Hasta el momento, como podrás ver en todos los artículos publicados aquí y en LinkedIn, me encuentro explorando el área de la IAGen (Inteligencia Artificial Generativa), específicamente utilizando al ChatGPT de OpenAI habiendo contratado el plan pago para hacer ensayos con los nuevos modelos que se han incorporado en estos días y los que vendrán, y por otra parte para utilizar ciertas funcionalidades que el plan free no las tiene.
Todo lo que estoy haciendo lo estoy orientando a mi área de conocimiento que es el testing para comprobar en qué medida la IAGen puede acelerar y automatizar las tareas de todo tester.
Por ese motivo tomé una formación de IAGen aplicada a Testing y que ahora me encuentro en la fase de estudiar para rendir la certificación y además, dentro de dos semanas termino otra formación que también tiene relación con ingeniería de prompts.
Mi intención es poder aprovechar al máximo las posibilidades que nos ofrecen las IAGen considerando los aspectos que tiene que ver con los riesgos por sesgos y seguridad tanto de datos como de entornos, además de los legales.
Artificial Intelligence (AI)
│
├── Machine Learning (ML)
│ │
│ ├── Deep Learning (DL)
│ │ │
│ │ ├── Generative AI
│ │ │ │
│ │ │ └── Large Language Models (LLMs)
│ │ │
│ │ └── Otros modelos de DL
│ │
│ └── Otros algoritmos de ML
│
└── Data Science
│
├── Análisis de datos
└── Descubrimiento de patrones
Descripción de la estructura de árbol:
- Artificial Intelligence (AI): Es el nivel raíz y más amplio de la estructura. Todas las demás ramas se derivan de la IA.
- Machine Learning (ML): Una rama que depende directamente de la IA. ML incluye algoritmos que permiten a las computadoras aprender de los datos.
- Deep Learning (DL): Un subconjunto de ML, que utiliza redes neuronales profundas para procesar grandes cantidades de datos.
- Generative AI: Dentro del DL, se encuentra la Generative AI, que se especializa en crear contenido complejo.
- Large Language Models (LLMs): Una especialización dentro de la Generative AI centrada en la generación y comprensión del lenguaje natural.
- Generative AI: Dentro del DL, se encuentra la Generative AI, que se especializa en crear contenido complejo.
- Otros modelos de DL: Representa otros modelos y técnicas de aprendizaje profundo.
- Deep Learning (DL): Un subconjunto de ML, que utiliza redes neuronales profundas para procesar grandes cantidades de datos.
- Data Science: Es un campo relacionado pero se representa en paralelo a la IA, ya que aunque se superponen, Data Science se centra en el análisis de datos y el descubrimiento de patrones.
Esta estructura refleja cómo cada área se construye sobre la anterior, con IA siendo la base de todas.
Momento para reflexionar
Actualmente me encuentro investigando la IAGen y sus diferentes estructuras de prompts aplicadas al testing.
