IA

21 de juliol

Em queda el vídeo final del curs explicant com faig ús del que hem aprés. Utilitzaré com exemple l'aplicació web per les tasques de l'hort. Ja he completat el curs!

16 de juliol

Ens ha ficat un parell d'exemples. El de fer el Pomodoro m'ha agradat la idea i m'he fet la meva versió.
1) GPT de prompt engineering: Li explico el que vull i li dono opció a què pregunti.
2) Paso el prompt millorat a Gemini
3) Amb visual studio creo el document html.
I prou!

Ara ens explica com fer-ho a partir d'una imatge.

15 de juliol

Segueixo amb el curs de Founderz. Avui he completat el codi amb Gemini que he penjat al final del dia 14 de juliol.

Formació amb Founderz

14 juliol

Al entrar a la plataforma hi ha un vídeo de benvinguda que fa un recorregut a la història de la IA. Està força bé.

La segona sessió és la de prompt engineering. En destaco:

IA com a copilot per delegar-hi tasques.

Elements importants per fer bons prompts:

Estructura: Objectiu + Context + Expectatives.

He preguntat a l'assistent de Fonuderz com fer-me diferents assitents i m'ha donat idees interessants per estructurar les instruccions. He acabat fent 5 projectes en ChatGPT: EduMiquel, OrganitzaMiquel, EmpresaMiquel, TecnoMiquel i Autoconversa. Cada un d'aquests projectes de ChatGPT s'encarrega d'actuar com a assistent d'un àmbit concret de la meva vida en aquesta nova etapa i he creat el projecte d'autoconversa amb instruccions perquè actuï com un espai de trobada entre tots 4 assistents. A més, he donat instruccions a cada assistent perquè em pugui fer pregunter per aconseguir informació adicional per ajudar-me millor i també que pugui demanar que guardi info en la documentació adicional per futures consultes. Ara segueixo una estona més amb el curs de Founderz però ja he decidit que iniciaré un curs de Google for Education Trainer o Coach per tenir un certificat que em permeti impartir formació per docents.

Tècniques que proposen des de Founderz:

Ordres clares: Evita formalismes.

Utilitza organitzadors per estructurar la info. (//, --, etc)
Utilitza exemples del que busques.
Especifica el públic objectiu.
Divideix les tasques complexes en tasques senzilles.
Instruccions en positiu: Que ha de fer en comptes de què evitar.
Demanar explicacions al nivell que ens interessa.
Menciona una propina ficticia o una penalització.
Utilitza frases com "HAS DE" per forçar l'atenció a alguns elements.
Demanar que respongui "com un humà" quan t'interessi.
Demana que pensi pas a pas.

Després d'aquests tips he anat a chat GPT, he buscat un GPT que s'encarregui del prompt Engineering i li he demanat que em millori els prompts que havia fet per cada assistent així com pel projecte d'autoconversa. La millora ha sigut increïble i la qualitat de les respostes també. Li he demanat al GPT que millora els prompts que faci un prompt per fer una infografia amb els apunts d'avui i ha fet el prompt i s'ha ofert per fer la imatge. Ha generat això:

Seguim amb el prompt engineering:

Demana que sigui imparcial.
demanar que pregunti el que necessiti
Assigna un rol
Repetir paraules clau.
Començar jo la resposta per condicionar.
Demanar que inclogui tota la informació necessària.
Defineix les fonts d'informació.

Ara passem a remenar Copilot!

Copilot

3 maneres:

Web: Copilot.microsoft.com

Edge: extensió navegador.
Al mòbil.

Ens venen la moto

Composició de software

Utilitzarem Chet gpt, Copilot i vscode!

Coses a tenir clares:

1) Què volem fer.

2) Demanar que escrigui tot el codi en un arxiu.

3) Que reescrigui tot el codi a cada canvi que fem.

En el vídeo va indicant en un exemple que no m'interessa. He volgut provar de fer una pàgina web que indiqui les tasques a fer amb diferents cultius en el mes en el que li indiquem.

He fet el prompt amb el GPT de promt engineering (explicant-li el que vull, dient-li que em pregunti i tal) i després li he passat el prompt final a ChatGPT perquè l'executi. He passat el codi a Visual Studio Code i m'he descarregat el document en html. Funcionava però s'inventava les tasques (tot es feia planter al gener, es collia a l'abril i tal). Així que he parlat amb Chatgpt i ell no ha trobat la info. He parlat amb Gemini i si que ho ha trobat. Li he demanat que m'ho passi en CSV i quan li he anat a passar a chat GPT m'ho havia demanat amb una estructura determinada. Li he passat aquesta estructura a Gemini i li he demanat que reorganitzi la info i ho ha fet. Ara està refent el codi i veurem a veure com ha quedat.

Chat gpt ha tingut problema per integrar les taules amb els cultius. En canvi, he fet servir el prompt inicial que havia fer servir amb ChatGPT amb Gemini (en la mateixa conversa on li he demanat la info dels cultius) i l'ha clavat a la primera i amb una estética molt més agradable.

Versió ChatGPT

Després de fer 3 intents i encara no va bé.

Versió Gemini

A la primera i molt més estètic i ben presentat.

21 de febrer de 2024

M'he apuntat a un Streaming que es diu: Exploratori. Perill, material fràgil. IA en educació. Entre l'esperança i la distopia

Ens han fet arribar 2 recursos que deixo aquí:

equitat.digital@fundacióbofill.org

La guia del departament sobre IA

Coral Regí:

Comenta la falta d'ètica

ChatGPT ha trencat la lògica habitual dels processos de treball a les aules.

Aspectes ètics que hem de valorar en les IAs

Directrius ètiques per a una IA fiable (Ethics guidelines for trustworthy AI) de la Comissió Europea del 8 d’abril de 2019. Aquest document proposa set requisits clau que han de complir els sistemes d’IA per ser considerats de confiança.

1. Acció i supervisió humanes: els sistemes d’IA haurien de donar suport a l’autonomia i la presa de decisions de les persones, tal com prescriu el principi del respecte de l’autonomia humana. Això requereix que els sistemes d’IA actuïn tant com a facilitadors d’una societat democràtica, pròspera i equitativa, com donant suport a l’acció humana i promovent-ne els drets fonamentals, a més de permetre la supervisió humana.

2. Solidesa tècnica i seguretat: la solidesa tècnica requereix que els sistemes d’IA es desenvolupin amb un enfocament preventiu en relació amb els riscos, de manera que es comportin sempre segons el que és esperat i minimitzin els danys involuntaris i imprevistos, i també evitin causar danys inacceptables.

3. Gestió de la privadesa i de les dades: la privadesa és un dret fonamental que es veu especialment afectat pels sistemes d’IA i que guarda una relació estreta amb el principi de prevenció del dany. La prevenció del dany en la privadesa també requereix una gestió adequada de les dades, que abasti la qualitat i la integritat de les dades utilitzades, la seva pertinència en contrast amb l’àmbit en què es desplegaran els sistemes d’IA, els seus protocols d’accés i la capacitat de processar dades sense vulnerar la privadesa.

4. Transparència: aquest requisit inclou la transparència dels elements pertinents per a un sistema d’IA: les dades, el sistema i els models de negoci. Aquest principi hauria d’assegurar la traçabilitat de les dades i els processos que porten les IA a prendre decisions, la capacitat d’explicació dels criteris utilitzats i la identificació clara dels sistemes d’IA utilitzats.

5. Diversitat, no-discriminació i equitat: per fer realitat la IA fiable, cal garantir la inclusió i la diversitat al llarg de tot el cicle de vida dels sistemes d’intel·ligència artificial. A més de tenir en compte tots els afectats i garantir-ne la participació en tot el procés, cal garantir la igualtat d’accés mitjançant processos de disseny inclusius, sense oblidar la igualtat de tracte.

6. Benestar ambiental i social: s’ha de fomentar la sostenibilitat i la responsabilitat ecològiques dels sistemes d’IA, així com impulsar la investigació de solucions d’intel·ligència artificial per fer front als temes que susciten preocupació a escala mundial, com ara els objectius de desenvolupament sostenible. L’ideal és que la IA s’utilitzi en benefici de tots els éssers humans, també de les generacions futures.

7. Retiment de comptes: cal establir mecanismes que permetin garantir la responsabilitat i el retiment de comptes sobre els sistemes d’IA i els seus resultats, tant abans de la implantació com després. Això implica que els sistemes han de ser auditables, han de minimitzar els efectes negatius i, en cas que n’hi hagi, cal que es notifiquin i preveure les compensacions pels efectes adversos injustos que produeixin.

Alejandra López

Ens fa una mica repàs de què es la intel·ligència artifical.

1) Tenen capacitat de reacció.

2) Tenen capacitat d'adaptació.

Segons quines adaptacions arriben a fer es fa difícil predir les reaccions.

Comenta que Google, personalitza el que ens mostra i aixó ens porta a la sensació de fals consens.

Ens fa explicacions de les IAs de caixa blanca i de caixa negra. La de caixa negra segueix un procés molt diferent del nostre procés mental. Interpreta les dades de forma "oculta" o que no ens permet seguir el procés.

Joan Manuel del Pozo: Ens fot el rollo

He anat llegint el document del departament i hi ha alguns recursos per treballar amb IAs amb l'alumnat

https://web.learningml.org/en/home-spanish-en-translation/: Et guia per entrenar una IA

https://teachablemachine.withgoogle.com/train

Projectes pràctics IA

AI for oceans: de code.org

Alejandra lópez altre cop. En sap molt i explica moltes coses interessants. Parla de que les IAs poden ser una bona eina si estan acompanyades per experts.

En el document del departament extrec també un banc de recursos IA per educadors

He trobat moltes coses interessants. La que més m'agrada és aquesta
https://machinelearningforkids.co.uk/scratch/

Page updated

Report abuse