Modelos de lenguaje masivos en IA. Un enfoque práctico para la educación

Dar a conocer distintos modelos de lenguaje en inteligencia artificial a los docentes, así como mostrar su uso de forma efectiva y responsable al abordar las distintas consideraciones en prácticas de evaluación y docencia.

Módulo 1: Fundamentos de la inteligencia artificial y procesamiento de lenguaje natural

• Introducción a la inteligencia artificial (IA)
• Definiciones y tipos de aprendizaje de máquinas
• ¿De donde viene la IA generativa (IAGen) y como funciona?
• Disciplinas de la IAGen
• Modelos de lenguaje masivos (LLMs)
• Recorrido por el universo de los LLMs

Módulo 2: Sobre la teoría de los modelos de lenguaje masivos y metodología de uso

• De redes neuronales a Transformers
• El caso de OpenAI y ChatGPT
• El gran abanico de los LLMs
• LLMs de acceso abierto
• Algunos beneficios y limitantes
• Ingeniería de comandos y técnicas prompting

Módulo 3: Ingeniería de prompts y modo avanzado de uso en educación

• Postura mundial sobre los LLMs
• Técnicas de reentrenamiento
• Técnicas avanzadas de prompting: Chain of Thoughts
• Elementos extra de un prompt intermedio
• Anatomía de un prompt avanzado
• Aplicaciones en la docencia. Guías y estratégias

Módulo 4: Conclusiones y discusiones sobre la IA responsable

• Agentes y asistentes
• Autonomía artificial: Dilema del vehículo autónomo
• ¿Detectando la IA generativa? (Perplexity & Burstiness)
• Implicaciones y paradojas
• Ética, transparencia y privacidad
• IA abierta y responsable
• Recomendaciones IAGen en docencia UNAM 2023

Referencias:

• Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, 57(4), 542-570. https://doi.org/10.1111/ejed.12533
• Reid Hoffman, & GPT4. (2023). Impromptu: Amplifying Our Humanity Through AI. Dallepedia LLC. PDF Book
• Taulli, T. (2019). Artificial intelligence basics: A non-technical introduction. California, USA: Apress PDF Book
• Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2021). Pre-train, Prompt, and Predict: A systematic survey of prompting methods in natural language processing. arXiv (Cornell University). https://doi.org/10.48550/arxiv.2107.13586