Tag: accesibilidad

Cómo la IA facilita la vida de los desarrolladores y ayuda a todos a aprender a desarrollar software

[vc_row][vc_column][vc_column_text]

Hoy en día, las herramientas de desarrollo de software impulsadas por inteligencia artificial permiten a las personas crear soluciones de software a través de utilizar el mismo lenguaje que usan cuando hablan con otras personas. Estas herramientas impulsadas por IA traducen el lenguaje natural a los lenguajes de programación que entienden las computadoras.

“Eso te permite, como desarrollador, tener la intención de lograr algo en tu cabeza que puedes expresar en lenguaje natural y esta tecnología lo traduce en un código que logra la intención que tienes”, dijo Kevin Scott – Director de Tecnología de Microsoft. “Esa es una forma diferente de pensar sobre el desarrollo que la que hemos tenido desde el comienzo del software”.

Este cambio de paradigma está impulsado por Codex, un modelo de aprendizaje automático de la empresa de investigación y desarrollo de IA OpenAI que puede traducir comandos de lenguaje natural en código en más de una docena de lenguajes de programación.

Según Scott, el aumento de la productividad que aporta Codex al desarrollo de software cambia las reglas del juego. Permite a los desarrolladores realizar muchas tareas en dos minutos que antes tomaban dos horas.

“Y a menudo, lo que hacen las herramientas es que te ayudan a pasar de manera muy rápida por las partes menos interesantes de tu trabajo para que puedas llegar a las partes más interesantes, lo que hace que la experiencia cualitativa de crear sea mucho más placentera, estimulante y divertida”, dijo.

La IA y el código se unen

Microsoft y OpenAI formaron una asociación en 2019 para acelerar los avances en IA, incluido el desarrollo conjunto de algunas de las supercomputadoras de IA más poderosas del mundo, y entregárselas a los desarrolladores para crear la próxima generación de aplicaciones de IA a través del servicio Azure OpenAI.

La subsidiaria de Microsoft, GitHub, también trabajó con OpenAI para integrar Codex en GitHub Copilot, una extensión descargable para programas de desarrollo de software como Visual Studio Code. La herramienta utiliza Codex para extraer contexto del código existente de un desarrollador para sugerir líneas de código y funciones adicionales. Los desarrolladores también pueden describir lo que quieren lograr en lenguaje natural, y Copilot se basará en su base de conocimientos y contexto actual para encontrar un enfoque o una solución.

GitHub Copilot, lanzado en una vista previa técnica en junio de 2021, hoy sugiere alrededor del 35% del código en lenguajes populares como Java y Python generado por las decenas de miles de desarrolladores en la vista previa técnica que usan de manera regular GitHub Copilot. GitHub Copilot pasará a disponibilidad general este verano, para brindar esta capacidad de codificación asistida por IA a millones de desarrolladores profesionales, anunció Microsoft en su conferencia de desarrolladores Build.

De código bajo a ningún código

Mientras tanto, las herramientas de código bajo y sin código impulsadas por IA, como las disponibles a través de Microsoft Power Platform, están preparadas para permitir que miles de millones de personas desarrollen las aplicaciones de software que necesitan para resolver sus problemas únicos, desde un audiólogo que digitaliza formularios en papel simple para transformar la prevención de pérdida de la audición en Australia, a una herramienta que alivia la carga del trabajo de ingreso manual de datos de los empleados de una empresa familiar y una solución de nivel empresarial que procesa miles de millones de dólares en solicitudes de condonación de préstamos por Covid-19 para pequeñas empresas.

Hoy en día, los cientos de millones de personas que se sienten cómodas en trabajar con fórmulas en Microsoft Excel, un programa de hoja de cálculo, podrían incorporar con facilidad estas habilidades a Power Platform, donde pueden crear este tipo de aplicaciones de software, según Charles Lamanna, vicepresidente corporativo de aplicaciones y plataforma de negocios en Microsoft.

Para hacer esto, el equipo de Lamanna primero integró GPT-3 con Microsoft Power Apps para una función llamada Power App Ideas, que permite a las personas crear aplicaciones a través de lenguaje conversacional en Power Fx, un lenguaje de programación de código abierto para el desarrollo de código bajo con sus orígenes en Microsoft Excel. El próximo paso, anunciado en Build, es una característica llamada diseño rápido de Power Apps, que aprovecha los modelos de inteligencia artificial de Azure Cognitive Services para convertir dibujos, imágenes, archivos de diseño PDF y Figma en aplicaciones de software.

Esta transición de código bajo a ningún código en la parte posterior de la IA sigue una tendencia general de que el cómputo se vuelva más accesible con el tiempo, agregó. Las computadoras personales eran raras hace 40 años, las hojas de cálculo eran poco comunes hace 30 años, el acceso a Internet era limitado hace 20 años, por ejemplo. Hasta hace poco, la edición de videos y fotos estaba reservada para expertos.

El desarrollo de software también debería volverse más accesible, dijo Lamanna.

“Si queremos que todos sean desarrolladores, no podemos planear enseñarles a todos cómo escribir código Python o JavaScript. Eso no es posible. Pero es posible si creamos las experiencias correctas y las ponemos frente a suficientes personas que pueden hacer clic, arrastrar y soltar y usar conceptos que son familiares para crear soluciones sorprendentes”, dijo.

Desarrolladores para el futuro basado en software

Esta nueva era de desarrollo de software asistido por IA puede conducir a una mayor productividad, satisfacción y eficiencia de los desarrolladores y hacer que el desarrollo de software sea más natural y accesible para más personas, según Scott.

Por ejemplo, un gamer podría usar el lenguaje natural para programar personajes que no son jugadores en Minecraft para realizar tareas como construir estructuras, lo que liberaría al jugador para atender otras tareas más apremiantes. Los diseñadores gráficos pueden utilizar el lenguaje natural para crear escenas 3D en el motor de representación de gráficos Babylon.js. Los profesores pueden usar herramientas de creación y colaboración en 3D como FrameVR para crear un mundo de metaverso como un paisaje lunar con vehículos de exploración y una bandera estadounidense.

“Puedes describirle al sistema de IA lo que quieres lograr”, dijo Scott. “Puede tratar de descubrir qué es lo que quisiste decir y mostrarte parte de la solución y luego puedes refinar lo que te muestra el modelo. Es este ciclo iterativo el que fluye de manera libre y es natural”.

Estas herramientas, agregó Scott, también engrosarán las filas de los desarrolladores en un mundo que será impulsado cada vez más por el software.

“Debido a que el futuro depende tanto del software, queremos un conjunto amplio e inclusivo de personas que participen en su creación”, dijo. “Queremos que personas de todo tipo de antecedentes y puntos de vista puedan usar la tecnología más poderosa que puedan encontrar para resolver los problemas que tienen, para ayudarlos a construir sus negocios y crear prosperidad para sus familias y sus comunidades.”[/vc_column_text][us_separator size=”small” show_line=”1″][vc_column_text]Fuente: Microsoft[/vc_column_text][/vc_column][/vc_row]

Tags:, , , , , , , , , , , , , , , ,

Historia de la inteligencia artificial: fechas y nombres clave

[vc_row][vc_column][vc_column_text]La inteligencia artificial (IA) ha transformado el mundo y sigue evolucionando rápidamente. Pero, ¿sabías que sus raíces se remontan a siglos atrás? Desde la antigua Grecia hasta la era digital, la IA ha alcanzado hitos que han marcado el rumbo de esta revolucionaria tecnología. A continuación, exploramos los eventos clave que han impulsado su desarrollo.

1950: La Prueba de Turing

El matemático Alan Turing publica “Computing Machinery and Intelligence”, un artículo innovador que plantea la pregunta “¿Pueden las máquinas pensar?” y propone la famosa Prueba de Turing, diseñada para evaluar si una máquina puede demostrar inteligencia similar a la humana. Este artículo sigue siendo influyente en el campo de la IA.

1956: Nace el Término “Inteligencia Artificial”

En 1956, el científico John McCarthy acuña el término “inteligencia artificial” durante una conferencia en Dartmouth College, y poco después se crea el primer programa de IA, Logic Theorist. Este hito marca el comienzo de la IA como disciplina formal.

1967: El Perceptrón Mark 1

Frank Rosenblatt construye el Perceptrón Mark 1, el primer sistema de red neuronal que aprende a través de prueba y error. Poco después, el influyente libro “Perceptrones” se convierte en referencia para estudios sobre redes neuronales.

Década de 1980: Redes Neuronales y Propagación Inversa

Durante los años 80, las redes neuronales avanzan significativamente con la introducción del algoritmo de propagación inversa, permitiendo aplicaciones de IA cada vez más sofisticadas.

1997: Deep Blue vence a Kasparov

IBM logra una hazaña histórica cuando su sistema Deep Blue derrota al campeón mundial de ajedrez, Garry Kasparov. Este evento representa un avance importante en la capacidad de las máquinas para resolver problemas complejos.[/vc_column_text][vc_row_inner][vc_column_inner][us_separator][vc_column_text]

[/vc_column_text][us_separator][/vc_column_inner][/vc_row_inner][vc_column_text]

2011: Watson gana en Jeopardy!

IBM vuelve a sorprender cuando su sistema Watson supera a los campeones de Jeopardy! en 2011, demostrando la habilidad de la IA para procesar y entender el lenguaje natural en un formato competitivo.

2015: Baidu y la Red Neuronal Convolucional

El superordenador Minwa de Baidu emplea redes neuronales profundas y convolucionales para clasificar imágenes con alta precisión, superando el promedio humano en esta tarea.

2016: AlphaGo y la Conquista del Go

En un logro impresionante, el programa AlphaGo de DeepMind vence al campeón mundial de Go, Lee Sedol. Este triunfo se considera un hito por la complejidad del juego Go, que tiene más de 14,5 billones de combinaciones posibles en solo cuatro movimientos.[/vc_column_text][us_separator size=”small” show_line=”1″][vc_column_text]Fuente: IBM[/vc_column_text][/vc_column][/vc_row]

Tags:, , , , , , , ,