Noticias
Artificial intelligence may affect diversity: architecture and cultural context reflected through ChatGPT, Midjourney, and Google Maps
Adobor H (2021) Open strategy: what is the impact of national culture? Manag Res Rev. 44:1277–1297. https://doi.org/10.1108/MRR-06-2020-0334
Google Scholar
Airoldi M, Rokka J (2022) Algorithmic consumer culture. Consum Mark. Cult. 25:411–428. https://doi.org/10.1080/10253866.2022.2084726
Google Scholar
Ali T, Marc B, Omar B et al. (2021) Exploring destination’s negative e-reputation using aspect-based sentiment analysis approach: case of Marrakech destination on TripAdvisor. Tour. Manag Perspect. 40:100892. https://doi.org/10.1016/j.tmp.2021.100892
Google Scholar
Andersson R, Bråmå Å (2018) The Stockholm estates: a tale of the importance of initial conditions, macroeconomic dependencies, tenure and immigration. In: Hess D, Tammaru T, van Ham M (eds.) Housing estates in Europe, 1st edn. Springer, Cham, p 361–388
Anon (2023) How to worry wisely about artificial intelligence. The Economist. https://www.economist.com/leaders/2023/04/20/how-to-worry-wisely-about-artificial-intelligence
Berman A, de Fine Licht K, Carlsson V (2024) Trustworthy AI in the public sector: an empirical analysis of a Swedish labor market decision-support system. Technol. Soc. 76:102471. https://doi.org/10.1016/j.techsoc.2024.102471
Google Scholar
Bircan T, Korkmaz EE (2021) Big data for whose sake? Governing migration through artificial intelligence. Humanit Soc. Sci. Commun. 8:1–5. https://doi.org/10.1057/s41599-021-00910-x
Google Scholar
Borbáth E, Hutter S, Leininger A (2023) Cleavage politics, polarisation and participation in Western Europe. West Eur. Polit. 0:1–21. https://doi.org/10.1080/01402382.2022.2161786
Google Scholar
Bozdag E (2013) Bias in algorithmic filtering and personalization. Ethics Inf Technol 15:209–227. https://doi.org/10.1007/s10676-013-9321-6
Bratton B (2021) AI urbanism: a design framework for governance, program, and platform cognition. AI Soc. 36:1307–1312. https://doi.org/10.1007/s00146-020-01121-9
Google Scholar
Cachat-Rosset G, Klarsfeld A (2023) Diversity, equity, and inclusion in Artificial Intelligence: An evaluation of guidelines. Appl Artif Intell 37. https://doi.org/10.1080/08839514.2023.2176618
Campo-Ruiz I (2024) Economic powers encompass the largest cultural buildings: market, culture and equality in Stockholm, Sweden (1918–2023). ArchNet-IJAR. https://doi.org/10.1108/ARCH-06-2023-0160
Churchland PM, Churchland PS (1990) Could a machine think? Sci. Am. Assoc. Adv. Sci. 262:32–39
Google Scholar
Crawford K (2021) Atlas of AI: power, politics, and the planetary costs of artificial intelligence. Yale University Press, New Haven
Google Scholar
Cugurullo F (2021) Frankenstein urbanism: eco, smart and autonomous cities, artificial intelligence and the end of the city. Routledge, Taylor & Francis Group, London
Google Scholar
Cugurullo F, Caprotti F, Cook M et al. (2024) The rise of AI urbanism in post-smart cities: a critical commentary on urban artificial intelligence. Urban Stud. 61:1168–1182. https://doi.org/10.1177/00420980231203386
Google Scholar
Cugurullo F (2020) Urban artificial intelligence: from automation to autonomy in the smart city. Front Sustain Cities 2. https://doi.org/10.3389/frsc.2020.00038
Cugurullo F, Caprotti F, Cook M, Karvonen A, McGuirk P, Marvin S (eds.) (2023) Artificial intelligence and the city: urbanistic perspectives on AI, 1st edn. Taylor & Francis, London
Dervin F (2023) The paradoxes of interculturality: a toolbox of out-of-the-box ideas for intercultural communication education. Routledge, New York
Google Scholar
Dreyfus HL, Dreyfus SE (1988) Making a mind versus modeling the brain: Artificial Intelligence back at a branchpoint. Daedalus Camb. Mass 117:15–43
Google Scholar
Duberry J (2022) Artificial Intelligence and democracy: risks and promises of AI-mediated citizen-government relations. Edward Elgar Publishing, Northampton
Elena-Bucea A, Cruz-Jesus F, Oliveira T, Coelho PS (2021) Assessing the role of age, education, gender and income on the digital divide: evidence for the European Union. Inf. Syst. Front 23:1007–1021. https://doi.org/10.1007/s10796-020-10012-9
Google Scholar
Elliott A (2018) The Culture of AI: everyday life and the digital revolution, 1st edn. Routledge, Milton
Google Scholar
von Eschenbach WJ (2021) Transparency and the black box problem: why we do not trust AI. Philos. Technol. 34:1607–1622. https://doi.org/10.1007/s13347-021-00477-0
Google Scholar
European Parliament and the Council of the European Union (2024) Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence and amending Regulations (EC) No 300/2008, (EU) No 167/2013, (EU) No 168/2013, (EU) 2018/858, (EU) 2018/1139 and (EU) 2019/2144 and Directives 2014/90/EU, (EU) 2016/797 and (EU) 2020/1828 (Artificial Intelligence Act). https://eur-lex.europa.eu/eli/reg/2024/1689/oj. Accessed 20 Sep 2024
Flikschuh K, Ypi L, Ajei M (2015) Kant and colonialism: historical and critical perspectives. University Press, Oxford
Forty A (2000) Words and buildings: a vocabulary of modern architecture. Thames & Hudson, London
Fosch-Villaronga E, Poulsen A (2022) Diversity and inclusion in Artificial Intelligence. In: Custers B, Fosch-Villaronga E (eds) Law and Artificial Intelligence: regulating AI and applying AI in legal practice. T.M.C. Asser Press, The Hague, p 109–134
Future of Life Institute (2023) Pause giant AI experiments: an open letter. In: Future Life Inst. https://futureoflife.org/open-letter/pause-giant-ai-experiments/. Accessed 3 Sep 2024
George AS, George ASH, Martin ASG (2023) The environmental impact of AI: a case study of water consumption by Chat GPT. Part. Univers Int Innov. J. 1:97–104. https://doi.org/10.5281/zenodo.7855594
Google Scholar
Geschke D, Lorenz J, Holtz P (2019) The triple-filter bubble: Using agent-based modelling to test a meta-theoretical framework for the emergence of filter bubbles and echo chambers. Br. J. Soc. Psychol. 58:129–149. https://doi.org/10.1111/bjso.12286
Google Scholar
Gupta R, Nair K, Mishra M et al. (2024) Adoption and impacts of generative artificial intelligence: theoretical underpinnings and research agenda. Int J. Inf. Manag Data Insights 4:100232. https://doi.org/10.1016/j.jjimei.2024.100232
Google Scholar
Haandrikman K, Costa R, Malmberg B et al. (2023) Socio-economic segregation in European cities. A comparative study of Brussels, Copenhagen, Amsterdam, Oslo and Stockholm. Urban Geogr. 44:1–36. https://doi.org/10.1080/02723638.2021.1959778
Google Scholar
Haria V, Shah Y, Gangwar V et al. (2019) The working of Google Maps, and the commercial usage of navigation systems. IJIRT 6:184–191
Google Scholar
Heckmann R, Kock S, Gaspers L (2022) Artificial intelligence supporting sustainable and individual mobility: development of an algorithm for mobility planning and choice of means of transport. In: Coors V, Pietruschka D, Zeitler B (eds) iCity. Transformative research for the livable, intelligent, and sustainable city. Springer International Publishing, Stuttgart, p 27–40
Henning M, Westlund H, Enflo K (2023) Urban–rural population changes and spatial inequalities in Sweden. Reg. Sci. Policy Pr. 15:878–892. https://doi.org/10.1111/rsp3.12602
Google Scholar
Howarth J (2024) Number of parameters in GPT-4 (Latest Data). https://explodingtopics.com/blog/gpt-parameters. Accessed 8 Sep 2024
Howe B, Brown JM, Han B, Herman B, Weber N, Yan A, Yang S, Yang Y (2022) Integrative urban AI to expand coverage, access, and equity of urban data. Eur. Phys. J. Spec. Top. 231:1741–1752. https://doi.org/10.1140/epjs/s11734-022-00475-z
Google Scholar
Jang KM, Chen J, Kang Y, Kim J, Lee J, Duarte F (2023) Understanding place identity with generative AI. Leibniz International Proceedings in Informatics, Leibniz, pp 1–6
Kent N (2008) A concise history of Sweden. Cambridge University Press, Cambridge
Google Scholar
Khan I (2024a) The quick guide to prompt engineering. John Wiley & Sons, Newark
Google Scholar
Khan S (2024b) Cultural diversity and social cohesion: perspectives from social science. Phys. Educ. Health Soc. Sci. 2:40–48
Google Scholar
Lo Piano S (2020) Ethical principles in machine learning and artificial intelligence: cases from the field and possible ways forward. Humanit Soc Sci Commun 7:1–7. https://doi.org/10.1057/s41599-020-0501-9
Luusua A, Ylipulli J, Foth M, Aurigi A (2023) Urban AI: understanding the emerging role of artificial intelligence in smart cities. AI Soc. 38:1039–1044. https://doi.org/10.1007/s00146-022-01537-5
Google Scholar
Lyu Y, Lu H, Lee MK, Schmitt G, Lim B (2024) IF-City: intelligible fair city planning to measure, explain and mitigate inequality. IEEE Trans. Vis. Comput Graph 30:3749–3766. https://doi.org/10.1109/TVCG.2023.3239909
Google Scholar
Macrorie R, Marvin S, While A (2021) Robotics and automation in the city: a research agenda. Urban Geogr. 42(2):197–217
Google Scholar
Mahmud HJA (2013) Social cohesion in multicultural society: a case of Bangladeshi immigrants in Stockholm. Dissertation, Stockholm University
Marion G (2017) How Culture Affects Language and Dialogue. In: The Routledge Handbook of Language and Dialogue. Routledge, London
McNealy JE (2021) Framing and language of ethics: technology, persuasion, and cultural context. J. Soc. Comput 2:226–237. https://doi.org/10.23919/JSC.2021.0027
Google Scholar
McQuire S (2019) One map to rule them all? Google Maps as digital technical object. Commun. Public 4:150–165. https://doi.org/10.1177/2057047319850192
Google Scholar
Mehta H, Kanani P, Lande P (2019) Google Maps. Int J. Comput. Appl 178:41–46. https://doi.org/10.5120/ijca2019918791
Google Scholar
Midjourney (2024) About. www.midjourney.com/home. Accessed 23 Oct 2024
Mironenko IA, Sorokin PS (2018) Seeking for the definition of “culture”: current concerns and their implications. a comment on Gustav Jahoda’s article “Critical reflections on some recent definitions of “culture’”. Integr. Psychol. Behav. Sci. 52:331–340. https://doi.org/10.1007/s12124-018-9425-y
Google Scholar
Mozur P (2017) Beijing wants A.I. to be made in China by 2030. N. Y. Times. https://www.nytimes.com/2017/07/20/business/china-artificial-intelligence.html
Murdie RA, Borgegård L-E (1998) Immigration, spatial segregation and housing segmentation of immigrants in metropolitan Stockholm, 1960-95. Urban Stud. Edinb. Scotl. 35:1869–1888. https://doi.org/10.1080/0042098984196
Google Scholar
Musterd S, Marcińczak S, van Ham M, Tammaru T (2017) Socioeconomic segregation in European capital cities. Increasing separation between poor and rich. Urban Geogr. 38:1062–1083. https://doi.org/10.1080/02723638.2016.1228371
Google Scholar
Newell A, Simon HA (1976) Computer science as empirical inquiry: symbols and search. Commun. ACM 19:113–126. https://doi.org/10.1145/360018.360022
Google Scholar
Norocel OC, Hellström A, Jørgensen MB (2020) Nostalgia and hope: intersections between politics of culture, welfare, and migration in Europe, 1st edn. Springer International Publishing, Cham
OECD (2019) Artificial Intelligence in Society. OECD Publishing, Paris. https://doi.org/10.1787/eedfee77-en. Accessed 23 Oct 2024
OpenAI (2023) https://openai.com/about. Accessed 20 Sep 2024
Palmini O, Cugurullo F (2023) Charting AI urbanism: conceptual sources and spatial implications of urban artificial intelligence. Discov Artif Intell 3. https://doi.org/10.1007/s44163-023-00060-w
Pariser E (2011) The filter bubble: what the Internet is hiding from you. Viking, London
Parker PD, Van Zanden B, Marsh HW, Owen K, Duineveld J, Noetel M (2020) The intersection of gender, social class, and cultural context: a meta-analysis. Educ. Psychol. Rev. 32:197–228. https://doi.org/10.1007/s10648-019-09493-1
Google Scholar
Peng J, Strijker D, Wu Q (2020) Place identity: how far have we come in exploring its meanings? Front Psychol 11. https://doi.org/10.3389/fpsyg.2020.00294
Peng Z-R, Lu K-F, Liu Y, Zhai W (2023) The pathway of urban planning AI: from planning support to plan-making. J Plan Educ Res 0. https://doi.org/10.1177/0739456X231180568
Phuangsuwan P, Siripipatthanakul S, Limna P, Pariwongkhuntorn N (2024) The impact of Google Maps application on the digital economy. Corp. Bus. Strategy Rev. 5:192–203. https://doi.org/10.22495/cbsrv5i1art18
Google Scholar
Popelka S, Narvaez Zertuche L, Beroche H (2023) Urban AI guide. Urban AI. https://urbanai.fr/
Prabhakaran V, Qadri R, Hutchinson B (2022) Cultural incongruencies in Artificial Intelligence. ArXiv Cornell Univ. https://doi.org/10.48550/arxiv.2211.13069
Raile P (2024) The usefulness of ChatGPT for psychotherapists and patients. Humanit Soc. Sci. Commun. 11:47–48. https://doi.org/10.1057/s41599-023-02567-0
Google Scholar
Rhodes SC (2022) Filter bubbles, echo chambers, and fake news: How social media conditions individuals to be less critical of political misinformation. Polit Commun 39:1–22. https://doi.org/10.1080/10584609.2021.1910887
Robertson RE, Green J, Ruck DJ, et al. (2023) Users choose to engage with more partisan news than they are exposed to on Google Search. Nature 618:342–348. https://doi.org/10.1038/s41586-023-06078-5
Rönnblom M, Carlsson V, Öjehag‐Pettersson A (2023) Gender equality in Swedish AI policies. What’s the problem represented to be? Rev. Policy Res 40:688–704. https://doi.org/10.1111/ropr.12547
Google Scholar
Sabherwal R, Grover V (2024) The societal impacts of generative Artificial Intelligence: a balanced perspective. J. Assoc. Inf. Syst. 25:13–22. https://doi.org/10.17705/1jais.00860
Google Scholar
Sanchez TW, Shumway H, Gordner T, Lim T (2023) The prospects of Artificial Intelligence in urban planning. Int J. Urban Sci. 27:179–194. https://doi.org/10.1080/12265934.2022.2102538
Google Scholar
Sareen S, Saltelli A, Rommetveit K (2020) Ethics of quantification: illumination, obfuscation and performative legitimation. Palgrave Commun 6. https://doi.org/10.1057/s41599-020-0396-5
Searle J (1980) Minds, brains and programs. In: Collins A, Smith EE (eds) Readings in Cognitive Science. Morgan Kaufmann, San Mateo, p 20–31
Sherman S (2023) The polyopticon: a diagram for urban Artificial Intelligences. AI Soc. 38:1209–1222. https://doi.org/10.1007/s00146-022-01501-3
Google Scholar
Sloan RH, Warner R (2020) Beyond bias: Artificial Intelligence and social justice. Va J. Law Technol. 24:1
Google Scholar
Son TH, Weedon Z, Yigitcanlar T et al. (2023) Algorithmic urban planning for smart and sustainable development: Systematic review of the literature. Sustain Cities Soc. 94:104562. https://doi.org/10.1016/j.scs.2023.104562
Google Scholar
Sun J, Song J, Jiang Y, et al. (2022) Prick the filter bubble: A novel cross domain recommendation model with adaptive diversity regularization. Electron Mark 32:101–121. https://doi.org/10.1007/s12525-021-00492-1
Tan L, Luhrs M (2024) Using generative AI Midjourney to enhance divergent and convergent thinking in an architect’s creative design process. Des. J. 27:677–699. https://doi.org/10.1080/14606925.2024.2353479
Google Scholar
Tseng Y-S (2023) Assemblage thinking as a methodology for studying urban AI phenomena. AI Soc. 38:1099–1110. https://doi.org/10.1007/s00146-022-01500-4
Google Scholar
Ullah Z, Al-Turjman F, Mostarda L, Gagliardi R (2020) Applications of Artificial Intelligence and Machine Learning in smart cities. Comput Commun. 154:313–323. https://doi.org/10.1016/j.comcom.2020.02.069
Google Scholar
Verdegem P (2022) Dismantling AI capitalism: the commons as an alternative to the power concentration of Big Tech. AI Soc 1–11. https://doi.org/10.1007/s00146-022-01437-8
Weizenbaum J (1984) Computer power and human reason: from judgment to calculation. Penguin, Harmondsworth
Google Scholar
Wu T, He S, Liu J et al. (2023) A brief overview of ChatGPT: The history, status quo and potential future development. IEEECAA J. Autom. Sin. 10:1122–1136. https://doi.org/10.1109/JAS.2023.123618
Google Scholar
Yigitcanlar T, Corchado JM, Mehmood R, Li RYM, Mossberger K, Desouza KC (2021) Responsible urban innovation with local government Artificial Intelligence (AI): A conceptual framework and research agenda. J. Open Innov. 7:1–16. https://doi.org/10.3390/joitmc7010071
Google Scholar
Zhang Q, Lu J, Jin Y (2021) Artificial Intelligence in recommender systems. Complex Intell. Syst. 7:439–457. https://doi.org/10.1007/s40747-020-00212-w
Google Scholar
Zhang J, Hu C (2023) Adaptive algorithms: users must be more vigilant. Nat Lond 618:907–907. https://doi.org/10.1038/d41586-023-02033-6
Noticias
Noticias de Las Vegas: el sospechoso de la explosión del Tesla Cybertruck, Matthew Livelsberger, utilizó ChatGPT para atacar el hotel Trump Tower, dice la policía
LAS VEGAS– Matthew Livelsberger utilizó ChatGPT para ayudar a planear la explosión del Tesla Cybertruck frente al Trump International Hotel Las Vegas el día de Año Nuevo, revelaron las autoridades el martes.
La policía tiene “evidencias claras” de que Livelsberger utilizó la herramienta de inteligencia artificial generativa para “ayudar a planificar su ataque”, dijo el sheriff Kevin McMahill del Departamento de Policía Metropolitana de Las Vegas a los periodistas durante una conferencia de prensa el martes.
Livelsberger, un soldado del ejército en servicio activo que, según las autoridades, se suicidó en el incidente, hizo preguntas sobre los explosivos y qué haría estallar ciertos tipos de explosivos, dijo la policía.
McMahill dijo que cree que este es el primer caso en suelo estadounidense en el que ChatGPT/AI ayudó a un sospechoso a construir un dispositivo, y lo calificó como un “momento preocupante” y un “cambio de juego”. Agregó que también es “instructivo” para otras agencias encargadas de hacer cumplir la ley y está divulgando información donde puedan en el caso.
ABC News se comunicó con OpenAI, el desarrollador de ChatGPT, para solicitar comentarios.
A través de ChatGPT, el sospechoso buscó “tratar de calcular la cantidad de explosivos necesarios para llevar a cabo la explosión que buscaba causar”, dijo la asistente del sheriff de Las Vegas, Dori Koren, durante la rueda de prensa.
También lo usó para tratar de averiguar dónde comprar fuegos artificiales, cuánto y cómo se comparan con otros materiales explosivos, dijo Koren. Un “componente importante” de sus investigaciones involucró la velocidad de la bala disparada por el arma de fuego y “determinar si eso encendería los explosivos”, dijo Koren.
Livelsberger, de Colorado Springs, Colorado, murió a causa de una herida de bala autoinfligida justo antes de la explosión, según el forense del condado de Clark. En el vehículo se encontraron dos armas de fuego, una pistola y un rifle, dijo la policía.
El Cybertruck tenía más de 60 libras de pirotecnia y se vertieron 20 galones de combustible sobre los fuegos artificiales y el material explosivo en la parte trasera del camión, según Kenny Cooper, agente especial asistente a cargo de la Oficina de Alcohol, Tabaco, Armas de Fuego y Explosivos. ‘División de campo de San Francisco.
Los investigadores creen que el fogonazo por sí solo podría haber sido una fuente de ignición para la explosión de combustible y aire, aunque no se han descartado otras fuentes posibles, dijo.
La policía dijo el martes que también recuperó un documento de seis páginas en un teléfono encontrado en el Cybertruck que mostraba una “variación de agravios y una evolución constante de sus planes o intenciones de lo que quería hacer”, dijo Koren.
En el documento, el sospechoso criticó a la administración Biden y habló de tener recuerdos gráficos de su tiempo en la batalla y de perder a sus compañeros de equipo, según Koren. También mencionó estar “muy drogado con marihuana y alcohol”, algo que los investigadores todavía están trabajando para confirmar, dijo Koren. El documento también mostró sus problemas de salud mental, que “se basan en ese potencial trastorno de estrés postraumático al que nos referimos”, dijo Koren.
“Él hace la transición en algún momento y habla de estar preocupado de que los medios los etiqueten como terroristas y que no tenía intención de matar a nadie más que a él mismo”, dijo Koren.
Los escritos de Livelsberger indican que había considerado planear provocar la explosión en la pasarela de cristal del Gran Cañón pero cambió de opinión, por alguna razón, al Hotel Trump, dijo la policía.
“Él habla de su intención de hacer esto lo más público posible”, dijo Koren.
VER TAMBIÉN: Soldado que se suicidó en Las Vegas le contó a su ex novia el dolor y el agotamiento después de Afganistán
La policía cree que partes del documento pueden estar clasificados y están trabajando con el Departamento de Defensa para determinar si se puede divulgar todo.
La semana pasada, el Departamento de Policía Metropolitana de Las Vegas publicó dos cartas adicionales encontradas en un teléfono celular recuperado del Cybertruck. En las cartas, Livelsberger decía que el país estaba siendo dirigido por los “débiles” y aquellos que buscaban “enriquecerse”, al tiempo que afirmaba que el incidente no pretendía ser un ataque terrorista sino una “llamada de atención”.
En una de las cartas que la policía dice que fueron encontradas en su teléfono, Livelsberger expresó su apoyo a Donald Trump y a los aliados del presidente electo, Elon Musk y Robert F. Kennedy Jr. También expresó desdén por las iniciativas de diversidad, equidad e inclusión y la desigualdad de ingresos y expresó su preocupación por la falta de vivienda, según las cartas.
Livelsberger también envió un correo electrónico compartido en el podcast de temática militar “Shawn Ryan Show” el viernes, confirmaron las autoridades el martes. Esa información fue enviada al FBI luego del ataque, dijeron funcionarios federales.
La evidencia muestra que Livelsberger “se preparó cuidadosamente” y actuó solo en el incidente, dijeron las autoridades federales. No estaba en el radar del FBI antes del ataque, dijeron las autoridades.
Nadie más resultó gravemente herido, aunque siete transeúntes sufrieron heridas leves, dijeron las autoridades.
Livelsberger sirvió como Boina Verde en el ejército y estaba con licencia aprobada para servir en Alemania en el momento de su muerte, dijo el jueves un portavoz del ejército estadounidense.
Recibió extensas condecoraciones en combate, incluida la Estrella de Bronce con un dispositivo en forma de “V” por su valor, que indica heroísmo bajo fuego. Livelsberger recibió cuatro medallas estándar de Estrella de Bronce más, según los registros del ejército. También obtuvo la Medalla de la Campaña de Afganistán con tres estrellas. Cada estrella representa el servicio en una campaña separada en Afganistán.
Livelsberger había estado recibiendo asistencia de salud mental durante el último año, confirmó el viernes un funcionario estadounidense.
Otro funcionario estadounidense confirmó que los funcionarios pensaban que Livelsberger estaba lo suficientemente estable como para regresar a casa para Navidad y que se aprobó su licencia.
Su esposa, con quien hablaron los investigadores en Colorado Springs, dijo que había estado fuera de la casa desde Navidad después de una disputa sobre acusaciones de infidelidad, dijo el funcionario.
Su esposa dijo a los funcionarios que no creía que Livelsberger quisiera lastimar a nadie, dijo el funcionario a ABC News.
Si tiene pensamientos suicidas o está preocupado por un amigo o un ser querido, llame o envíe un mensaje de texto a Suicide & Crisis Lifeline al 988 para apoyo emocional confidencial y gratuito las 24 horas del día, los siete días de la semana.
El vídeo en el reproductor de arriba es de un informe anterior.
Noticias
5 trucos de ChatGPT para potenciar tu salud en 2025
Cincuenta y siete por ciento de los adultos estadounidenses se han comprometido con algún tipo de objetivo de superación personal este año, según los resultados de una encuesta nacional AP-NORC publicada en diciembre. De los que tomaron una resolución, tres de las cuatro prioridades principales estaban relacionadas con la salud, a saber: comer mejor, moverse más y perder peso. Sin embargo, con una tasa de fracaso del 90% para la mayoría de las resoluciones, junto con la investigación de que la IA puede ser tan efectiva como un asesor de salud en persona para perder peso, podría valer la pena probar Coach ChatGPT esta vez.
A continuación se muestran cinco indicaciones en cursiva y citas que se escribieron basándose en un marco orientado a objetivos y detallado de una sesión de lluvia de ideas con ChatGPT. Cada “Truco de ChatGPT”se puede cortar y pegar en cualquier modelo de IA gratuito para producir el plan o resultado deseado. Cada mensaje fue construido para:
- Defina claramente y céntrese en un objetivo de salud
- Permita opciones personalizadas para ese objetivo
- Solicite una solución paso a paso o detallada
- Agregue más funciones de soporte
- Cuenta de desafíos y ajustes
Este formato funciona particularmente bien para ChatGPT porque proporciona suficientes detalles para una respuesta específica y deja espacio para una mayor personalización.
Truco 1 de ChatGPT: comer mejor
“Ayúdenme a crear un plan de alimentación semanal integral que se centre en alimentos ricos en nutrientes, teniendo en cuenta mis preferencias dietéticas, mis objetivos de salud y mi nivel de habilidad culinaria. Incluya el desayuno, el almuerzo, la cena y los refrigerios para cada día, además de comidas sencillas y fáciles de preparar. recetas a seguir y una lista detallada de compras. Además, brinde consejos sobre la preparación de comidas y la sustitución de alérgenos comunes o ingredientes que no me gustan para garantizar que el plan sea práctico y agradable de seguir”.
Razón fundamental:
Este mensaje se centra en comer de forma más saludable en todas las comidas y refrigerios para reducir las comidas no planificadas o la dependencia de alimentos poco saludables. Agregar una lista de compras simplificará aún más el proceso y evitará contratiempos para cumplir con el plan. Las recetas para cada comida, adaptadas según las preferencias dietéticas y los objetivos de salud, harán que las comidas sean agradables y se ajusten bien a los objetivos de cada uno.
Consejos de personalización:
- Especifique sus preferencias dietéticas (por ejemplo, vegana, mediterránea o sin gluten) para garantizar que el plan de alimentación se ajuste a sus necesidades y nivel de experiencia culinaria.
- Resalte cualquier objetivo de salud específico, como mejorar los niveles de energía, controlar el azúcar en la sangre o reducir el colesterol, para adaptar las recomendaciones de nutrientes.
Truco 2 de ChatGPT: moverse más
“Diseñe un plan de entrenamiento progresivo de 12 semanas adaptado a mi nivel de condición física actual, actividades preferidas y objetivos de salud específicos. El plan debe incluir una combinación de ejercicios cardiovasculares, de fuerza y de flexibilidad, con un aumento gradual en intensidad y variedad para prevenir aburrimiento y lesiones Incorpore opciones para entrenamientos en el gimnasio y en casa, junto con instrucciones claras, duración de cada sesión y días de descanso. Proporcione estrategias para mantenerse motivado, como realizar un seguimiento del progreso, establecer minimetas e incorporar apoyo social o responsabilidad. fogonadura.”
Razón fundamental:
Este mensaje específico se centra en la creación de un plan de acondicionamiento físico equilibrado que desarrolle resistencia, fuerza y flexibilidad con el tiempo. Debido a que combina diferentes tipos de entrenamientos y progresiones graduales, minimiza el riesgo de agotamiento o lesiones en la búsqueda de un estado físico general. Ofrecer opciones de gimnasio y en casa brinda flexibilidad para diferentes horarios y preferencias.
Consejos de personalización:
- Especifique sus tipos de ejercicio preferidos (por ejemplo, yoga, correr o levantamiento de pesas) para asegurarse de que el plan esté alineado con sus intereses y su nivel de condición física actual.
- Mencione cualquier limitación o condición física para garantizar que los ejercicios sean seguros y efectivos para sus necesidades.
Truco 3 de ChatGPT: perder peso
“Proporcione una estrategia de pérdida de peso sostenible y personalizada que incorpore un objetivo calórico diario, una distribución equilibrada de macronutrientes y técnicas de alimentación consciente. Incluya consejos prácticos para el control de las porciones y métodos para seguir el progreso, como el uso de un diario o una aplicación de alimentos. Ofrezca estrategias para gestionar los problemas comunes. desafíos para perder peso como comer emocionalmente, salir a cenar y afrontar eventos sociales. Además, incluya consejos sobre cómo celebrar pequeñas victorias para mantener la motivación y cómo ajustar el plan si el progreso se estanca”.
Razón fundamental:
La pérdida de peso sostenible requiere cambios graduales en el estilo de vida que se conviertan en hábitos con el tiempo, en lugar de soluciones rápidas, que a menudo son insostenibles. Establecer un objetivo calórico diario y objetivos equilibrados de macronutrientes proporciona un marco claro para alcanzar el déficit diario de combustible necesario para perder peso y al mismo tiempo satisfacer las necesidades nutricionales. Las técnicas de alimentación intencional ayudan a las personas a sintonizar sus señales de hambre y evitar comer en exceso.
Consejos de personalización:
- Especifique su método de seguimiento preferido (por ejemplo, un diario, una aplicación o un gráfico visual) para garantizar la coherencia.
- Ajuste los objetivos de calorías y macronutrientes según su nivel de actividad, edad y condiciones de salud.
Truco 4 de ChatGPT: mejorar la calidad del sueño
“Ayúdame a crear una rutina eficaz a la hora de acostarme y optimizar mi entorno de sueño para mejorar la calidad del sueño. Incluye pasos para relajarme antes de acostarme, como técnicas de relajación específicas o estiramientos ligeros y consejos para reducir el tiempo frente a la pantalla. Ofrece recomendaciones para crear un entorno de sueño ideal, como ajustar la temperatura, reducir el ruido y la luz, así como seleccionar un colchón y almohadas cómodas. Abordar los desafíos comunes del sueño, como el manejo del estrés, los horarios irregulares o los despertares nocturnos, con soluciones prácticas y estrategias respaldadas por expertos”.
Razón fundamental:
Una rutina estructurada a la hora de acostarse ayuda a indicarle al cuerpo y a la mente que es hora de relajarse, lo que facilita conciliar el sueño. Las técnicas de relajación y la reducción (o incluso la eliminación) del tiempo frente a la pantalla antes de acostarse pueden ayudar a disminuir la estimulación y preparar el cerebro para el descanso. Además, optimizar el entorno de sueño mejora la comodidad y minimiza las interrupciones, promoviendo un sueño más profundo y reparador.
Consejos de personalización:
- Indique los desafíos específicos que enfrenta, como ansiedad o un ambiente ruidoso, para obtener asesoramiento personalizado.
- Mencione su hora habitual de acostarse y despertarse para alinear la rutina con su ritmo circadiano natural.
Truco 5 de ChatGPT: Dejar los vicios nocivos para la salud
“Crear un plan integral paso a paso para ayudarme a dejar de fumar [specific vice, e.g., alcohol, sugar or smoking]. Incluya estrategias para identificar y controlar los desencadenantes, sustitutos de los antojos y técnicas para desarrollar hábitos más saludables. Proporcione afirmaciones diarias o mensajes motivadores para mantenerse encaminado y sugiera herramientas o recursos como aplicaciones o grupos de apoyo. Además, incluya consejos sobre cómo manejar las recaídas y celebrar los hitos para reforzar el progreso y la resiliencia”.
Razón fundamental:
Un plan estructurado proporciona claridad y dirección para dejar los vicios adictivos (que pueden ser especialmente difíciles de eliminar), lo que hace que el proceso sea menos abrumador. Abordar los desencadenantes y los antojos es fundamental para controlar las tentaciones, mientras que tener sustitutos saludables a mano puede ayudar a reducir el impacto de los antojos intensos.
Consejos de personalización:
- Especifique el vicio que desea dejar y cualquier desencadenante asociado (por ejemplo, estrés, aburrimiento o entorno social) para obtener estrategias personalizadas.
- Resalte cualquier intento previo de dejar de fumar y los desafíos que enfrentó para perfeccionar el plan basándose en experiencias pasadas.
Antes de emprender cualquier tipo de régimen de salud física, es importante verificar y discutir cualquier plan (incluido un plan elaborado utilizando una IA generativa como ChatGPT) con su proveedor de atención médica primero.
Noticias
La batalla de los gigantes tecnológicos
OpenAI siempre ha sido excelente para captar la atención en las noticias. Sus anuncios a menudo vienen acompañados de afirmaciones grandes y audaces. Por ejemplo, anunciaron GPT-2 pero dijeron que era demasiado peligroso lanzarlo. O su campaña “12 días de Navidad”, donde mostraron un producto nuevo todos los días durante 12 días.
Ahora, Sam Altman ha compartido sus pensamientos sobre el año pasado, centrándose en la dramática telenovela de la sala de juntas en torno a su despido y regreso. También hizo una predicción audaz:
“Ahora sabemos cómo construir AGI como se entiende habitualmente. En 2025, creemos que los agentes de IA se unirán a la fuerza laboral y cambiarán la forma en que trabajan las empresas”.
AGI (Inteligencia General Artificial) significa crear una IA que sea tan inteligente y general como un humano. A diferencia de la IA estrecha, que está diseñada para tareas específicas como traducir idiomas, jugar al ajedrez o reconocer rostros, AGI puede manejar cualquier tarea intelectual y adaptarse en diferentes áreas. mientras no creo “AGI está cerca” Creo que la IA se unirá a la fuerza laboral, pero tal vez no de la manera que Altman imagina.
¿Está AGI cerca? No, al menos no el AGI que nosotros (o Sam) imaginamos
La llegada de AGI en 2025 parece muy improbable. La IA actual, como ChatGPT, funciona reconociendo patrones y haciendo predicciones, no comprendiendo realmente. Por ejemplo, completar la frase “La vida es como una caja de…” con “chocolates” se basa en probabilidades, no en razonamiento.
No creo que la AGI se produzca en 2025, y muchos expertos están de acuerdo. Demis Hassabis, con quien trabajé en Google, predice que AGI podría llegar alrededor de 2035. Ray Kurzweil estima que 2032, y Jürgen Schmidhuber, director de IDSIA, sugiere más cerca de 2050. Los escépticos son muchos y el cronograma sigue siendo incierto.
¿Importa cuándo? La IA ya es poderosa.
Quizás no importe exactamente cuándo llegará AGI. Incluso Sam Altman recientemente restó importancia a la “G” en AGI, diciendo:
“Creo que alcanzaremos el AGI antes de lo que la mayoría de la gente piensa y importará mucho menos”.
Estoy de acuerdo con esto hasta cierto punto. La IA ya tiene capacidades impresionantes. Por ejemplo, la IA de Netflix conoce tus preferencias cinematográficas mejor que tu pareja. Incluso se ha bromeado sobre los algoritmos de TikTok por reconocer la orientación sexual de alguien antes que ellos. La IA sobresale en el reconocimiento de patrones y, en muchos casos, es mejor que los humanos.
Sam Altman ve que la IA “se une a la fuerza laboral”
El punto más importante del memorando de Sam es su creencia de que la IA “se unirá a la fuerza laboral”. Estoy completamente de acuerdo en que esto va a suceder. Como escribí en mi actualización del agente de IA, para que la IA tenga éxito en el lugar de trabajo, necesita dos cosas clave: (1) acceso a herramientas y (2) acceso a datos. Estos son los pilares para que la IA sea realmente eficaz en entornos empresariales. Sin embargo, aunque Sam a menudo vincula esta idea con AGI, es posible que OpenAI no lidere la tarea de proporcionar estas soluciones de fuerza laboral de IA.
La primera posición de Microsoft: acceso a los usuarios
¿Quién tiene las herramientas laborales? Microsoft. Microsoft. Microsoft. Están en la pole position. La mayoría de la gente ya utiliza productos de Microsoft, les guste o no, y la IA se está integrando profundamente en estas herramientas, con copilotos apareciendo por todas partes.
En 2023 y 2024, muchas nuevas empresas lanzaron impresionantes servicios de inteligencia artificial para trabajos de oficina, solo para ser rápidamente eclipsadas por gigantes como Microsoft y Google, que tienen acceso directo a los clientes. Tomemos como ejemplo a Jasper.ai, una herramienta de inteligencia artificial para redactar textos que alguna vez fue famosa. Como señalé en esta publicación de LinkedIn, características similares ahora están integradas directamente en los productos de Google y Microsoft, lo que hace cada vez más difícil competir para los jugadores más pequeños.
El poder del acceso a los datos
La IA necesita datos para ser verdaderamente eficaz. Si está buscando respuestas sobre los procesos internos de una empresa o información valiosa a partir de documentos, herramientas generales como ChatGPT no serán suficientes. Lo que necesitamos son herramientas que puedan leer y resumir documentos de la empresa, diseñadas específicamente para uso empresarial. Como dije antes, 2025 será el año de la BÚSQUEDA, especialmente la búsqueda empresarial. Las herramientas que pueden responder preguntas, resumir contenido y ayudar a los usuarios a navegar por información compleja cambiarán las reglas del juego.
¿Quién tiene acceso a este tipo de datos? Microsoft es un gran actor, pero no está solo. Salesforce, por ejemplo, posee una enorme cantidad de datos valiosos: interacciones con los clientes, debates, documentos de procesos, estrategias de marketing y más. ¿Salesforce quiere que los agentes de IA ayuden a desbloquear este potencial? Absolutamente.
No sorprende que el director ejecutivo de Salesforce, Marc Benioff, haya criticado recientemente a Microsoft. Llamó a su asistente de IA, Copilot, “decepcionante” y dijo: “Simplemente no funciona y no ofrece ningún nivel de precisión”. Incluso lo llamó “Clippy 2.0”, el insulto más divertido que he escuchado en mucho tiempo, antes de lanzar la propia solución de inteligencia artificial de Salesforce, Agent Forces.
¿OpenAI es “simplemente” la herramienta más inteligente?
OpenAI no tiene el mismo nivel de acceso a datos o alcance al consumidor que Microsoft, ni tiene el tesoro de datos comerciales de Salesforce. Entonces, ¿cuál es su ángulo? Afirman ser la herramienta más inteligente del mercado, y probablemente lo sean, aunque personalmente considero que Claude 3.5 de Anthropic es actualmente mejor que GPT-4 de OpenAI.
OpenAI apuesta por su capacidad para superar a todos los demás con tecnología superior. Es por eso que Sam Altman afirma con seguridad que veremos AGI. ¿Qué hay detrás de esa audaz afirmación? Razonamiento o, como lo llama OpenAI, Razonamiento.
OpenAI y razonamiento
OpenAI lanzó recientemente o1, un modelo diseñado para mostrar capacidades de razonamiento avanzadas a través de un proceso iterativo de autollamada:
- Iteración y reflexión: el modelo genera un resultado, lo evalúa o critica y lo refina en una nueva ronda de razonamiento.
- Bucle de retroalimentación: esto crea un circuito de retroalimentación donde el modelo revisa sus resultados, los critica y los mejora aún más.
En esencia, GPT con o1 no sólo proporciona respuestas: planifica, critica el plan y lo mejora continuamente.
Lo que es especialmente digno de mención es el cambio de paradigma que esto representa. En lugar de simplemente lanzar un modelo más grande como GPT-5, la próxima generación de modelos de IA se centra en “pensar más” durante la inferencia. Esta capacidad de procesar de forma iterativa puede ser a lo que se refiere Sam Altman cuando dice: “Ahora sabemos cómo construir AGI”.
¿El razonamiento es razón suficiente?
Pero, ¿el “razonamiento” por sí solo hace que OpenAI entre en juego? OpenAI todavía necesita acceso a los datos y una fuerte presencia de usuarios, similar a Salesforce o Microsoft. Para solucionar este problema, OpenAI lanzó la aplicación de escritorio ChatGPT para macOS. Esta aplicación ahora puede leer código directamente desde herramientas centradas en desarrolladores como VS Code, Xcode, TextEdit, Terminal e iTerm2. Esto significa que los desarrolladores ya no necesitan copiar y pegar su código en ChatGPT, una solución común hasta ahora. Es una herramienta realmente útil y una medida inteligente para integrarse más profundamente en el flujo de trabajo del desarrollador.
Chatear con modelos de lenguaje grandes cuesta dinero
Cada llamada a un modelo de lenguaje grande (LLM) cuesta dinero. Para los grandes usuarios de ChatGPT, es posible que la suscripción de $ 20 ni siquiera cubra el costo de su uso. OpenAI recaudó recientemente 6.600 millones de dólares en una ronda de financiación Serie E, un impulso muy necesario para sostener sus operaciones. Si bien Agentforce genera ingresos sólidos de sus clientes y Microsoft disfruta de un enorme fondo de guerra financiera, OpenAI aún se encuentra en las primeras etapas para lograr que las empresas y los usuarios paguen lo suficiente para compensar los elevados costos del desarrollo de IA de vanguardia.
Su nivel premium de $200 por mes, que incluye la versión ampliada de O1, es un paso en esta dirección. ¿Pero vale la pena el precio? Quizás es por eso que AGI sigue siendo parte de la conversación: ayuda a justificar el posicionamiento premium. Sin embargo, la carrera por crear modelos superiores está lejos de terminar. Incluso O1 pronto podría ser superado por alternativas de código abierto, como hemos visto antes con Meta’s Llama.
Hablando de Meta, estoy seguro de que veremos sus intentos de monetizar los modelos de IA en 2025. En última instancia, el mayor desafío para estos actores sigue siendo claro: justificar enormes costos sin asegurar un flujo de ingresos constante y confiable.
Sam tiene razón: los agentes de IA estarán en la fuerza laboral
En 2025, veremos más agentes de IA ingresar a la fuerza laboral, transformando los flujos de trabajo al simplificar, mejorar y automatizar tareas en todas las industrias. Estos no serán modelos AGI que lo abarquen todo, sino modelos más pequeños y especializados diseñados para flujos de trabajo dedicados. La IA ampliará y mejorará los procesos paso a paso, combinando la IA tradicional, la recuperación de contexto y un diseño de usuario sólido para abordar desafíos como la seguridad, las alucinaciones y el control del usuario.
El éxito dependerá de la entrega de valor a través de soluciones bien integradas, fáciles de usar y diseñadas éticamente, como se describe en mi marco para crear herramientas de IA listas para la empresa. Para Sam Altman, la pregunta estratégica clave no será lograr AGI sino cómo fijar el precio de los modelos base de OpenAI para clientes empresariales como Microsoft o Salesforce, especialmente si OpenAI termina compitiendo directamente con ellos.
Pero, ¿cómo trabajaremos con esos nuevos colegas de IA?
Las empresas emergerán como ganadoras en la carrera por mejores modelos, mejores datos y mejores integraciones. Su principal objetivo debería ser formar a los empleados y clientes para que trabajen de forma eficaz con sus nuevos colegas de IA. En mi curso certificado de eCornell sobre soluciones de IA, vi de primera mano cómo la productividad se disparó una vez que los estudiantes aprendieron a comunicarse con un copiloto de IA. Inicialmente, muchos lucharon por lograr resultados, pero una guía paso a paso sobre cómo interactuar con la IA marcó una diferencia significativa.
¿Por qué? Porque incluso con capacidades de razonamiento y planificación, la IA aún no es verdaderamente “general”, por mucho revuelo que genere Sam Altman. Los estudiantes tuvieron que aprender cuándo confiar en la IA y cuándo aplicar el juicio humano. Creo que 2025 será el año en que las empresas se den cuenta de esta necesidad e inviertan mucho en educación sobre IA.
-
Startups8 meses ago
Remove.bg: La Revolución en la Edición de Imágenes que Debes Conocer
-
Recursos8 meses ago
Cómo Empezar con Popai.pro: Tu Espacio Personal de IA – Guía Completa, Instalación, Versiones y Precios
-
Recursos8 meses ago
Suno.com: La Revolución en la Creación Musical con Inteligencia Artificial
-
Recursos8 meses ago
Perplexity aplicado al Marketing Digital y Estrategias SEO
-
Estudiar IA8 meses ago
Curso de Inteligencia Artificial de UC Berkeley estratégico para negocios
-
Tutoriales8 meses ago
Cómo Comenzar a Utilizar ChatGPT: Una Guía Completa para Principiantes
-
Eventos8 meses ago
La nueva era de la inteligencia artificial por el Washington Post – Mayo 2024
-
Startups6 meses ago
Startups de IA en EE.UU. que han recaudado más de $100M en 2024