Sistematizacion de experiencia 1-IIA Tarea 2

 Auditoría de Campo (Investigación)

Interacción con el Asistente de Google, se le hizo vervalmente una pregunta,  identificó la pregunta y la respondió correctamente.

Análisis de Algoritmos de Predicción: YouTube, Netflix y Amazon

En esta sección, se presentan tres evidencias del despliegue de sistemas de recomendación basados en inteligencia artificial, los cuales operan mediante el análisis masivo de datos y el reconocimiento de patrones de consumo. En la captura de YouTube, observamos el filtrado colaborativo que prioriza contenido basado en mi tiempo de permanencia y suscripciones; en Netflix, la interfaz evidencia cómo la IA agrupa metadatos para sugerir títulos bajo la lógica de "Porque viste...", estableciendo una conexión semántica entre géneros; finalmente, la captura de Amazon demuestra el uso de modelos predictivos que transforman mi historial de navegación en sugerencias comerciales personalizadas. Estas capturas validan cómo los algoritmos de aprendizaje automático (Machine Learning) no solo procesan información, sino que anticipan con precisión los intereses del usuario dentro de la Sociedad de la Información.

Análisis de Convergencia (Realización)

Análisis de Convergencia: El Viaje del Dato de la Voz a la Predicción
Introducción

En el marco de mi participación en el programa de formación de FATLA, presento la segunda fase de nuestro análisis sobre la Inteligencia Artificial: la Realización. En esta etapa, exploramos cómo la tecnología no solo "escucha", sino que interpreta y anticipa nuestras necesidades a través de un proceso de convergencia técnica.

A continuación, detallo los tres pilares fundamentales que sostienen la interacción humano-máquina contemporánea, ilustrados en la infografía técnica adjunta.

1. Entrada (Voz): La Transformación de lo Analógico a lo Digital

El proceso inicia con la captura de ondas sonoras, las cuales son señales analógicas que la IA debe convertir en un lenguaje comprensible para el procesador. Mediante el Procesamiento de Señal (DSP) y la creación de un Espectrograma, el sistema realiza una extracción de características (Features). Este flujo culmina cuando los Modelos de Lenguaje (LLMs) transforman estas señales en datos digitales estructurados o secuencias de texto, permitiendo que el hardware "entienda" nuestras palabras.

2. Proceso (Asistente): La Lógica Detrás de la Decisión

Una vez que la voz se ha convertido en dato, entra en juego el núcleo del asistente. La IA utiliza una lógica multietapa para decidir la mejor respuesta:

• Análisis de Intención (NLU): Identifica qué quiere realmente el usuario.

• Verificación de Contexto: Evalúa variables externas (ubicación, hora, historial inmediato).

• Consulta de Conocimiento (KB): Accede a bases de datos o información web.

• Generación de Respuesta: Selecciona la acción óptima, ya sea ejecutar un comando, traducir un texto o crear contenido nuevo.

3. Salida (Recomendación): El Modelo de Predicción Contextual

La fase final es donde la convergencia alcanza su máximo valor para el usuario. El sistema no opera de forma aislada; utiliza un Modelo de Predicción de Usuario alimentado por nuestro historial de búsquedas, interacciones previas y preferencias guardadas. A través del reconocimiento de patrones, el sistema anticipa deseos y ofrece sugerencias personalizadas, como un nuevo artículo de interés o un producto sugerido, cerrando así un ciclo de retroalimentación inteligente.

Conclusión

Como profesionales de la educación y la tecnología, comprender este flujo de la onda sonora a la predicción predictivaes vital. No estamos ante simples herramientas de automatización, sino ante sistemas que reconfiguran la manera en que gestionamos la información y el conocimiento en la sociedad digital actual.