Modelo ejemplo de IA

Repaso app inventor :

Realizamos la práctica guiada del enlace Práctica guiada 4

Alumnos nuevos realizamos primera app y App de preguntas y respuestas del siguiente enlace Entrada tic primero bachillerato

Trabajo con Machine Learning for kids

Para trabajar con Machine learning for kids tenemos dos opciones, crear cuenta de manera individual como indica los vídeos que vienen en el apartado siguiente o utilizar el entorno protegido de la clase con la cuenta  creada por el profesor.

En nuestro caso vamos a utilizar la segunda opción, y los pasos que debes seguir son los siguientes:

• Una vez que lleguen al aula, dales sus credenciales y pídeles que sigan este flujo:
• Login: Deben entrar en la web y pulsar en Log In. Deben usar el usuario y contraseña que tú les creaste (no necesitan email).
• Crear Proyecto:
• Pulsar en "Add a new project".
• Elegir el nombre y el tipo de reconocimiento: Texto, Imágenes, Números o Sonidos.
• Fase 1: Entrenar (Train):
• Deben crear "cubos" (etiquetas/categorías). Por ejemplo: Feliz y Triste.
• Añadir ejemplos dentro de cada cubo (mínimo 5-10 ejemplos por etiqueta para que funcione).
• Fase 2: Aprender y Probar (Learn & Test):
• Pulsar el botón "Train new machine learning model".
• Esperar a que la barrita cargue. Una vez listo, deben escribir o mostrar algo nuevo para ver si la máquina acierta y con qué confianza.
• Fase 3: Crear (Make):
• Pulsar en "App inventor".
• Crear extensión.
• Abre app inventor, incorpora la extensión mediante el archivo descargado desde ML4kids en tu proyecto. Ahora deben programar el juego o la app usando esos bloques de IA.

        Ahora en app inventor, aparecerán bloques nuevos con el nombre de su proyecto. Ahora deben programar el juego o la app usando esos bloques de IA.

Trabajo en local o en la nube

Una vez que creamos los modelos podemos trabajar en la nube o en local, En la siguiente tabla os muestro las ventajas e inconvenientes:

Característica	Proyecto en la Nube	Proyecto Local
¿Necesita cuenta?	Sí (Usuario/Password)	No (Entrada directa)
Acceso remoto	Desde cualquier lugar	Solo en ese mismo ordenador
Privacidad	Datos viajan a internet	Datos se quedan en el PC
Control del profesor	Puedes supervisar a distancia	Tienes que ir físicamente a su PC
Riesgo de pérdida	Muy bajo	Alto (si borran la caché)

Hacemos uso de la herramienta Machine Learning for Kids

 

En los dos siguientes vídeos nos explican cómo crear una cuenta en ML4kids

Crea la app detector de sentimientos

Ahora que ya tenemos nuestra cuenta para incorporar la IA a nuestros proyectos de App Inventor, veamos los pasos para crear la aplicación "detector de sentimientos":

Lista de vídeos para crear un sensor de

 sentimientos

 

 

Fundamentos de la inteligencia artificial

Para trabajar esta parte tenemos en el aula virtual el material sobre el tema

 

Primer acercamiento a los modelos de aprendizaje con LearningML

 Realicemos un primer acercamiento a la creación de modelos de IA con learningML:

https://web.learningml.org/

Realicemos un primer acercamiento al reconocimiento de textos

 Si no te ha dado tiempo a seguir las indicaciones del profesor, descarga el modelo y el programa desde este enlace:

https://educandoentretecnologia.blogspot.com/2021/05/trabajo-inteligencia-artificial-para-el.html

Para entender los parámetros de la opción avanzada tenemos la explicación de Carlos Sánchez Barbero en su blog Tecnología Ingeniería en su entrada IA: LearningML

En el siguiente vídeo el creador Juan David, nos explica las nuevos avances introducidos en LearningML:

Tarea:

Crea un modelo con su aplicación de scratch que nos indique según nuestro comportamiento durante el año académico si vamos a sacar buena nota o vamos a suspender.
 

Inteligencia artificial

La inteligencia artificial explicada por Nuria Oliver, (Alicante, 1970) es una ingeniera en telecomunicaciones española, doctora por el Media Lab del Instituto Tecnológico de Massachusetts (MIT).

Muchas de las cuestiones que se mencionan en este texto se basan en las ideas que la propia Nuria Oliver presentó durante su discurso de ingreso en la Real Academia de Ingeniería el 11 de diciembre de 2018. El texto del discurso está disponible públicamente en internet, por si te apetece echarle un ojo: http://www.raing.es/es/publicaciones/discursos-de-ingresos/inteligencia-artificial-ficci-n-realidad-y-sue-os

 

Evolución de la IA a lo largo de la historia

IA EN NUESTROS BOLSILLOS

 En nuestros bolsillos tenemos acceso y utilizamos APP con IA. Por ejemplo Wombo, reface, photomath, google lens, seeing AI, Google translate

 

HISTORIA DE LA IA

Todas las tecnología sufren el diagrama de gadnet

Genially con los hechos históricos más importantes

FACTORES QUE HAN INFLUIDO EN SU DESARROLLO

Tres han sido:

• El Bigdata:Como las personas usamos de forma masiva servicios digitales en internet que almacenan todos los datos de nuestras interacciones, y como se están desarrollando procesos de digitalización del mundo físico, actualmente se dispone de grandes cantidades de datos que permiten entrenar a los sistemas de IA.
• Entorno tecnológico en el que se ejecutan los sistemas de IA, con procesadores muy potentes y sistemas de almacenamiento de información a gran escala a un coste realmente asequible.
• Avances en los propios algoritmos de IA, como el desarrollo de arquitecturas de redes neuronales profundas.

Lee los siguientes artículos:

Así usas la inteligencia artificial cada día. Artículo de computer hoy

10 ejemplos de uso cotidiano de la IA. Artículo de Xakata

Al contrario que en Europa, donde son las empresas quienes lideran los avances en la implantación de sistemas de IA, en algunos países asiáticos, especialmente, el gobierno está teniendo un papel muy protagonista en este sentido. Es el caso de China, que está poniendo un marcha un sistema de reconocimiento facial basado en IA que puede resultar, cuando menos, ligeramente inquietante: La inquietante apuesta china por el reconocimiento facial

IDEAS PRINCIPALES DE LA IA

 

Las cinco ideas principales que todo el mundo debería conocer acerca de la IA, tal como puede verse en la siguiente figura:

1.  Percepción Los ordenadores perciben el mundo utilizando sensores
2.  Representación y razonamiento Los agentes mantienen modelos o representaciones del mundo y las usan para razonar.
3.  Aprendizaje Los ordenadores pueden aprender a partir de datos.
4.  Interacción natural Hacer que los agentes interactúen con los humanos de manera fluida es un desafío enorme para los desarrolladores de IA.
5.  Impacto social La IA puede tener un impacto tanto positivo como negativo sobre la sociedad.

Fuente, AI4K12:  https://github.com/touretzkyds/ai4k12/raw/master/documents/AI4K12_Five_Big_Ideas_Poster.pdf  Primera idea fundamental: Los ordenadores perciben el mundo utilizando sensores FUente IA del INTEF Segunda idea fundamental: Los agentes mantienen modelos o representaciones del mundo y las usan para razonar.  Veamos https://es.akinator.com/ Fuente IA intef

3ª idea fundamental: Los ordenadores pueden aprender a partir de datos. Sentimientos: https://www.uclassify.com/browse/uclassify/sentiment/es Género: https://www.uclassify.com/browse/uclassify/genderanalyzer_v5/es Veamos como aprende en el caso de https://teachablemachine.withgoogle.com/

Tercera idea fundamental: Los ordenadores pueden aprender a partir de datos.

Ejemplo1: https://quickdraw.withgoogle.com/#

Ejemplo 2: teachadable machine

vemos como aprende en https://teachablemachine.withgoogle.com/

Cuarta idea fundamental: Hacer que los agentes interactúen con los humanos de manera fluida es un desafío enorme para los desarrolladores de IA

Propuesta: actividad desenchufada
El mimo "escacharrao"

Para entender por qué es muy difícil este tipo de interacciones os proponemos una actividad desenchufada en la que, utilizando solamente gestos, un estudiante trate de comunicar a un compañero algo que quiera hacer esta tarde o este fin de semana. El resto de la clase no puede ver los gestos, claro. A continuación, este estudiante se lo comunica, de nuevo usando solamente gestos, al siguiente. Y así se continúa hasta que llegamos al último estudiante, momento en el que podemos comprobar las diferencias entre el mensaje transmitido por el estudiante original y lo comprendido por el último estudiante. 

Quinta idea fundamental: La IA puede tener un impacto tanto positivo como negativo sobre la sociedad.

EN TODOS LOS ÁMBITOS DE LA SOCIEDAD

 

 

EVOLUCIÓN TECNOLÓGICA DEL DEPORTE: vídeo más detallado Tecnología más objetiva hasta 3:15

Explicación del modo de trabajo 6:15

Ejemplos de APP con IA

• Asistente de números (lista con vídeos para  realizar la app)
• Detector de hojas

Ejemplo realizado por un servidor, está mejor el de las compañeras: IA con reconocimiento de imagen 

Ejemplo realizado por compañeras vuestras con reconocimiento de imagen:

Modelo ejemplo de IA

Hacemos uso de la herramienta Machine Learning for Kids

 

En los dos siguientes vídeos nos explican cómo crear una cuenta en ML4kids

Ahora que ya tenemos nuestra cuenta para incorporar la IA a nuestros proyectos de App Inventor, veamos los pasos para crear la aplicación "detector de sentimientos":

Lista de vídeos para crear un sensor de

 sentimientos

 

 

Creamos nuestro modelo de aprendizaje en ML4KIDS

Hacemos uso de la herramienta Machine Learning for Kids

Generamos el modelo de aprendizaje automático

Probamos el modelo de aprendizaje automático

Vemos ejemplos de datos sesgados para aprender a evitar introducirlos

IA: plataforma machine learning for kids

Crear cuenta en Machine Learning for kids

crear cuenta en IBM Cloud y obtener la clave API

Para crear cuenta en IBM Watson pinchar en free dentro del siguiente enlace:

https://cloud.ibm.com/catalog/services/watson-assistant 

Teléfono ponemos +34 635684455

Al entrar la cuenta en IBM cloud tenemos que meter  en id el correo con el que hemos creado la cuenta.

Si nos causa mucho problema crear la cuenta, se puede trabajar sin crearla, pero os obliga a  guardar el texto, imágenes etc para poder crear en modelo todas las veces que entremos.

Primera encuesta de IA

Primera de las dos encuestas a realizar