30y todo este trabajo de dominar precisamente esas habilidades y nuevas competencias
12:37que tenemos para el manejo e interpretación de todo ese conjunto de datos, ¿no?
12:41La parte ética es otro de los elementos muy importantes que nos está afectando fuerte
12:47y que se deriva directamente de la falta de regulación también, ¿no?
12:51O sea, no hay un ordenamiento bien que nos diga cómo tenemos que darle uso a esos datos
12:58y, finalmente, estas empresas por la aprovechan, ¿no?
13:01Tenemos grandes experiencias con Facebook, por ejemplo,
13:04ante las elecciones en Estados Unidos previo a Biden,
13:10en el sentido que se utilizaron incorrectamente para encontrar tendencias a influir en la opinión de los votantes, ¿no?
13:22Y así encontramos mucho.
13:23O la otra es los famosos bots que finalmente se convierten en engaños o en tendencias ideológicas
13:37para obtener determinados fines, ¿no?
13:39Eso sería como uno de los retos que nos estamos enfrentando en este momento,
13:43pero que yo creo que, como señala Aldo también,
13:46pues la tendencia que tenemos es que finalmente vamos a tener,
13:50más bien ya va a ser parte vital o cotidiana de nuestra vida,
13:54va a tener que ser regulado,
13:55vamos a tener que actualizar esa infraestructura tecnológica
13:58y, bueno, todos de entrada vamos a tener finalmente que aprender
14:03o desaprender las viejas formas de nosotros de reflexionar en la ciencia
14:09para adquirir estas nuevas herramientas, ¿no?
14:11Incluso ya los nuevos modelos educativos, por ejemplo, de nuestra institución,
14:17pues por supuesto que ya está integrando inteligencia artificial,
14:20ciencia de datos, cuestiones interculturales
14:23y todo lo nuevo que se está hoy en estos grandes ciclos que están de transformación en el mundo.
14:28La problemática que personal yo observo es la lentitud de la generación de la normatividad.
14:39La inteligencia artificial, cuyos primeros algoritmos fueron por los babilonios,
14:44esos fueron los primeros,
14:46después el gran salto con Alan Turi, con su máquina,
14:50y él fue el que se hizo la primera vez la pregunta de si las máquinas podían pensar
14:56y después la conferencia en Verboon en 1956,
15:02pero el parteaguas actual que estamos viviendo
15:05fue a partir del chat que pete 3.5 con OpenAI,
15:10porque todos los modelos del lenguaje natural,
15:12o sea, nuestro lenguaje, porque el otro lenguaje es el código,
15:15son precisamente los algoritmos.
15:17Entonces, el problema y que esta informática que tenemos
15:21la está envejeciéndose muy rápido.
15:24¿Qué viene?
15:25Viene el cómputo cuántico,
15:28viene el cómputo neuromórfico,
15:32y cuando estén nuestros legisladores
15:35regulando la inteligencia artificial actual,
15:39ya quedó atrás.
15:41O sea, vamos a una velocidad de nanosegundo
15:46y la otra, el otro peligro, los hackers.
15:49Los hackers están evolucionando muy rápido,
15:53ya hacen hackeos con inteligencia artificial.
15:57Luego entonces, este planteamiento
15:59y que nuestros modelos educativos
16:02que estamos iniciando
16:03a introducir en las dinámicas académicas
16:10la inteligencia artificial, sí,
16:12pero la que nos han permitido las grandes empresas.
16:18Recordemos que ahorita la ciencia de datos
16:21que ya se volvió un poder económico
16:22con los centros de datos.
16:24El país que tiene más centros de datos
16:26es Estados Unidos.
16:27Y es la infraestructura precisamente
16:29por donde corren toda la información
16:31que fluye a una velocidad de la imaginación.
16:35Luego entonces, Aldo,
16:36¿cuál es el planteamiento que tenemos que tener
16:39como instituciones educativas
16:41para que aceleremos y que haya conciencia?
16:45Porque la inteligencia artificial,
16:47y aquí podría ser la diferencia,
16:49no tiene conciencia ni razona,
16:51aunque diga ahí la OCHAT que petezca,
16:54razonamiento, no razonan.
16:56¿Por qué?
16:57Porque no son entes orgánicos.
16:59Pero tú dinos,
17:00yo no soy el experto en inteligencia artificial.
17:02¿Cómo ves la problemática?
17:04Bueno, voy a empezar con la parte del razonamiento.
17:06Es correcto.
17:07La computadora,
17:09híjole, voy a remontarme a mis años de estudiante.
17:12Tenía un profesor
17:13que para explicarnos la programación
17:16siempre nos decía,
17:18la computadora es una bestia.
17:20Lo que recibe es lo que hace.
17:22No va a ser nada más.
17:24Los modelos de inteligencia artificial
17:25tratan de emular el comportamiento del actuar
17:28de no solo el ser humano,
17:31porque empezamos egolatramente pensando
17:33que nosotros tenemos la inteligencia,
17:35cuando en realidad la inteligencia está
17:37en todo lo que rodeamos,
17:39todo lo que vemos,
17:40todos los seres vivos en el planeta.
17:41Y simplemente copiamos comportamientos.
17:45Y con base en eso,
17:46tratamos de que el algoritmo reaccione
17:49como si fuéramos nosotros.
17:51Pero si lo hacemos mal,
17:53va a reaccionar mal.
17:55¿No?
17:55Entonces, ¿es correcto?
17:57No razona,
17:58no tiene conciencia.
17:59ChatGPT es un algoritmo
18:02de estos llamados de lenguaje largo
18:05o grande lenguaje,
18:07que lo que hace es unas consultas
18:09muy rápidas a base de datos
18:11que ya tienen ellos
18:12y da respuesta.
18:14Lo interesante es que,
18:15gracias al procesamiento del lenguaje natural,
18:18esas respuestas son coherentes.
18:19Más o menos,
18:20como nos lo platicabas,
18:21que era la parte de la prueba de Turing,
18:23que es una de las pruebas
18:26que trataban de determinar
18:28si tenía coherencia
18:29la respuesta que se le hacía a una máquina
18:31con respecto de un ser humano.
18:34Y básicamente en eso radicaba esta prueba.
18:36Pues ahorita,
18:37ChatGPT le podemos preguntar
18:40y nos va a responder coherentemente
18:42algunas cosas.
18:44No hay que confiarse.
18:45Con respecto de la regulación,
18:47es de suma importancia
18:48que tomemos carta en ello.
18:50Creo que,
18:51desde el punto de vista
18:53vamos a irnos como docentes,
18:57debemos de inculcarle
18:58a nuestros alumnos
18:59que esas ChatGPT y demás
19:03son herramientas.
19:05Al final de cuentas,
19:06la inteligencia artificial
19:07es una herramienta para el hombre,
19:09como en su momento fue la informática,
19:11la parte de automatización,
19:12lo sigue siendo,
19:14pero son herramientas
19:15para que el hombre pueda realizar
19:17su trabajo de una forma más simple,
19:21que pueda confiar
19:23en cierto grado
19:24que la computadora va a reaccionar bien
19:27si él no está,
19:29pero jamás va a ser
19:31lo que un ser humano hace,
19:34desde mi punto de vista.
19:35Y hablando en un periodo de tiempo,
19:37tal vez en los mil años,
19:40vemos.
19:40Pero ahorita,
19:42ahorita es algo
19:43que no podríamos decir.
19:46¿Por qué?
19:46Porque hay muchas partes
19:47de nosotros mismos
19:49que somos seres tan complejos,
19:52digo,
19:52la parte social,
19:54no me quiero meter,
19:55pero somos seres complejos
19:56que es difícil
19:58de poder hacer
19:58que una computadora
19:59replique
20:00como nosotros actuamos.
20:02Entonces,
20:04una de las situaciones
20:05que creo que es importante
20:07para esta legislación
20:09que debemos de hacer
20:10sí o sí,
20:11o sea,
20:11ya,
20:12porque nos estamos viendo
20:14un poco atrasados
20:16en este tema,
20:17es empezar a hacer conciencia
20:20en nuestros alumnos
20:22que como tal
20:23son herramientas,
20:26que como tal
20:27utilizar ChatGPT
20:28para solucionar la vida
20:30o solucionar sus problemas
20:31no lo va a hacer.
20:33De hecho,
20:34aunque es muy bueno,
20:36yo lo he utilizado,
20:37también en algún momento
20:38le puse pruebas,
20:40le dije,
20:40ChatGPT
20:41necesito una bibliografía
20:43para XTEM.
20:45Me la generó,
20:46yo dije,
20:47qué interesante,
20:49cuando revisé
20:49punto a punto
20:50de las fuentes
20:51de información
20:52que me dio,
20:53ninguna era cierta,
20:55no existía ninguna.
20:56Entonces,
20:57es importante también
20:58conocer que el ChatGPT
20:59actúa así,
21:00no hay que confiar
21:01al 100%.
21:02Hay información
21:03que sí es muy verídica,
21:05que sí podemos consultar
21:06en otras fuentes,
21:07pero hay otras que no
21:08y depende
21:08de cómo preguntemos.
21:10Entonces,
21:12ese es un punto,
21:13decirle a nuestros estudiantes,
21:14hacer esta conciencia
21:15hasta que nos tengamos
21:17una legislación propia
21:20de cómo debemos
21:21de utilizar
21:22estas herramientas.
21:23porque inevitablemente,
21:24no quiero entrar
21:27en temas muy complejos,
21:29pero cuando tengamos
21:30esta legislación
21:31siempre va a haber
21:32alguien que le va a dar
21:33la vuelta,
21:33claro.
21:34Cuando tenemos una ley
21:35siempre buscamos
21:36darle la vuelta
21:36para tener
21:38otras situaciones.
21:40Y retrocediendo
21:41un poco,
21:42hay legislaciones
21:42que creo que se han
21:43tardado muchísimo,
21:45como los fraudes
21:46cibernéticos,
21:47que,
21:48bueno,
21:49hasta lo que conozco
21:50no está 100% regularizado.
21:52Si entra un hacker
21:53y te roba tu cuenta
21:55o te hace una transferencia
21:58a donde sea,
22:00pues no tenemos
22:01esa legislación
22:01o esa seguridad
22:02de que sí va a ser rastreable.
22:04Ya hemos avanzado
22:05definitivamente,
22:07pero sí necesitamos
22:08forzosamente
22:09tener esto ya propio.
22:13Es obviamente controversial,
22:17pero estas
22:17inteligencias artificiales
22:19conversacionales
22:20que son estos
22:21chat KPT
22:21y Cloud,
22:23yo los ocupo,
22:24yo los ocupo
22:25y he ido ahí avanzando.
22:27Sin embargo,
22:28doctor Sócrates,
22:30porque nos queda
22:31poco tiempo
22:31para esta primera parte,
22:34pero sí que se
22:34quiero adelantar.
22:36¿Es útil?
22:37Sí.
22:37Tenemos que aprender
22:38a hacerla.
22:39Sí.
22:39La parte normativa
22:41es la más tardada.
22:43Sin embargo,
22:44veo que
22:45tú le das
22:47una parte
22:47muy importante
22:48a la inteligencia artificial
22:52y al manejo
22:54de los datos
22:55y lo cual está bien
22:56porque como investigadores
22:58nos hace,
22:59no podemos hacer
23:00investigación
23:00si nos demos información
23:01y eso es la parte
23:03fundamental.
23:04En un minuto
23:05me gustaría
23:06que nos ayudaras
23:07a pensar
23:08en esta parte
23:09de las ciencias sociales,
23:11cómo ocupan
23:12la inteligencia artificial
23:13y sobre todo
23:14la ciencia
23:14de los datos.
23:16Mira,
23:16en realidad
23:17muchas veces
23:18se piensa
23:19que este tipo
23:21de procesos,
23:22podemos decirlo así,
23:24que es la construcción
23:24de datos,
23:26el análisis de datos,
23:27la depuración
23:28de datos,
23:29la aplicación
23:30realmente
23:30de un modelaje,
23:32aparentemente
23:33es nuevo,
23:34pero en realidad
23:35no es cierto.
23:35En las ciencias sociales
23:36los primeros sociólogos
23:38empezaron a,
23:39por ejemplo,
23:39Durkheim,
23:40en su libro
23:41El Suicidio,
23:43es lo que empieza
23:44a relacionar,
23:46es una serie
23:48de datos
23:48que trabajan
23:49los archivos
23:49y empieza a ubicar
23:51quién se suicida,
23:52¿no?
23:53Y no es en general
23:54el suicidio,
23:55sino es por edad,
23:57por origen,
23:59por ser hombre
24:00o mujer,
24:01por religión
24:01y toda una serie
24:03de variables
24:03que empieza
24:04analizada
24:06y a encontrar patrones,
24:07¿no?
24:07Bien,
24:08nos vamos a ir
24:09a una pausa
24:11y regresamos
24:12porque esto
24:12está apenas
24:13calentando.
24:14Y así te puedo dar
24:14otros ejemplos
24:15que hemos estado
24:16desarrollando nosotros
24:17aparte de ciencia de...
24:19Regresamos,
24:20un momento.
24:23Bueno,
24:24usos,
24:25pues,
24:25la verdad
24:26es una posibilidad
24:27infinita,
24:28la considero yo,
24:30porque,
24:31pues,
24:31hoy en día
24:31casi todas
24:32las situaciones,
24:33pues,
24:33las podemos
24:34computarizar
24:34y trabajar
24:35desde un cierto punto,
24:36¿no?
24:37Y algunos problemas,
24:38por ejemplo,
24:39en este tipo,
24:39con el manejo
24:40de datos
24:41que estamos
24:41manejando situaciones
24:42clínicas,
24:43pues,
24:44puede llegar
24:45a la parte
24:46de,
24:47pues,
24:47imagínate que
24:48llegas a perder
24:48tu computadora
24:49a cuestiones
24:49de ese estilo
24:50y tú tienes
24:51información sensible
24:52de las personas.
24:53Pues,
24:54yo creo que
24:54como desventaja
24:55principal
24:56es que,
24:57pues,
24:58depende del oso
24:59que se vayas
25:00a tener,
25:01pero,
25:02pues,
25:02si es para
25:03ocuparlo
25:05para una gran cantidad
25:06de datos,
25:07pues,
25:07sería el costo
25:08computacional
25:09que se pueda tener,
25:10ya que,
25:10pues,
25:11hay aparatos
25:11que sí se pueden
25:13realizar ese tipo
25:14de,
25:15de hacer ese tipo
25:17de información
25:17o capturar
25:19esos datos,
25:19pero,
25:20pues,
25:21llegan a ser
25:21muy costosos.
25:22La ciencia de datos
25:30es fundamental
25:31para el manejo
25:31de volúmenes
25:32grandes de datos,
25:33sobre todo,
25:34se usa para
25:34predicciones
25:35y el área
25:36donde actualmente
25:37más importancia
25:38se le está dando
25:39es en el área
25:39financiera,
25:41aunque,
25:42se le está dando
25:43un acercamiento
25:44también a áreas
25:45biológicas,
25:46geográficas
25:48y últimamente
25:49he visto que
25:49incluso criminalísticas
25:50para predicción
25:51de acontecimientos.
25:52Yo considero
25:53que es importante
25:53la ciencia de datos
25:54en mi situación
25:56porque yo lo estoy
25:56trabajando
25:57para el procesamiento
25:58del lenguaje natural,
25:59entonces,
26:00tenemos un contexto
26:01amplio de caracteres
26:02los cuales,
26:03pues,
26:03pueden ayudar
26:04a identificar
26:04ciertos patrones
26:05o cuestiones
26:06de ese estilo
26:06y,
26:07pues,
26:07nosotros los podemos
26:08aplicar en
26:09inteligencia artificial
26:10para poder crear
26:11diferentes tipos
26:12de aplicaciones,
26:14por ejemplo,
26:14nuestra línea
26:15de investigación
26:15son cuestiones
26:16de depresión
26:17o,
26:17bueno,
26:18hasta el momento
26:18estamos trabajando
26:19con situaciones
26:20médicas,
26:20entonces,
26:22esta parte
26:22de la ciencia
26:23de datos
26:23puede ayudarnos
26:24a generar
26:25modelos robustos
26:26que puedan atacar
26:27estas problemáticas
26:28antes descritas.
26:29Necesitamos
26:30obtener datos
26:31de cómo se comportan
26:32los sistemas,
26:33todos ellos
26:34se almacenan
26:35en algún lugar,
26:36ese lugar
26:37siempre está ahí
26:39funcionando
26:40y podemos almacenar
26:41muchísimos datos,
26:42muchísimos experimentos.
26:45Posteriormente
26:45necesitamos
26:46analizar
26:46esos experimentos,
26:48entonces,
26:48el analizarlos,
26:50ahí es donde
26:50entra la ciencia
26:51de datos
26:51que facilita
26:52muchísimo
26:53todo este
26:54proceso.
26:56Bueno,
26:56aquí en lo que
26:57es automatización
26:58y control,
26:59pues,
26:59tiene una gran
27:00importancia
27:00ya que,
27:02pues,
27:02nosotros hacemos
27:03diferentes tipos
27:04de proyectos
27:05en donde,
27:06pues,
27:06se aplican
27:07la ciencia
27:07de datos
27:08como es la obtención
27:09de información,
27:10como un ejemplo,
27:12yo en mi tesis,
27:13pues,
27:14ocupé un dron
27:14en donde,
27:16pues,
27:16se hacía la recopilación
27:17de datos
27:17y,
27:18pues,
27:18se hacía ahí
27:19un procesamiento
27:20de ellos
27:21y,
27:22pues,
27:22con eso,
27:22pues,
27:23ayuda para hacer
27:24lo que es
27:25la aplicación
27:26de los drones
27:26de los vuelos.
27:35Bueno,
27:36doctor Sócrates,
27:38pues,
27:38continuando con
27:39la parte positiva
27:42de las aplicaciones
27:44de la inteligencia artificial
27:45para el manejo
27:46de datos
27:46en procesos
27:47de investigación,
27:47que en esto
27:48tú has,
27:49pues,
27:49lo has aprovechado
27:50muy bien.
27:51Cuéntanos,
27:52terminando la idea
27:53que iniciaste
27:53en su momento.
27:55Sí,
27:55mira,
27:55estamos señalando
27:57de que
27:58en la ciencia
28:00la base de todo
28:01es precisamente
28:01tener información,
28:04¿no?
28:05Esta información
28:06la puedes obtener
28:07por muchos medios
28:08y finalmente
28:09la convierte
28:10ya en
28:11datos numéricos,
28:12digamos,
28:13¿no?
28:13Y esos datos numéricos
28:14tienen cierto comportamiento,
28:16ciertos patrones
28:17a través
28:19de
28:19el desarrollo
28:20de ciertos
28:21elementos matemáticos
28:23de modelaje
28:23o bien
28:23el diseño
28:24de algoritmos
28:25puedes empezar
28:26a encontrar
28:26esos patrones,
28:27¿no?
28:27El caso
28:28de nosotros
28:28aquí en nuestra
28:29universidad
28:30por lo menos
28:31tenemos tres ejemplos
28:33muy,
28:34muy
28:35ilustrativos,
28:37digamos,
28:37de este
28:38ejercicio
28:39de la ciencia
28:40de datos.
28:41Por ejemplo,
28:42tuvimos
28:43recursos
28:44del Fondo
28:45de Población
28:45de Naciones Unidas
28:46para ver
28:47cómo se comporta
28:47la megalópolis
28:48del sector
28:49del país,
28:49¿no?
28:49La Ciudad de México
28:50con toda una red
28:51de ciudades,
28:52¿no?
28:52Entonces,
28:53lo que hicimos
28:53fue levantar
28:55datos
28:55para ver
28:56cómo se comporta
28:57la relación
28:58de intercambio
28:59económico,
29:00social,
29:00cultural
29:01en estos núcleos
29:03de vivienda.
29:05Entonces,
29:05encontramos patrones
29:06en donde los patrones,
29:07la base de los patrones
29:08eran las migraciones,
29:09¿no?
29:10Migraciones principalmente
29:11de carácter
29:12ida y vuelta
29:12que hoy nos llamamos
29:13nosotros pendulares
29:14o que se llaman
29:15conmuters
29:17que son
29:19migrantes temporales.
29:20Yo voy a Ciudad de México,
29:21atiendo un asunto
29:22y regreso a Pachuca
29:23a vivir,
29:24¿no?
29:24O yo nací
29:25en Pachuca,
29:27vivo en mi edad
29:28de la Reforma
29:29y trabajo en Zapotlán,
29:30¿no?
29:30Entonces,
29:31me muevo
29:31dentro de esas redes
29:32de ciudades,
29:33¿no?
29:33Entonces,
29:33lo que tenemos
29:34que saber es
29:34cómo construir
29:35políticas públicas
29:37que den la posibilidad
29:38de tener ciudades
29:39sostenibles,
29:41ciudades con calidad
29:42de vida.
29:42¿Inteligentes?
29:43Y resolver
29:44los problemas cotidianos
29:46que tienen
29:46esas grandes
29:47comunidades humanas,
29:49¿no?
29:49Que son hoy
29:49las megalópolis,
29:51¿no?
29:51en torno a seguridad,
29:53vivienda,
29:54agua,
29:55residuos sólidos,
29:56desechos
29:57de aguas residuales,
30:00la seguridad,
30:02la educación,
30:03todos esos elementos
30:03o la propia
30:04infraestructura
30:05de movilidad
30:06de las propias ciudades,
30:07¿no?
30:08Y todo eso
30:08lo sacamos
30:08con base precisamente
30:09en esa construcción.
30:10Otro proyecto
30:11que a mí me encanta,
30:12que es muy bonito
30:13para mí,
30:14me gustó mucho,
30:15es un estudio
30:17que hicimos
30:18para el Consejo
30:19de la Judicatura,
30:20que también estaba
30:21en un proyecto
30:22de CONACY,
30:23en donde analizamos
30:25todos los expedientes,
30:27digamos,
30:28de personas privadas
30:30de libertad,
30:30de su libertad,
30:31que fueron procesados,
30:32¿no?
30:33y que ya estaban
30:33cumpliendo una pena.
30:34Entonces,
30:3530 años de trabajo,
30:36más o menos,
30:3630 años de expedientes,
30:38desde el 80
30:39hasta el 2010,
30:41en ese momento,
30:42y encontramos
30:43los patrones
30:44que había
30:44en esos archivos,
30:45es decir,
30:46¿quiénes son
30:46los delincuentes
30:48en el estado
30:49de Hidalgo,
30:49no?
30:50¿Son hombres?
30:51¿Son mujeres?
30:52¿De qué edad?
30:53¿Qué escolaridad tienen?
30:54¿Dónde viven?
30:55¿Tienen propiedad
30:56de su casa?
30:57¿Son de fuera?
30:58¿Son,
30:59consumen algún tipo
31:01de droga?
31:02Entonces,
31:02lo que encontramos
31:02fue realmente
31:03algo sensacional
31:05en el sentido
31:06de que
31:07por primera vez
31:08pudimos ver
31:09lo que es
31:10un perfil
31:11de un delincuente,
31:12¿no?
31:12De eso,
31:13desarrollamos un modelo
31:14que lo aplicamos
31:16a determinadas colonias
31:17y como el tema
31:19era principalmente
31:20la prevención
31:21del delito,
31:22es decir,
31:22¿qué tenemos que hacer
31:24para reducir
31:25los índices
31:27de la delincuencia,
31:28¿no?
31:28Entonces,
31:30se crean
31:30eso aplicas
31:32también
31:32modelos
31:33de sistemas
31:34de información
31:34geográfica
31:36para que
31:36en forma
31:36geolocalizada
31:37tú ubicas
31:38la delincuencia
31:39y vas creando
31:40mapas de calor
31:41a la manera
31:42también
31:42de lo que hicimos
31:43con el cambio climático
31:44en donde tú vas viendo
31:45dónde se concentran
31:46ese tipo
31:47de actos
31:50que son
31:51anómicos
31:51para la sociedad
31:52y que deterioran
31:53la sociedad,
31:54¿no?
31:54Entonces,
31:54a partir de ello
31:55podemos nosotros
31:56diseñar intervenciones
31:57y mejorar
31:58la calidad de vida
31:59de la población.
31:59Y lo último
32:00que acabamos
32:01de terminar
32:01el año pasado
32:02fue financiado
32:03por CONACYT.
32:05Lo que tenemos
32:05que hacer
32:05es una agenda
32:06de intervención
32:07para mitigar
32:08y adaptarnos
32:09ante los efectos
32:10del cambio climático,
32:11mejorar la calidad
32:12del aire
32:12y la salud
32:13de tres zonas
32:15metropolitanas
32:16que tenemos
32:16en el estado
32:17con 15 municipios
32:18integrados.
32:19Entonces,
32:19lo que hicimos
32:20fue utilizar
32:21casi como si fuera
32:24un paradigma
32:25o un ejemplo
32:28preciso
32:29de ciencia
32:30de datos.
32:31Lo primero
32:31que tenemos
32:32que saber
32:32para poder actuar
32:34tenemos que saber
32:35cuánta cantidad
32:37de compuestos
32:38y gases
32:38de efecto invernadero
32:40se están emitiendo
32:41que son los que respiramos
32:42y son los que dañan
32:43nuestra salud.
32:43A partir de eso
32:45entonces nosotros
32:46tenemos que conseguir
32:47lo que se llama
32:47inventarios.
32:49Cuánto gas
32:50pero además
32:51también tenemos
32:52que saber
32:52quién lo emite
32:53y diario
32:54tú puedes tener
32:55que así lo tuvimos
32:56tuvimos que llegar
32:57a este nivel
32:58de decir
32:59una tortillería
33:00diario
33:01cuánto dióxido
33:02de carbono emite
33:03por ejemplo
33:03durante la combustión
33:04de cocer
33:06las tortillitas
33:07las taquerías
33:09pero también
33:09las grandes fuentes
33:10las termoeléctricas
33:12de Tula
33:12la refinería
33:14de Tula
33:15las grandes empresas
33:17cementeras
33:18la industria química
33:19y entonces
33:20determinamos
33:22a nivel
33:23microgramos
33:23y nanogramos
33:25cuál es la composición
33:27de emisiones
33:28de esos tipos
33:29de unidades
33:29lo montamos
33:31en un sistema geográfico
33:32de información geográfica
33:33le metimos
33:34todas las unidades
33:35económicas
33:36les metimos
33:37todas las mediciones
33:38y les metimos
33:39finalmente
33:40factores de emisión
33:41y podemos tener hoy
33:43con toda precisión
33:45por ejemplo
33:46Tula
33:46en un año
33:47está emitiendo
33:4920 millones
33:50de toneladas
33:51con todas las fuentes
33:52que tienen ahí
33:53solo en el municipio
33:53de Tula
33:54si le agregamos
33:55a Totónico
33:55Tula
33:56Tlaxcuapan
33:57Mischiaguala
33:59Progreso
34:00todo eso
34:00donde hay
34:01un gran corredor
34:02industrial
34:02pues estamos hablando
34:04de cientos
34:05de millones
34:05de toneladas
34:06de emisiones
34:07de compuestos
34:08y gases
34:08de efecto invernadero
34:09entonces con eso
34:10ya tenemos
34:11claramente la forma
34:13de decir
34:13donde está centrado
34:15eso
34:15quien lo emite
34:16entonces podemos
34:17definir
34:17las grandes
34:18políticas de intervención
34:20pero
34:21hiperlocalizadas
34:22jerarquizadas
34:24y con toma
34:25de decisiones
34:26fundamentadas
34:26en la ciencia
34:28en la ciencia
34:28de datos
34:29y en modelajes
34:30que nosotros tenemos
34:31que nos dan la posibilidad
34:33de conocer a detalle
34:34todo ese tipo
34:35de composición
34:36de esa realidad
34:36intervenimos en esa realidad
34:38podemos mejorar
34:39la calidad del aire
34:40podemos mejorar
34:42la vida de la población
34:43que está ahí
34:43podemos mejorar
34:44la salud
34:45de esa población
34:46y ya determinar
34:47acciones más importantes
34:49para definir
34:50la propia
34:51cuenta pública
34:54de inversión pública
34:55para mejorar
34:57los servicios
34:57mejorar las realidades
34:59la infraestructura
35:00de la ciudad
35:00y en fin
35:03una serie de acciones
35:04perfectamente
35:05organizadas
35:06esta es la gran utilidad
35:08que nosotros le damos
35:09a la ciencia de datos
35:09en las ciencias sociales
35:11es cierto
35:12la inteligencia artificial
35:13sin información
35:14no es nada
35:15y la parte importante
35:17que es la información
35:18la parte
35:20ordenamiento
35:21y la parte
35:22analítica
35:23y
35:23la parte crítica
35:25que es donde entra
35:26el investigador
35:27y la toma de decisiones
35:28que ya son políticas
35:29que ya son acciones
35:30si
35:31es muy positiva
35:32la inteligencia artificial
35:33desde por ejemplo
35:35los interfaces
35:36de cerebro
35:39máquina
35:39que es
35:41genial
35:42porque
35:42da movilidad
35:44a todas las personas
35:45que tienen problemas
35:46neuromusculares
35:47y es todo un mercado
35:48ah ojo
35:49es todo un mercado
35:50porque eso es privado
35:52y genera
35:52diferencias
35:53genera
35:54elitismo
35:55privilegios
35:56en todo caso
35:57pero lo grave
35:59también
36:00tiene su lado oscuro
36:01que es lo que hoy
36:02se llama
36:03la economía
36:04del apego
36:05que es la adicción
36:07hacia las
36:08y sobre todo
36:09por los jóvenes
36:10de estas
36:11de estos chat
36:12GPT
36:12o sea
36:13los preentrenados
36:14que es
36:15Groh
36:15que es
36:15Gemini
36:16que es
36:16Cloud
36:18por ejemplo
36:19y otros más
36:20Copiloy
36:20etcétera
36:22hay
36:22que incluso
36:23los toman
36:24como
36:24asesores
36:26e incluso
36:27como
36:27terapeutas
36:28y esto
36:29trae distorsiones
36:30en el comportamiento
36:31social de la gente
36:32y sobre todo
36:32nuestros jóvenes
36:33y esta parte
36:35que tú lo tienes
36:36seguramente muy claro
36:37Aldo
36:38¿cómo es que podemos
36:39nosotros
36:40prevenir
36:41en esta población
36:42así como se hace
36:43la investigación
36:44de una aplicación
36:45positiva
36:46mejorando la vida
36:47ante los cambios
36:49climáticos
36:49por los efectos
36:50de gas
36:51envernadero
36:51¿cómo podemos
36:53eliminar
36:54esa contaminación?
36:55porque
36:55estas
36:56tecnologías
36:58por ejemplo
36:59las interfaces
36:59como por ejemplo
37:00los algoritmos
37:01de las
37:03plataformas
37:04de redes sociales
37:05porque ya pasamos
37:07de las redes sociales
37:08a la conversación
37:09hombre-máquina
37:10¿sí?
37:11y eso es lo grave
37:12porque es una
37:13liberalización
37:14ya no es la parte social
37:16como las redes sociales
37:17donde también
37:17los algoritmos
37:19impulsan
37:20los discursos
37:22de odio
37:23¿y por qué?
37:24porque quieren dos cosas
37:25requieren más usuarios
37:27y más tiempo
37:29de pantalla
37:29pero los otros
37:30requieren pantalla
37:32requieren atención
37:33completa
37:34y se hace
37:35una adicción
37:36que va más allá
37:38de los tiempos
37:38¿eh?
37:39se quedan sin dormir
37:40los chamacos
37:40¿qué opinas Aldo?
37:42no solo los chamacos
37:43bueno
37:44hay algunos
37:44hay algunos adultos
37:46que también se envicien
37:48¿no?
37:48sí, sí, claro
37:49sí, definitivamente
37:51híjole
37:51es una problemática
37:53muy muy importante
37:54en el sentido
37:56de que
37:57creo que pasamos
37:58más tiempo
37:59con nuestro celular
38:00lo podemos ver
38:02en nuestras familias
38:02cuando estamos
38:03comiendo
38:04que estamos
38:05o compartiendo
38:06la mesa
38:06estamos más tiempo
38:08en el celular
38:08que teniendo una plática
38:10como la que estamos
38:11teniendo en este momento
38:12entonces
38:13es un problema
38:14lamentablemente
38:16tiene que ver
38:17también con la cuestión
38:18lo que mencionaba
38:19la parte económica
38:21a las empresas
38:22les puede convenir
38:24más
38:24que consuman
38:25cierto contenido
38:26claro
38:26que estén ahí
38:27y sobre todo
38:29enganchar
38:29para que después
38:31del enganche
38:31ya después
38:32vienen membresías
38:33y pagas
38:34y traes
38:34¿no?
38:35entonces
38:35pues
38:36lamentablemente
38:38es algo complicado
38:39de poder resolver
38:40actualmente
38:41lo que nosotros
38:42desde el área
38:42de inteligencia artificial
38:43pues siempre tratamos
38:45como de definir
38:46esta parte de
38:47nosotros te vamos
38:48a apoyar
38:48en tus tareas
38:49nosotros te vamos
38:50a resolver
38:50ciertos problemas
38:52chat GPT
38:54fue un gran avance
38:55como bien lo mencionabas
38:57hace unos instantes
38:59en el corte anterior
38:59donde es un
39:01parteaguas
39:02en la inteligencia artificial
39:03la inteligencia artificial
39:05ha existido
39:05de años atrás
39:06claro
39:07pero a partir
39:08de chat GPT
39:09todo fue
39:11inteligencia artificial
39:12hombre máquina
39:13y la interacción
39:15hombre máquina
39:16también se vino
39:17súper
39:18al tope
39:19entonces
39:20es un gran peligro
39:22y otra vez
39:23creo que ahí
39:24deberemos entrar
39:25en cuestiones
39:25de políticas
39:26hacer lineamientos
39:27no sólo para regularizar
39:29su uso
39:29también regularizar
39:31estas empresas
39:32que
39:32toman
39:34ventaja
39:35de lo que
39:36realizan
39:37de las aplicaciones
39:39y que absorben
39:41ciertas cuestiones
39:42conductuales
39:43o sociales
39:44de los seres humanos
39:45que realmente
39:46no deberían de hacer
39:48también viene ahí
39:49la parte ética
39:50de nosotros
39:51como los desarrolladores
39:53de inteligencia artificial
39:54de quien lo consume
39:56y demás
39:57entonces
39:57y si es un gran problema
39:59lo digo
40:00porque yo también
40:01soy de los que estoy
40:01en el celular
40:02ahí viendo
40:03videos
40:04y me atrapa
40:05y ya el mismo
40:05algoritmo
40:06de ese video
40:07me paso al siguiente
40:07y ya me atrapa otra vez
40:09y ya consumí tiempo
40:10que para el ser humano
40:12es valioso
40:12entonces creo que
40:14esa es una cuestión
40:15que podemos realizar
40:16o que se tiene que hacer
40:18sí o sí
40:19volvemos a lo mismo
40:20lineamientos
40:21y esta vez
40:22regular
40:23el uso
40:24a nivel
40:25empresario
40:26a nivel
40:27empresa
40:28open ahí
40:29tú creaste
40:30CharGPT
40:31tienes que tener
40:33también la ética
40:34para poner cierto
40:35contenido
40:35que no debe
40:36de estar al alcance
40:38deberíamos
40:39pero lamentablemente
40:42no es así
40:42entonces sí
40:43es un problema
40:44bastante complejo
40:46de poder
40:47resolver
40:48voy a tomar
40:49el ejemplo
40:49que diste
40:50cuando te decía
40:51tu maestro
40:51que la inteligencia artificial
40:53es una bestia
40:54la bestia
40:55en este caso
40:55es el mercado
40:56el capitalismo
40:59cuyo centro
41:00es el mercado
41:01la ética
41:02sí
41:04es
41:06inútil
41:08¿por qué?
41:09porque prevalece
41:10el modelo de negocio
41:12en Maymar
41:14el algoritmo
41:16de la red social
41:17de ahí
41:17replicó
41:20n veces
41:22el discurso
41:23de odio
41:24de un musulmán
41:24de un monje musulmán
41:25contra
41:27no
41:28de un
41:29de un
41:29este
41:30¿cómo se llaman?
41:32contra los musulmanes
41:33de un
41:35este
41:36de un
41:38de un monje
41:39y este
41:40este
41:40este discurso
41:41de odio
41:41lo replicó
41:42y el algoritmo
41:44lo replicó
41:45n veces
41:45porque
41:46requería
41:47más tiempo
41:48de atención
41:50y más usuarios
41:52o sea
41:53ese conflicto
41:55de
41:55de musulmanes
41:58y de
42:00y de los monjes
42:01este
42:02pues fue
42:03catastrófico
42:05fueron
42:05más de 60 mil muertos
42:07y 700 mil
42:08desplazados
42:09¿no?
42:10bueno
42:10la tecnología
42:11tiene su lado oscuro
42:13como se está ocupando
42:14las
42:15precisamente
42:16la
42:17la
42:17la sensibilización
42:19biométrica
42:20para identificar
42:21a mujeres
42:22y niños
42:23en la
42:24la franja de Gaza
42:25para asesinarlos
42:27¿sí?
42:28entonces
42:28ojalá y que todo sea
42:30como lo plantea el doctor
42:31yo soy muy
42:33propositivista
42:34que tenga
42:34que tenga esa parte
42:36pero lo
42:36lo más
42:37o sea decirle
42:38la recomendación
42:39oye
42:40al mercado
42:40a las grandes
42:41empresas internacionales
42:43oye
42:43ten ética
42:44yo lo veo
42:45puesta arriba
42:46francamente
42:47es complicado
42:47pero históricamente
42:48también vamos a dejar
42:50un poco de lado
42:50la inteligencia artificial
42:51históricamente
42:52se ha hecho algo
42:54pues por ejemplo
42:55productos
42:55para el cuidado personal
42:57que así
42:58lo hacían pruebas
42:59con animales
43:00de alguna forma
43:02hubo personas
43:03que se manifestaron
43:04activistas
43:05pro animales
43:06que obviamente
43:07para la empresa
43:09pues no era
43:10la ética
43:11ahí se la pasó
43:11por alto
43:12pero si cambió
43:14¿no?
43:14o sea creo que
43:15en cierto momento
43:16tenemos que llegar
43:17a ese punto
43:18no lo vamos a erradicar
43:19estoy totalmente
43:20de acuerdo
43:21porque la parte
43:23del negocio
43:23es lo que mueve
43:25pero es la gran bestia
43:26es la gran bestia
43:28¿no?
43:28y otro peligro
43:30o sea no sé
43:30si han visto
43:31en cuestiones
43:32de TikTok
43:32en Facebook
43:34videos
43:35generados
43:36por inteligencia artificial
43:37que parecen
43:39tan reales
43:40que honestamente
43:41yo sí me he creído
43:42más de uno
43:43hasta que ya detecto
43:44dije no bueno
43:45esto ya sale
43:46del comportamiento
43:47de un humano
43:48normal
43:48pero que muchas personas
43:50que no logran discernir
43:52no lo alcanzan
43:53no lo alcanzan
43:54y podemos incurrir
43:55en este tipo
43:56de situaciones
43:57con discursos
43:57de odio
43:58generando
43:59falsas noticias
44:00generando
44:01que la población
44:02pues tome
44:04decisiones erróneas
44:05basados en videos
44:06en información
44:07sesgada
44:09y totalmente falsa
44:10por supuesto
44:11entonces también
44:12es otra cuestión
44:13que debemos
44:14de poner atención
44:15por ejemplo
44:16yo lo veo
44:17con mis padres
44:17que son ya personas
44:18adultas mayores
44:19en donde me dicen
44:20es que pasó esto
44:21no
44:22no todo lo que sale
44:23ahí
44:24no todo lo que es
44:25es correcto
44:27o es verdadero
44:28pero es muy difícil
44:30para personas
44:31vamos a llamarle
44:32que ya no
44:33no tienen un acercamiento
44:35a la inteligencia artificial
44:36poder discernir
44:37entre estos videos
44:38entonces también ahí
44:39corremos un grave peligro
44:41con estos mismos
44:43modelos de lenguaje
44:45que te generan
44:45un video
44:46que ya lo hacen
44:46tan real
44:48difícil
44:49no
44:50la imitación
44:51es genial
44:52y yo
44:53escuché una vez
44:54una canción
44:55en una voz
44:56que
44:56que bonita voz
44:58no me
44:59me enamoré
45:00de la voz
45:00y luego descubro
45:02que era una
45:02una inteligencia artificial
45:04que oh cielos
45:05que decepción
45:06no
45:06bueno
45:07la parte
45:08antes se decía
45:09que el capitalismo
45:10y luego el socialismo
45:11dio fracaso al socialismo
45:13generó dictaduras
45:15ahorita está
45:16en lo que se llama
45:17la noonomía
45:18la noonomía
45:20es la construcción
45:21de una sociedad
45:22basada
45:23en el conocimiento
45:24positivo y racional
45:25o sea
45:26una nueva sociedad
45:27yo la veo
45:29muy hipotética
45:30tal vez
45:31hablemos
45:32si es que va
45:33por ese camino
45:34en el año 2000
45:36como Rosa Montero
45:38que escribió
45:38este libro
45:39de animales difíciles
45:41o sea
45:41en el año
45:422114
45:43si
45:44similar
45:45al robocalipsis
45:47por ejemplo
45:47y eso nos lleva
45:48a cuestionarnos
45:50cuál es la cosmovisión
45:52que tenemos
45:52yo creo que esa es la parte
45:54de planteamiento
45:57si
45:58las bases de datos
45:59si
46:00la ciencia de datos
46:01pero sin ética
46:02y sin una conciencia
46:04yo lo veo complicado
46:05porque desde la perspectiva
46:07de la geopolítica
46:08los que tienen
46:10mayor
46:11centros de datos
46:12son un factor
46:13de poder
46:14hegemónico
46:15claro
46:15quien tiene mayor
46:16número de centros
46:18de datos
46:18Estados Unidos
46:19y principalmente
46:21las empresas
46:22grandes empresas
46:23que están ahí
46:25entonces
46:25el planteamiento
46:27es buscar lo positivo
46:28y pero
46:29yo creo que
46:31porque las empresas
46:32las grandes tecnológicas
46:34son lo que son
46:35por la intensificación
46:36de la investigación
46:37y el desarrollo
46:38y la innovación
46:39obviamente
46:40usados
46:40por los modelos
46:41de negocio
46:42y la competencia
46:43entre ellos
46:43de mercado
46:44los segmentos
46:45de mercado
46:46que quieren abarcar
46:47yo creo que ahí
46:48donde debe de entrar
46:49y la regulación
46:50pues va
46:51muy lenta
46:52francamente
46:53necesitamos
46:54entonces
46:55las situaciones
46:56educativas
46:56tienen la responsabilidad
46:58histórica
46:59de asumir
47:01la conciencia
47:02para poder orientar
47:04el uso adecuado
47:06como lo hace
47:06el doctor Sócrates
47:08de estas tecnologías
47:10en beneficio
47:11de la sociedad
47:12yo creo que
47:13esa perspectiva
47:13de las ciencias sociales
47:14que hace el doctor Sócrates
47:15es positivo
47:16bueno
47:17yo aquí hablo
47:17con gente
47:18que tiene conciencia
47:19y que vemos
47:20que nuestra universidad
47:21está preocupada
47:23obviamente
47:23por manejar
47:24la tecnología
47:25con un sentido social
47:27nuestro compromiso
47:28como institución educativa
47:29base a eso
47:30¿qué opinas
47:31doctor Sócrates?
47:32yo creo que es
47:33el punto central
47:34finalmente
47:35de la etapa
47:38en que estamos
47:38¿no?
47:39es decir
47:40tratar de
47:41pasar
47:43de meramente
47:45modelos técnicos
47:46ya a
47:48la utilización
47:51hacia la equidad
47:52la igualdad
47:54la justicia social
47:55en este tipo
47:57de tecnología
47:57yo creo que
47:58ese es el camino
47:59que sigue
48:00en donde
48:01en este momento
48:03tan solo
48:04la pura infraestructura
48:05ya genera
48:07grandes brechas
48:07¿no?
48:08un investigador
48:09que tiene acceso
48:10a recursos
48:10va a tener
48:11supercomputadoras
48:13va a tener
48:13la forma
48:13de levantamiento
48:14de información
48:15etcétera
48:16¿no?
48:16en cambio
48:17un
48:18investigadores
48:20que estén
48:21con pocos recursos
48:23van a utilizar
48:24su propia computadora
48:25en busca
48:26de acceso
48:27a bases
48:28medio minuto
48:28un mensaje
48:29ayúdame
48:29¿ande?
48:30medio minuto
48:31un mensaje
48:32que
48:34el camino
48:35de la tecnología
48:36siempre debe ser
48:37hacia el mejoramiento
48:39de la calidad de vida
48:39y tener una sociedad
48:41mejor
48:41y un mundo
48:42mejor
48:42con justicia social
48:44medio minuto
48:46medio minuto
48:47un mensaje
48:47pues
48:47la inteligencia artificial
48:49tiene su lado bueno
48:50y su lado malo
48:52hay que irnos
48:53por lo bueno
48:53hay que tomar lo bueno
48:54hay que usarla
48:55con responsabilidad
48:56que creo que es
48:57la parte que nos hace falta
48:59o en algunos
49:00hacer conciencia
49:01pero
49:02la ciencia de datos
49:03definitivamente
49:04está en todos lados
49:06la podemos usar
49:07en todos lados
49:07hay que usarla bien
49:08bien
49:10estimados
49:11televidentes
49:12de Agenda 13.1
49:14pues esto
49:15obviamente
49:16es un
49:17un pequeño
49:18intercambio
49:19debate
49:20de nuestra
49:20nuestra perspectiva
49:22sobre la ciencia
49:23de datos
49:24y claro
49:25tiene que verse
49:26la inteligencia artificial
49:27la inteligencia artificial
49:29sin información
49:30y sin electricidad
49:32o sea
49:32energía que la mueva
49:33no es nada
49:34entonces
49:35esto nos lleva
49:36a reflexionar
49:37cómo usamos
49:39también
49:39nosotros
49:40la inteligencia artificial
49:42y las herramientas
49:43que esta nos brinda
49:44agradecemos a ustedes
49:46su gentileza
49:47su generosidad
49:48por siempre
49:49pues seguirnos
49:50en esta
49:50su agenda
49:5113.1
49:52y les pedimos
49:54por favor
49:54que descansen
49:55pero piensen
49:56que tenemos que tomar
49:57conciencia
49:58al uso
49:59de esta tecnología
49:59gracias
50:00buenas noches
50:01gracias
50:31gracias
Comentarios