Ep5 T3 - con Nacho Martínez sobre IA con Oracle

[0:08] Pues ya estamos aquí, buenas tardes.

[0:10] Nacho Martínez, por fin. ¿Cómo estás?

[0:12] Hola, hola, muy bien. Gracias por la invitación.

[0:17] A ti, a ti por asistir, a ti por asistir.

[0:21] Tengo que introducir un poco cómo nos conocimos y todo.

[0:25] Me hubiera gustado... No sé por qué se me debió pasar en Las Vegas de conocerte.

[0:32] Quizá porque me centré mucho en ver las sesiones puramente de bases de datos, pero estuviste

[0:37] en Las Vegas haciendo la presentación que luego después pude ver en el SPOU, en el evento

[0:43] SPOU de este año, que era el proyecto que hiciste de Machine Learning con League of Legends,

[0:50] con todo esto. Y de ahí te conozco.

[0:55] Cuéntanos un poco qué cosas has hecho y tal.

[0:58] Tal, pues no sé por dónde empezar, porque llevo ya, me

[1:06] parece que llevo 55 años y pico en oracle, así que me ha dado muchísimo tiempo

[1:13] para hacer, pues, bastantes cosas de todo tipo.

[1:18] En general me he centrado en inteligencia artificial, antes trabajaba en consultoría,

[1:25] en el equipo de consultoría de de Oracle en Madrid, y luego me cambié a un rol más internacional

[1:32] en relaciones de desarrolladores, en marketing, y ahora trabajo más en Estados Unidos.

[1:41] Pero vamos, hay temas de todo lo que quieras saber.

[1:45] Mira, he hecho cosas de computer vision, de detección de objetos, segmentación de imágenes,

[1:51] hago cosas también de HPC que básicamente es computación High

[1:58] Performance Computing que lo que permite es hacer un montón de cosas con tarjetas gráficas

[2:04] sobre todo entrenar redes neuronales o para generar textos o para casos

[2:12] específicos de traducir textos por ejemplo también tiene que ver con eso, más o

[2:19] menos tener una idea mi propósito ha sido siempre tener una idea teórica de lo que es

[2:25] la inteligencia artificial como las cosas que existen están implementadas actualmente

[2:30] y como como se hacen en código y yo creo que aprendiendo eso tengo ahora

[2:37] más conocimiento plan si tengo una idea soy capaz de implementarla más fácilmente porque

[2:43] sé cómo está implementado cómo ha sido implementado por detrás y eso me ayuda un poco

[2:49] a tener una idea de una idea más general de inteligencia artificial que

[2:57] así que temas los que quieras lo que quiera vamos a empezar le estoy echando un ojo a

[3:03] tu kit hub súper interesante las cosas que tienes ahí y además mola mogollón que hagamos

[3:08] cosas así las y las compartamos porque porque yo también cuando yo también tengo un repositorio

[3:15] cuando hago algún paquete que puede estar así chulo de uso, pues Compartirlo le estoy

[3:21] echando un ojo al tuyo si quieres lo que podemos hacer es abrir un canal en el que

[3:29] Compartamos cosas tuyas lo podemos llamar lo crearé en un momento ahí,

[3:35] por ejemplo y podemos Ver cositas de tu repositorio,

[3:42] por ejemplo que nos recomienda ¿Por dónde me recomiendas empezar a cacharrear o cosas

[3:48] que se puedan implementar yo?

[3:50] ¿Me recomiendas un repositorio para empezar, para aprender o es muy pro?

[3:54] No, de hecho, sí te lo recomiendo.

[3:58] No es muy pro porque en general intento simplificar los conceptos para que la gente se

[4:04] pueda meter. De hecho, tengo un montón de repositorios que lo único que son son guías

[4:09] de cómo meterse en el tema de Machine Learning.

[4:12] Yo algunas veces explicando algún concepto complejo de inteligencia artificial que

[4:19] no se entienda o que sea muy nuevo.

[4:21] Por ejemplo, últimamente como en el mundo de inteligencia artificial ha explotado el

[4:27] tema de los LLMs, de la generación de texto, también generación de imágenes, generación

[4:33] de vídeo. Tengo varios repositorios alrededor de conceptos así por ejemplo hice hace

[4:41] poco un repositorio bueno hice la implementación que había hecho otra persona así funciona

[4:47] github no coges el código de otra persona lo mejoras haces tú tu propia versión y lo

[4:53] haces algo interesante hice por ejemplo un un repositorio que tengo que se llama draw

[4:59] a real time es un repositorio que utiliza stable diffusion stable diffusion para quien

[5:06] no lo sepa es un modelo de generación de imágenes open source que está disponible para

[5:13] todo el mundo y que pues tiene su propia implementación por detrás Entonces cogí

[5:20] el repositorio de StableDiffusion, modifiqué un par de cosas, añadí algunas técnicas

[5:28] como por ejemplo Variational Autoencoding que parece Que da bastante miedo pero simplemente

[5:33] es una forma de coger una imagen generada y resolver algunas partes

[5:43] que se llaman Latents que son importantes para el modelo para saber en qué trozos de

[5:49] la imagen se van a generar cada uno de los objetos que se van a generar.

[5:53] Bueno, en total, que en mi repositorio se puede encontrar, por ejemplo, stable diffusion,

[5:59] pero en tiempo real. Es decir, reduciendo el tiempo de resolver cada generación para

[6:06] aproximadamente muy pocos segundos o fracciones de segundo.

[6:10] A lo mejor en 10 milisegundos tienes una imagen nueva de Stable Diffusion.

[6:17] Normalmente Stable Diffusion requiere segundos o minutos para generar imágenes porque

[6:22] requiere muchísima capacidad de computación.

[6:28] Optimizaciones, así tengo un montón.

[6:29] Luego también tengo guías.

[6:31] Estoy viendo el Stable Diffusion, el paquete.

[6:37] Cuéntame, es que he creado un canal, hay Oracle y he puesto ahí tu repositorio de GitHub

[6:42] y estoy poniendo también el de Stable Diffusion.

[6:45] ¿Lo has hecho con OCI? A ver, en general intento hacer la mayoría de

[6:52] cosas con OCI, ya que trabajo en Oracle, pues tengo que aprovecharlo, primero porque

[6:58] me ayuda mucho con la parte de infraestructura, No me tengo que preocupar por estar

[7:05] destrozando mi ordenador personal en hacer este tipo de cosas, sobre todo cuando hago

[7:12] cosas así de High Performance Computing, intento utilizar las tarjetas gráficas de Oracle,

[7:19] que son realmente económicas para problemas así, cuestan

[7:27] alrededor de 1 o 2 dólares por hora.

[7:30] Son unas tarjetas gráficas que no sé si la gente comprende realmente por qué el stock

[7:37] de nvidia por ejemplo está a más de mil millones de dólares y es o sea más de un trillón

[7:44] de dólares en nuestro caso el motivo real es porque las tarjetas gráficas que tienen

[7:50] aparte de que son muy muy muy pequeñas son más pequeñas de lo que la gente piensa cuestan

[7:57] alrededor de 15 mil a 20 mil dólares cada una de de las tarjetas gráficas.

[8:02] Sí, sí, lo sé tengo a mi hijo al día con tema de tarjetas gráficas y, madre mía, vimos

[8:08] la adquisición de tarjetas gráficas por Oracle de NVIDIA y era como, wow.

[8:15] Sí, sí estaban, pues eso, carísimas las tarjetas gráficas, entonces realmente que te

[8:22] alquilen o que te permitan utilizar una tarjeta gráfica de 20 .000 dólares en tu propia

[8:28] casa para hacer un problema Que te te apetezca resolver, es realmente muy agradable y

[8:34] muy bueno para Que la gente pueda seguir teniendo creatividad, aunque no tenga acceso

[8:41] a tarjetas gráficas súper caras.

[8:44] Sobre todo para inteligencia artificial es bastante importante.

[8:48] Qué bueno te he interrumpido, perdona, cuéntame más de tu repositorio de GitHub.

[8:54] Cositas que tengas ahí sí, pues mira, también tengo...

[8:57] Bueno, aparte de que a lo mejor en YouTube hay bastantes replays de algunas

[9:05] sesiones que he hecho, las sesiones que normalmente voy haciendo se acaban subiendo allí

[9:10] por inercia en el canal de Oracle Developers de YouTube, que es donde están todas las

[9:15] replays de todas las sesiones que he hecho hago sesiones de inteligencia artificial he

[9:20] hecho por ejemplo tengo también un repositorio interesante que

[9:27] al final se llama F1 Telemetry Oracle Es un repositorio de telemetría que realmente

[9:34] no es 100 % inteligente artificial, porque lo que se centra este repositorio

[9:42] es en extraer datos, en generar datos sintéticos.

[9:46] En este caso, ¿has jugado alguna vez al juego este de Steam de Fórmula 1?

[9:53] El juego oficial de Fórmula 1, o en la Playstation o en algún lado.

[9:56] Al decir no, a ese no, a ese no.

[9:59] Te iba a preguntar también por juegos, pero a ese no.

[10:02] Es un juego que, aparte, te puedo contar una cosa interesante porque yo he

[10:09] trabajado en el equipo de Red Bull Racing de Fórmula 1, en la parte de Oracle, por supuesto,

[10:15] pero he trabajado como Data Scientist con ellos.

[10:18] Y aparte de tener a Max Verstappen y a Checo Pérez, que son los pilotos, también Tienen

[10:25] un equipo de esports. Esto no lo conoce la gente.

[10:30] Es un equipo que en vez de hacer carreras en la vida real, hacen carreras en el videojuego

[10:37] y tienen competiciones realmente, son realmente unas fieras igual que los conductores

[10:45] reales. De hecho, el conductor que ahora mismo está conduciendo el equipo de esports

[10:51] de Red Bull, que se llama Sebastian Job,

[10:54] que tuve la oportunidad de pasar una tarde con él hace dos años, me parece, en Londres.

[11:01] Estuvo dándome un tour realmente es súper, súper humilde porque nos dio un tour él

[11:08] mismo de todas las facilities allí en los headquarters de Red Bull, en Milton Keynes.

[11:15] Y nos dio también una masterclass, estuvimos ahí conduciendo con él dos horas en el simulador

[11:21] y nos dijo, pues mira, así es como se conduce realmente y tal.

[11:25] ¡Qué bueno! Bueno, como tienen un...

[11:28] Lo que quería decir es que como tienen un equipo de Fórmula 1, de eSports, también

[11:36] hemos hecho cosas con la telemetría del juego.

[11:39] Es decir, había que encontrar una forma de coger los datos que se pueden encontrar en

[11:46] el juego, extraerlos con Python.

[11:49] En este caso, yo lo que hice es utilizar un simulador de

[11:56] paquetes que permite leer los paquetes porque normalmente van cifrados.

[12:01] Entonces, un descifrador de paquetes que alguien había hecho, los utilicé, los conecté

[12:06] con una base de datos de Oracle para poder tener ahí, a medida que una persona va jugando,

[12:12] va generando alrededor de 30 o 60 paquetes.

[12:15] Eso es configurable, pero se generan unos paquetes que te va diciendo la posición de

[12:22] cada uno de los coches en el circuito, la velocidad y algunas estadísticas como por ejemplo

[12:28] las velocidades en cada una de las rectas, la degradación de las ruedas, etc.

[12:35] Todo lo que en el mundo real existe, pero en el videojuego para simularlo y hacer una

[12:42] experiencia interesante. Entonces, a partir, a raíz de este repositorio de Telemetry

[12:49] F1, con el código de extracción, al final acabamos haciendo Una hackathon para

[12:57] gente que se dedica a inteligencia artificial, machine learning, etc., que hicieron una

[13:04] serie de modelos de predicción de la

[13:09] temperatura y… ¿cómo se dice weather en español?

[13:14] Se me ha olvidado decir weather.

[13:15] El clima sería el clima. Últimamente me suele pasar que

[13:22] algunas palabras en español se me olvidan porque normalmente estoy hablando inglés en

[13:26] el trabajo. Así que si me pasa eso, me tenéis que disculpar.

[13:30] Pero vamos, las condiciones meteorológicas del día, ¿no?

[13:33] Sí, exacto, pero dentro del videojuego por lo tanto era una simulación y luego incluso

[13:39] hubo algunos equipos que lo que hicieron en la implementación es aumentar o extender

[13:44] el problema con Programas de simulación, de dinámica de fluidos y todo, que es los programas

[13:51] que al final se acaban utilizando las cadenas de televisión y tal, que tienen sus propios

[14:01] Meteorólogos Estos meteorólogos lo único que están haciendo es utilizar unas tarjetas

[14:07] gráficas y ellos también tienen, por ejemplo, en el cloud sus tarjetas gráficas, tienen

[14:13] sus contratos y son contratos millonarios.

[14:15] Que es comprar tarjetas gráficas de oracle por ejemplo antena 3 tiene algunos

[14:22] entre otros a tres players tiene no me sé pero

[14:30] vamos hay algunas empresas en españa que utilizan ahora con cloud por ejemplo y utilizan

[14:36] las tarjetas gráficas para calcular la dinámica de fluidos el comportamiento del viento

[14:42] de la presión y todo esto en trocitos muy pequeños escalables de

[14:49] cómo se va a comportar el tiempo la humedad el agua y todo esto y

[14:56] la lluvia en muy en trocitos muy pequeños esos cálculos lo único que hacen son llamar

[15:02] a un modelo de inteligencia artificial que ha sido entrenado con muchos años de datos

[15:06] y darte a ti la predicción del tiempo de ese día eso es lo que sale en la tele al final

[15:12] uno de los muchísimos casos que hay de inteligencia artificial en el mundo de hoy que

[15:19] grande mira te quería te quería empezar así con esta pedagogía así de café en términos

[15:27] para humanos la diferencia entre entre machine learning deep learning y la generativa

[15:36] los modelos de el lenguaje.

[15:37] Nos podrías decir una definición así en plan cotidiana, ¿no?

[15:40] Es decir, para quien Aterrice en esto, aparte de ChatGPT, ¿no?

[15:44] Sí. ¿Qué herramientas tenemos y para qué nos sirven unas o qué cosas podemos hacer con

[15:50] unas y qué cosas podemos hacer con otras?

[15:52] Vale, sí es buena pregunta porque en general mucha gente no sabe la diferencia, así que

[15:59] va a estar bien explicarla.

[16:01] A ver, ¿cómo digo esto de forma clara?

[16:04] Machine Learning es simplemente una forma de explicar que hay algún mecanismo

[16:12] por detrás en la lógica del programa que se utiliza para que la próxima vez que

[16:20] el ordenador o el procesador vea un dato haya tomado

[16:28] una decisión más informada sobre ese dato de lo que estaba tomando la la primera vez

[16:33] que la vio y puede eso puede ser cualquier tipo de implementación es decir si yo por

[16:40] ejemplo me hago un árbol de decisión binario que simplemente funciona de sí o no todas

[16:47] las decisiones que tome a partir de ahora van a ser sí o no veo por primera vez un coche

[16:52] imaginemos que estoy viendo un coche por primera vez pero yo no sé nada soy un ordenador

[16:57] nunca antes he visto un coche vale pues voy a mi árbol de decisiones y digo pues esto

[17:04] es un coche o no lo es voy a un montón de colores de la imagen y voy a determinar si

[17:11] esto es un coche esto es más sin learning porque porque por ejemplo estoy tomando un

[17:17] árbol de decisiones que estoy haciendo preguntas binarias sobre algunas cosas De la

[17:24] imagen para determinar si esto es un coche o no estoy utilizando una forma de decidir

[17:31] me pero no es una forma compleja pueden ser preguntas muy simples como la de sí o no

[17:36] en este caso eso es machine learning pero no es deep learning porque no es deep learning

[17:41] porque deep learning es simplemente un subset de cosas en inteligencia

[17:48] artificial al final inteligencia artificial es ambas cosas es machine learning deep learning

[17:54] y Y un montón más de cosas que entran dentro de la categoría de Artificial Intelligence.

[18:01] Pero Deep Learning es solamente un tipo específico de implementación, de toma de decisiones,

[18:08] que es las redes neuronales.

[18:11] Y no todas las redes neuronales son Deep Learning.

[18:15] La red neuronal es simplemente una forma de aprender,

[18:20] De que el ordenador aprenda.

[18:23] Entonces, de forma muy simplificada, tú tienes una serie de neuronas que se comunican

[18:30] entre ellas, están conectadas entre ellas y se transmiten información intentando más

[18:35] o menos aproximar el comportamiento que nosotros tenemos en nuestro cerebro.

[18:42] Se teoriza que muchas de las conexiones entre las neuronas se crean

[18:49] cuando nosotros somos jóvenes,

[18:52] de hecho antes de los 25 años, o antes de los 21 o 25 años, alrededor de eso.

[18:57] Hasta entonces nuestro cerebro no se ha desarrollado completamente, entonces tiene eso

[19:04] que se llama en los niños que tiene plasticidad, que tienes la capacidad de reprogramar

[19:09] algunas partes de tu cerebro o de aprender muchísimo.

[19:12] Por ejemplo, la gente que aprende ajedrez, normalmente los gran maestros de ajedrez,

[19:17] hay una estadística que dice que alrededor del 95 % de los gran maestros de ajedrez siempre

[19:23] empezaron a jugar al ajedrez desde muy jóvenes, porque en esa época la plasticidad del

[19:28] cerebro es muy alta y entonces tienen mucha capacidad de aprender en ese momento.

[19:34] ¿Por qué? Porque las neuronas están conectando entre sí y están haciendo el camino que

[19:41] el resto de nuestra vida va a determinar cómo nosotros pensamos.

[19:45] Y eso se ve afectado por cómo las experiencias que tenemos nos reprograman

[19:52] las neuronas más o menos cuando Somos jóvenes y llegamos al punto del presente, en

[20:00] el que tenemos nuestro cerebro, tenemos una red neuronal que toma decisiones y

[20:07] que matemáticamente esas decisiones se aproximan como si fueran derivadas parciales en

[20:14] matemáticas. Lo único que estamos haciendo en una red neuronal es pasar la información

[20:19] de forma separada, algunos normalmente lo que se hace en una imagen es separarlo por

[20:25] canales, separas el rojo, el azul y el verde, se lo pasas a un trozo de la red neuronal

[20:30] y cada uno de ellos procesa esa parte del color, ese canal de color de

[20:38] la imagen y toma decisiones de qué objeto es este, ¿vale?

[20:43] ¿Qué pasa? Que tras cada iteración de la red neuronal, esa red neuronal pasa otra vez

[20:49] al principio de esa red neuronal, le transmite algo de información para que la segunda

[20:53] vez, la segunda iteración de la red neuronal, funcione mejor que la anterior, sea mejor,

[21:00] un mejor predictor de lo que estamos intentando predecir.

[21:03] En el caso de Deep Learning es el caso en el que la estructura de la red neuronal tiene

[21:09] más de dos capas en el medio.

[21:11] Es simplemente una cosa muy específica que hace falta que pase para

[21:18] que Deep Learning exista, que es que tengas una red neuronal con cuatro capas o más.

[21:23] Es decir, con una capa al principio, una capa al final y dos en medio.

[21:28] Hay algunas redes neuronales súper, súper complejas.

[21:31] Para poner más o menos a la gente en la idea, hay algunas redes neuronales

[21:38] que pesan gigabytes. Es decir, que han utilizado decenas de miles

[21:46] de millones de pequeños datos y probablemente entrenados en, diría

[21:54] que alrededor de 10 elevado a, digamos,

[22:00] 10 millones de iteraciones, un millón de iteraciones, depende del caso.

[22:04] Pero vamos muchísimas muchísimas iteraciones por ejemplo en el caso de chat gpt y todo

[22:10] esto que la gente ahora mismo está más al tanto porque está más es más explosivo en el

[22:16] caso de pues a lo mejor entrenar un modelo como chat gpt ha costado alrededor de 200

[22:24] mil o 300 mil dólares con tarjetas gráficas por el número de iteraciones y el número

[22:29] de tokens que se utiliza para entrenar estos Estos modelos, o

[22:34] sea que hay un montón de datos disponibles.

[22:38] El caso, por ejemplo, sí, dime, dime, dime.

[22:41] Te iba a decir, entiendo que una de las piezas clave en toda esta estrategia es cómo

[22:48] alimentas el modelo o cuáles son los datos que utilizas como fuente para aprendizaje.

[22:53] Me sorprendió muchísimo, por ejemplo, que en tu presentación que hiciste sobre ese modelo

[23:00] de aprendizaje sobre League of Legends para que te fuera diciendo cómo vas en la partida,

[23:04] tú escogiste solamente aquellas partidas jugadas por maestros de League of Legends que

[23:11] habían sido partidas que habían jugado especialmente bien y que las habías seleccionado

[23:17] a partir de una determinada puntuación para alimentar ese modelo.

[23:22] Entonces aquí nos encontramos también en ese caso si hay que tomar tienes que

[23:29] hacer un análisis crítico de qué datos son Los que quieres utilizar en tu modelo por

[23:33] ejemplo y ahora hay un caos brutal es un tema bastante polémico lo que está pasando ahora

[23:40] mismo en google el stock de google ha bajado voy a ver exactamente cuánto pero el stock

[23:47] de google ha bajado y está relacionado directamente con una gran polémica que está pasando

[23:52] en twitter con el tema de su modelo de generación de lenguaje que se llama gemini este

[24:00] modelo por ejemplo tiene ciertos sesgos social socioculturales que hacen que

[24:07] el stock de google haya bajado porque la gente está frustrada por Por ejemplo, han

[24:15] utilizado una serie de datos de entrenamiento que no ha reflejado

[24:22] realmente la sociedad hoy en día.

[24:25] Por ejemplo, y es un tema bastante polémico, lo repito, algunas personas

[24:32] lo que dicen es que el modelo intenta o acaba preferenciando, Acaba discriminando, por

[24:39] ejemplo, a la gente blanca, porque en este caso el

[24:47] modelo ha sido entrenado con un montón de imágenes de todas las culturas, excepto, a

[24:54] propósito, o es lo que la gente está diciendo ahora mismo, que a propósito se ha intentado

[24:59] quitar o se ha intentado dar menos luz a la gente blanca.

[25:04] Entonces pues eso ha causado un montón de caos porque por ejemplo creaba vikingos

[25:12] indios creaba Vikingos asiáticos que cosas que realmente no

[25:20] no existen otro tipo de polémicas que han sucedido en el pasado son que los

[25:27] modelos por ejemplo tienen sesgos políticos por ejemplo en eeuu esto Esto es muy importante

[25:35] y muy problemático. La primera de Microsoft, la primera y a esta que un poco lanzaron,

[25:39] alimentada de Twitter, en los dos días empezó a tener comportamientos xenófobos y nazis.

[25:47] Exacto, exacto es decir, estas cosas cuando no se controlan son muy peligrosas y

[25:54] de hecho es uno de los miedos que muchas empresas tienen.

[25:57] Las personas individuales no tenemos ese miedo porque no tenemos la responsabilidad de

[26:03] tener una empresa de miles de millones de dólares detrás de nosotros, pero las

[26:11] empresas grandes tienen bastante miedo de meterse con estas cosas a no ser que realmente

[26:17] estén los modelos realmente moderados de contenido y controlados

[26:25] de cierta manera para evitar problemas así.

[26:27] Algunos modelos de inteligencia, o sea, modelos de generación de lenguaje que se insultaban

[26:32] a sí mismos y todo. O sea, hay algunas cosas que todavía faltan.

[26:36] Estamos todavía en los primeros, bueno, todo el tema de generación de texto.

[26:43] Yo, para dar contexto, lleva desde 2015 desarrollándose y de hecho uno de los papers

[26:50] más importantes de toda la academia de generación de textos, todo lo que Ha pasado con

[26:57] OpenAI, todo lo que ha pasado con ChatGPT, todo eso viene a raíz de un paper que salió

[27:02] en 2017 llamado Attention is all you need, que introducía una técnica que

[27:11] se llama atención, que es lo que te permite darle a cualquier

[27:18] texto el significado que venía antes y después del texto para meterlo en contexto y que

[27:23] el modelo de generación de lenguaje entienda ese contexto.

[27:27] Entonces lleva muchísimos años, pero cuando me refiero a que ahora mismo está explotando

[27:34] es porque ahora hay empresas que valen miles de millones de dólares Que antes no lo valían,

[27:38] que se dedican a este tipo de cosas porque la gente le gusta.

[27:43] Entonces, el último, yo diría que los dos últimos años han sido como los más importantes

[27:47] de todo esto porque es donde más cosas han pasado y aún así hay ahora algunas cosas que

[27:54] faltan por retocar, pero vamos, que estamos todavía en la parte, en el baby boom de la

[28:01] inteligencia artificial. De hecho, me parece muy interesante la parte de la atención,

[28:06] porque cuando me preguntaron a Kahneman sobre cuál

[28:13] sería aquel conocimiento que si los seres humanos incorporasen tendría mejor impacto

[28:20] en la calidad de sus vidas, decía que nada es tan importante como lo que te lo parece

[28:26] cuando lo estás viendo, cuando estás prestando atención.

[28:28] ¿Cómo quiero decir? La atención es la que pone el contexto de la importancia.

[28:33] Y si tú te centras de pronto en prestarle atención y poner mucho contexto en la dieta

[28:39] sana, es tu cerebro quien considera que eso es importante por la atención que tú le estás

[28:44] prestando. Y que hasta ahora la gente entendía que esto era al revés, que la importancia

[28:49] era algo que se daba y que a partir de la importancia uno Prestaba más atención o se

[28:54] interesaba por ciertas cosas cuando en realidad el primer motor es esa atención, a qué

[28:59] le prestamos atención. Y si es una inteligencia artificial, es una variable que tú puedes

[29:03] definir o potenciar, es decir, quiero focalizar la atención en, como decías tú, un grupo

[29:09] racial, un grupo minoritario o mayoritario o una cierta corriente política, una cierta

[29:16] tendencia, tiene muchísimo impacto en lo que sucede a partir de ahí, a continuación.

[29:24] Sí, y también tiene consecuencias claras, como la que hemos visto

[29:31] con Google, porque la gente espera un estándar de trato cuando habla

[29:39] con un modelo de inteligencia artificial, por ejemplo tú vas al doctor, vas al médico

[29:43] y porque te encuentras mal o lo que sea, esperas más o menos que el doctor no te escupa

[29:49] en la cara esperas cierto tipo de cosas de algunos comportamientos que no quieres que

[29:55] sucedan porque los consideras inaceptables eso también yo creo que la gente pues no quiere

[30:01] que el modelo de inteligencia artificial le trate mal o se sienta discriminado o cualquier

[30:07] tipo de estas cosas No, claro.

[30:10] Bueno, nosotros en nuestra vida humana sufrimos muchas cosas que son muy contextuales.

[30:15] El juramento hipocrático solamente lo tienen los médicos, es como un juramento que, es

[30:20] decir, un abogado no tiene, un electricista No tiene, un juramento de que por encima

[30:24] de todo voy a hacer una corriente estable.

[30:27] Es como, ¿no? Y eso es contexto muchas veces porque determina

[30:35] otras cuestiones éticas, ¿no?

[30:38] En la bioética, por ejemplo, salud, ya no estamos metiendo aquí eutanasia, todo esto,

[30:44] pero son cuestiones humanas que se siguen entendiendo dentro de los contextos también

[30:49] de inteligencia, pero también en una base de conocimiento filosófico y de entendimiento

[30:56] que estamos descubriendo también.

[30:57] Lo que hablábamos de la atención, se están descubriendo cosas nuevas de cómo nos comportamos

[31:03] y en esta inteligencia artificial que estamos creando estamos a la altura de crear esa

[31:07] base. Wow, estamos avanzados y yo diría

[31:14] que esto no va a cambiar, de hecho yo ya he visto alguna foto de por ejemplo la

[31:21] gente llevando en el metro las Apple Vision Pro, las nuevas gafas de realidad aumentada

[31:27] de apple o sea que nuestra como sociedad estamos siendo

[31:34] más self absorb estamos centrándonos más en nosotros más y más y es un poco peligroso

[31:41] pero vamos nos acercando a black mirror a black mirror si el charly broker fue un visionario

[31:48] el tío lo hizo en plan hacer una serie un poco perturbadora para avisar a la gente pero

[31:54] estamos yendo hacia ahí sí sí y yo diría que en general debería preocuparme

[32:01] pero me da más ganas o sea quiero ver lo que pasa porque mientras el control del mundo

[32:09] yo creo que está perdido nosotros como individuos nunca podremos controlar el mundo de

[32:14] ninguna manera a no Ser que seamos multimillonarios y ni siquiera probamos que la

[32:21] inteligencia artificial no lo veo como un arma ni nada como lo que está diciendo la gente,

[32:26] wow, la inteligencia artificial va a acabar con el mundo va a acabar con las almas de

[32:31] las personas no las almas de las personas, eso ya lo ha acabado

[32:38] Ya nos hemos encargado nosotros

[32:41] claro, nosotros somos individuos, entonces las decisiones recaen sobre nosotros no le

[32:46] echemos la culpa al mundo ni a la inteligencia artificial oye, en esto en la inteligencia

[32:52] artificial que decían que habían hecho una prueba con una inteligencia artificial que

[32:56] tenía que hacer una tarea y tenía que en un momento dado resolver un captcha y como no

[33:01] podía resolver el captcha, lo que hizo fue

[33:05] Contactar con un servicio de contratación de una persona para que le resolviera el captcha

[33:11] y la persona dijo, pero bueno ¿cómo vas a resolver un captcha?

[33:15] Es decir, que no eres humano.

[33:16] Y la inteligencia artificial detectó, digamos, como que no debía

[33:20] revelar que era una inteligencia artificial y entonces dijo no es que tenga una dificultad

[33:25] visual entonces necesito que alguien me resuelva el CAPTCHA le resolvió el CAPTCHA y

[33:29] pudo hacer una tarea, con lo cual un poco la conclusión que decía este clip era la inteligencia

[33:36] artificial no va a dominarnos y someternos como si fuésemos esclavos simplemente nos

[33:40] nos va a tener pues como dice como un perro un perro es muy inteligente pero

[33:47] si te pones a competir en inteligencia entre tú y un perro, pues el perro no tiene opción

[33:51] es más como que va a cuidarnos en el sentido de decir para convivir todos tenemos que

[33:58] estos seres criaturas y nosotras las máquinas tenemos que alejarla de las bombas,

[34:05] alejarla de los conflictos armados, o sea a lo mejor quizá, yo también pienso como tú

[34:10] yo pienso que tengo más ganas que miedo, tengo más ilusión que miedo

[34:17] Yo creo que también tiene que ver con porque nos dedicamos a la tecnología y entonces

[34:23] esto es un tema que gusta no depende de dónde hayas venido y digital

[34:30] si te gusta mucho la tecnología al final te va a gustar la inteligencia artificial yo

[34:36] a todo el mundo que me pregunta oye cómo me puedo meter en el tema de inteligencia artificial

[34:42] o en el tema de tecnología yo creo que hoy en día con la cantidad de cosas que hay ahora

[34:49] mismo además que están estos modelos de generación de texto que realmente funcionan extremadamente

[34:57] bien para recomendar cosas porque por ejemplo en el caso de chat gpt porque funciona

[35:04] muy bien porque fue entrenado no sólo con todos los datos de wikipedia que contienen

[35:10] más o menos el conocimiento humano destilado en una página web sino que también

[35:17] han utilizado un montonazo de otras páginas web para entrenar sus modelos entonces son

[35:24] súper súper inteligentes estos modelos yo creo que la inteligencia artificial y en general

[35:31] la tecnología es un buen un buen sitio donde meterse una buena industria que va

[35:39] hacia arriba en mi opinión y se puede empezar a cacharrear con cosas

[35:47] desde el primer momento se puede te puedes meter en páginas web a leer código puedes

[35:53] tener tú tus propias ideas hablar con gente con en foros o aquí en comunidades como esta

[36:00] De discos para resolver problemas con otra gente también tienes generación de código

[36:06] generación de texto para que te dé nuevas ideas si es que no las puedes no se te ocurren

[36:12] a ti los recursos son ilimitados Y para aprender, en GitHub hay un montón de cosas.

[36:20] En Oracle también, por ejemplo, tenemos un montonazo de guías y de recursos y también

[36:26] tenemos una certificación de inteligencia artificial que te permite tener

[36:34] una idea más o menos de cómo funciona la industria entera y de enterarte de

[36:41] lo que está progresando todo.

[36:43] Incluso pues en el caso hipotético y en el ideal incluso que la gente pueda trabajar

[36:50] de inteligencia artificial en el futuro ojalá dicho de hecho a lo que estabas diciendo

[36:56] voy a hacer varias puntualizaciones de las cosas que hayas dicho un ejemplo sobre la

[37:01] certificación he leído y un poco antes así he comentado un poco contigo esto que me lo

[37:07] has confirmado dice que la La certificación de inteligencia artificial que tiene Oracle

[37:12] es como un 80 % vendor free.

[37:16] Es decir, si alguien, por ejemplo, quiere empezar en la inteligencia artificial sin casarse

[37:21] mucho con una plataforma o con un fabricante, esta certificación le sirve porque son

[37:28] todos contenidos teóricos transportables a otros entornos, con lo cual súper recomendado.

[37:34] Yo he tenido bastante buen feedback De esa certificación sí, es un buen

[37:42] punto para empezar, ¿no? Sí, sí, es un buen punto.

[37:46] Es una certificación muy buena porque, como tú dices, es vendor free en el sentido de

[37:51] que la mayoría de preguntas o de conceptos que se hablan y se examinan son

[37:59] problemas conceptuales, problemas teóricos, que te dan una base de toda la teoría de

[38:05] inteligencia artificial, pero no son realmente específicos de Oracle, no necesitas ser

[38:11] un experto en Oracle para resolver esto, simplemente necesitas más o menos saber las

[38:18] cosas que se ofrecen en Oracle de inteligencia artificial, que son alrededor de 5 o

[38:25] 6 servicios, Más o menos entender cómo funciona cada uno de ellos, la tecnología que

[38:30] hay detrás, por ejemplo. Cosas como, ¿cuál

[38:35] es la importancia del entrenamiento de los datos en Machine Learning?

[38:41] Preguntas así, de ese estilo.

[38:44] A veces preguntas teóricas que te hacen pensar un poco pero que no son extremadamente

[38:49] no necesitas un doctorado para hacer la certificación

[38:56] y es una buena una buena forma de empezar a meterte en ese mundo también la certificación

[39:03] sí sí sí sí sí y formas claros formación y certificación un poco muy de la mano y en

[39:09] live labs hay algún hay laboratorios así hechos para poder hacer digamos algún

[39:16] algún ejercicio resuelto la parte de los tuyos de github un poco reproducirlo sí

[39:23] Sí aparte de los míos vamos yo a la mayoría del contenido la tengo en live labs antes

[39:31] más que ahora pero vamos ahí aparte de tener todos mis mis labs que a lo mejor son unos

[39:37] 8 laboratorios en total hay laboratorios de todo también de hecho en en database hay

[39:44] un montonazo montonazo de laboratorios y

[39:49] también algunos laboratorios relacionados que incluso os podría venir bien a vosotros

[39:55] en café database porque son database más inteligencia artificial como por ejemplo Por

[40:01] ejemplo, este de League of Legends que hablábamos, tiene una base de datos y utilizamos

[40:08] la parte no relacional de la base de datos autónoma para guardar

[40:15] ahí los datos en formato JSON y a partir de eso hacer un modelo de inteligencia artificial

[40:20] desde cero. Es decir, entrenas o aprendes a extraer datos con una API

[40:28] Utilizar esos datos para crear un modelo de inteligencia artificial

[40:33] Y así se tocan un montón de temas Coges las bases de datos como storage

[40:42] Coges entrenamiento de modelos, extracción de modelos Que es lo que normalmente hace

[40:46] un ingeniero de datos Luego haces también el entrenamiento de los modelos en data science

[40:51] o sea hay un montón de componentes así que hay muchísimo muchísimo contenido en live

[40:58] labs que le puede venir bien a la gente y además lo puedes hacer de manera gratis porque

[41:05] en oracle tenemos unas cuentas que se llaman cuentas always free si tú te registras en

[41:11] oracle en oracle cloud me refiero si tienes aparte de que tienes una oferta la primera

[41:18] vez que te registras de 300 dólares para gastarte los en lo que quieras en el primer

[41:23] mes para que puedas de ployar y puedas abrir las bases de datos que quieras los yo que

[41:29] sé si te apetece aprender sobre kubernetes aprende sube kubernetes no tienes ninguna

[41:34] restricción al respecto así que hay un montón de cosas gratis y luego cuando

[41:41] pasan los 30 primeros días te

[41:45] Quedas tú con tu cuenta la mayoría de servicios se bloquean pero sigues teniendo ciertas

[41:51] cosas que van a hacer o al menos esperemos que sean siempre always free yo por ejemplo

[41:58] hasta hace poco tenía ahí hosteado mi página web personal

[42:03] Que ahora ya me voy a cambiar el dominio probablemente así que ahora mismo estoy de mudanza

[42:08] de página web pero vamos que los hay gente por ejemplo tenía un compañero mío que se

[42:15] llamaba Chris Benson, que era la persona que tenía el récord Guinness del mayor clúster

[42:21] de Raspberry Pis del mundo

[42:23] y Chris Benson por ejemplo, utilizaba su Always Free para tener ahí un servidor de Minecraft

[42:29] con su hijo, o sea hay casos ilimitados el número de usos es ilimitado Sí,

[42:36] sí, sí, sí, esa prueba del servidor de Minecraft con el OCI, ese es un vídeo que está

[42:43] en café database está hecho el tutorial de cómo hacerlo pues eso es la prueba de fuego

[42:50] de que de que funciona bien el cómputo porque la verdad es que yo he jugado a minecraft

[42:57] bueno empecé a jugar a minecraft cuando salió minecraft hace muchos hace muchos años

[43:01] y es un juego que está Está escrito en Java, pero que

[43:08] tenía ciertos problemas con la virtualización, con el JVM.

[43:12] Si mal no recuerdo, tenían problemas de optimización porque utilizaban variables demasiado

[43:18] grandes. Ese era uno de sus problemas.

[43:20] Y otra es porque tenían una interfaz creada en Java muy...

[43:25] Vamos, que el código no estaba bien hecho al principio, entonces la optimización del

[43:29] Minecraft... Solo, lo hizo no es el nombre, pero lo hizo un tipo solo.

[43:35] Sí, De hecho hay un objeto en Minecraft que está hecho por él, que es una capa como la

[43:42] capa de Superman, que tiene su nombre pero no me acuerdo de su nombre porque hace mucho

[43:46] que no juega Minecraft, pero vamos que el creador de Minecraft tiene un objeto en Minecraft

[43:50] en teoría, él tiene Qué bueno

[43:55] Marcus Persson Ah, Marcus Marcus Persson.

[44:01] Tengo una petición de mi hijo que me preguntaba, por favor pregúntale a Nacho con qué

[44:06] juegos puedo hacer, digamos, lo mismo que hiciste con League of Legends, pero es decir,

[44:13] que el juego, entre comillas, tengo un API que me permite bichear los datos a tiempo

[44:20] real y que pueda cargar de pronto a lo mejor partidas que puedan estar cargadas o que

[44:24] haya un repositorio para hacerlo.

[44:27] Lo digo leyes está claro pero hay algún juego más fortnite permite se podría hacer

[44:35] algo así es decir depende que vas desarrollando a nivel del juego y cómo se han ido jugando

[44:40] ciertas partidas maestras no ciertas partidas de competición de esports si hacer algo

[44:46] similar sí pues a ver depende sobre todo depende de la popularidad del juego tiene que

[44:52] ser un juego en general popular no porque porque lo diga yo, sino porque en general las

[44:59] aplicaciones que se crean de videojuegos relacionadas con este tipo de cosas

[45:06] van normalmente gravitando hacia donde la gente tiene interés.

[45:10] Si la gente no tiene interés en el juego, no hay muchos jugadores, las probabilidades

[45:14] de que haya software ya creado para poder hacer telemetría de ese juego es menos probable.

[45:20] Entonces normalmente mirando las las los juegos más potentes son más famosos

[45:28] yo diría que el league of Legends es un gran ejemplo porque además es que ellos anuncian

[45:33] públicamente que tiene una API pero no son el único juego que tiene API juegos parecidos

[45:40] aparte de los juegos de conducción que muchos juegos de conducción tienen telemetría

[45:44] por el diseño del juego está hecho así algunos Algunos juegos de deportes, como por ejemplo

[45:50] los juegos de EA Sports, algunos, no todos, tienen telemetría también.

[45:57] Pero aparte de los juegos que tienen telemetría o no, hay otra forma de tú crear tu propio

[46:03] software de cualquier videojuego que te apetezca jugar.

[46:07] Que es como por ejemplo utilizando tu detección de objetos y cosas así.

[46:13] Tú puedes crear lo que quieras.

[46:15] Realmente, y por ejemplo yo he hecho algunas cosas en algunos juegos alrededor de esto,

[46:20] como por ejemplo un juego de piratería piratería me refiero a piratas o sea, no ciberpiratas

[46:27] me refiero a piratas reales es un juego que se llama Sea of Thieves es un juego en el

[46:33] que tú vas con tus compañeros, tienes tu propio barco es un mundo abierto en el que hay

[46:37] barcos que se van, pues eso disparando entre ellos y tal, pues ese juego por ejemplo

[46:44] no tiene ninguna API pero yo dije bueno este juego me gustaría que ciertas cosas se

[46:51] hicieran de manera automática del juego para que no lo tuviera que hacer yo constantemente

[46:55] realmente Tú puedes hacer lo que quieras con con con vídeo con imágenes podrías

[47:03] las regiones de tu pantalla que es lo que yo hacía coger recibe regiones de tu pantalla

[47:08] para analizarlas es decir si en esta posición hay hay ciertas cosas utilizando o conectando

[47:15] el juego con un reconocedor óptico de caracteres, como por ejemplo lo del CAPTCHA,

[47:22] puedes sacar un montonazo de datos que no se pueden sacar en teoría.

[47:28] Por ejemplo, puedes sacar números de la pantalla, puedes detectar objetos que están en

[47:34] la pantalla y crear tus propios modelos de detección de objetos.

[47:37] ¿Por qué? Que normalmente te puede servir para detectar la posición de otros jugadores,

[47:43] te puede servir para detectar o tomar ciertas decisiones en la partida dependiendo de

[47:48] lo que se esté viendo en la pantalla.

[47:50] Y todas estas cosas las puedes hacer desde cero.

[47:53] No solamente te tienes que guiar con lo que te ofrezca el juego, sino que hay algunas

[47:57] cosas que los juegos no te ofrecen que realmente son las cosas que más apetecen.

[48:04] Por ejemplo, hay un montonazo de aplicaciones.

[48:07] Por ejemplo, yo también juego un juego de terror que se llama Dead by Daylight.

[48:12] Hay una aplicación aquí que es Nightlight.

[48:17] Nightlight es una aplicación que automáticamente detecta en la pantalla cuando tú has

[48:22] terminado una partida, hace una screenshot A la pantalla de las estadísticas después

[48:28] de la partida y te hace como un historial de partidas.

[48:32] ¿Por qué? Porque el juego original no tiene un historial de partidas en el que tú te

[48:37] puedas meter y decir Vale, estas son mis últimas 10 partidas, en esta partida me ha pasado

[48:41] esto, en esta partida me ha pasado lo otro, etc.

[48:44] Y esta persona con un poco de inteligencia, pero no inteligencia artificial, está haciendo

[48:51] detección de partes de la pantalla En el caso de que detecte que estás en la pantalla

[48:56] final, al final de la partida lo detecta, hace una screenshot analiza la screenshot,

[49:03] regiones de la pantalla, las detecta y las analiza y te dice, vale, esta partida tuvo

[49:07] una, hiciste esto bien, esto mal y estos son los jugadores con los que jugaste y estos

[49:14] fueron tus puntos finales esa persona ha intentado hacer algo que nunca estaba disponible

[49:20] ni lo estaría sin él, y gracias a él gracias a que tuvo una idea de hacer un historial

[49:26] de partidas, por ejemplo pues ahora eso ya está ahí O sea, las ideas se pueden desarrollar.

[49:33] Tengas tú las facilidades del juego o no las tengas.

[49:38] Eso aplicado a juegos, ¿qué más podríamos utilizar?

[49:42] Una pregunta, espera, voy a pegar aquí un triple salto.

[49:47] Tenía apuntado que hablásemos del AI Hub de Oracle.

[49:52] Sí, pero antes para acabar lo de los juegos y por unirlo a lo mejor un poco, aparte de

[49:58] videojuegos que a lo mejor puede ser un tema que a lo mejor haya gente que diga uff,

[50:02] pero me puede parecer muy complicado y muchas variables o juego ocasional, porque estamos

[50:07] hablando de que tú ya juegas un nivel profesional en competición y sports y tal.

[50:12] De este IA Hub Que me vas a hablar ahora Y de qué soluciones podríamos utilizar

[50:19] Para, podríamos tener Alguna cosa, podríamos hacer algo en inteligencia artificial

[50:23] Fácil de aprender O asequible, algo que nos podríamos hacer Un bot de Discord Para Café

[50:29] de Atagase Sí, pues mira Te digo las dos cosas, estoy haciendo aquí un triple salto Pero

[50:35] cuéntame lo del IA Hub Este de Oracle Que vais a sacar Y cuéntame también casos de aplicaciones

[50:41] en los que podamos aplicar inteligencia artificial un poco, pues, más cosas más cotidianas

[50:47] o cosas más asequibles o una pequeña empresa que, digamos, pueda decir, oye, ¿podría

[50:50] yo utilizar servicios de inteligencia artificial o poderme hacer un chatbot sobre mi

[50:55] empresa? Es decir, cosas más, quizá más genéricas, a lo mejor más sencillitas.

[51:01] Sí, pues el AI Hub, ¿vale?

[51:04] Es una cosa que todavía no hemos sacado, pero bueno, estamos haciendo un montón de personas,

[51:11] estamos haciendo una serie de casos de uso que normalmente son comunes o son interesantes

[51:17] y yo estoy encargado de la parte de todos los casos de usos que tengan que ver con inteligencia

[51:24] artificial. Entonces, yo estoy en la parte del AI Hub.

[51:27] El AI Hub simplemente es una colección de soluciones que se pueden empezar sin tener

[51:33] ni idea de nada para hacer tú algo guay con inteligencia artificial en Oracle Cloud.

[51:39] Entonces, por ejemplo, uno de los repositorios, una de las ideas que tuve fue empezar

[51:49] De cero, desde cero, sin conocimiento, utilizando el servicio de OCI Language.

[51:54] Es un servicio de lenguaje que hay en Oracle, que lo que hace es, aparte de traducir

[51:59] textos, no solamente, sino que hace análisis de textos, en el sentido de que te puede

[52:05] clasificar el texto, te puede hacer análisis de sentimiento del texto, y esas dos son

[52:12] las partes importantes de este caso de uso.

[52:15] Por ejemplo, primero lo que hago es coger un montonazo de tweets de la API de Twitter,

[52:20] pero no cojo los tweets de forma indiscriminada, lo que hago es coger los tweets

[52:29] relacionados con un stock.

[52:31] Por ejemplo, el stock de Oracle o el stock de NVIDIA, cualquier stock,

[52:36] tú se lo metes en la query, te saca 5 .000 tweets, los 5 .000 tweets más famosos, los

[52:43] más recientes, perdón, y entonces a través de esos 5 .000 tweets primero se asegura de

[52:49] que todos los tweets estén en inglés, utilizando el servicio hago la traducción de todos

[52:54] los textos a inglés y una vez todos los textos estén en inglés hago análisis de sentimiento

[53:00] de los 5 .000 textos, y hago una media luego ¿por qué?

[53:05] Porque o sea, el propósito de esto es más o menos decirte cómo está en tiempo real el

[53:13] sentimiento de la gente de estoy comprando este stock estoy vendiendo este stock y que

[53:19] te diga una forma de, vale te estoy recomendando En tiempo real con inteligencia artificial,

[53:25] si deberías comprar o vender en un stock o si deberías invertir dinero aquí aquí o no

[53:30] deberías invirtir dinero en este en este stock eso qué emoción qué emoción se cuece detrás

[53:38] de no Sí exacto exacto es decir se se

[53:46] analiza más o menos si la gente está feliz o está triste hablando de un stock en específico

[53:54] y esto se puede o sea es un caso de uso de big data porque necesitas muchísimos tweets

[53:59] de hecho cuantos más tweets mejor va a ser el análisis tienes muchísimos muchísimos datos

[54:06] y los estás pasando todos por el servicio del lenguaje por lo tanto tú en tu casa no

[54:13] tienes que tener el ordenador ardiendo porque estás pasándole la complejidad de los cálculos

[54:18] a un servicio oa un ordenador que está en un data center que aparte de que tienen en

[54:24] una refrigeración brutal y con brutal me refiero que algunos incluso sumergen los servidores

[54:32] en líquidos especiales que están bajo a unas temperaturas muy bajas para que todo el

[54:39] calor y todo eso no te moleste pero vamos que también es muy barato en el sentido de

[54:45] que a lo mejor una Una petición de 100 traducciones te cuesta 3, 4 céntimos.

[54:52] Entonces, Es bastante, es uno de los múltiples casos.

[54:58] Otro caso que te puedo decir, por ejemplo, es tú subes un PDF a una plataforma y

[55:06] puedes preguntar con generación de texto, puedes preguntar a Oracle Cloud, le puedes

[55:13] hacer preguntas sobre ese texto en PDF.

[55:15] Es otro servicio que se llama Generative AI Agents, que está ahora mismo en beta, pero

[55:21] por ejemplo estamos haciendo también, lo estoy haciendo en este caso, una forma de tú

[55:28] aprender a generar datos, utilizar estos datos, formatear los datos para que se puedan

[55:35] utilizar con Oracle Cloud, cuál es la estructura de datos, por qué la estructura de datos

[55:40] es la que es, cómo utilizar el Oracle Cloud para crear tus endpoints, cómo hacer el deployment,

[55:47] es decir, cómo tú, ¿cómo se dice deployment en español?

[55:52] Despliegues eso, cómo hacer tú el despliegue del modelo en Oracle Cloud, cómo se accede,

[55:59] cómo puedes invocarlo luego.

[56:03] Eso, como un overview de cada uno de los servicios.

[56:07] Entonces he hecho ya, por ejemplo, en visión con detección de objetos para detectar problemas

[56:12] en en alguno en algunas por ejemplo manufacturadores de botellas análisis

[56:19] de detección de botellas para ver si tienen imperfecciones en la superficie también hice

[56:26] por ejemplo con visión desde cero empezar a tu poder hacer tu propio el modelo

[56:34] de detección de objetos para una cosa que no existe en mi caso lo que hice fue un modelo

[56:39] de que te decía si tú Tú enfocabas una cámara a cualquier persona y te decía si esa persona

[56:46] en la época del COVID, te decía si la mascarilla está bien puesta, si está mal puesta

[56:52] o si no la lleva. Y en el caso de, te preguntarás, ¿y cómo puede saber eso un modelo

[56:57] de inteligencia artificial?

[56:58] Pues lo único que tienes que hacer es darle 50 .000 ejemplos de cada uno de los casos.

[57:03] Gente con la mascarilla mal puesta toma 10 .000 casos gente con la mascarilla bien puesta

[57:08] toma 10 .000 casos y gente sin mascarilla toma 10 .000 y con eso se enseñó

[57:16] y enseñó a la gente a meterse a hacer tu propio modelo de lo que te apetezca

[57:23] y cómo de proyectarlo en hora con cloud o sea ellos el servicio por servicio tenemos

[57:28] o sea y vision tenemos data science para para que tengas tus propios notebooks tenemos

[57:34] Pues eso el language el de lenguaje tenemos también uno el gene y hay service nuevo tenemos

[57:42] o hace que te permite hacer un montón de cosas de analítica y conectar servicios de oracle

[57:47] hay montonazo montonazo de cosas así que es eso lo que a la gente le apetezca

[57:54] aprender pero todo es posible vamos lo único que hace falta de saber dónde mira.

[58:02] ¡Qué bueno! Voy a dar un dato que a lo mejor no conocías.

[58:05] ¿Sabías que en el blog de Café de Atabase tengo publicado un artículo donde tengo

[58:12] incrustado un vídeo tuyo?

[58:15] ¿Ah, sí? ¿No? No lo sabía.

[58:17] Pues porque en la hackathon que se hizo el año pasado en las Naciones Unidas yo estaba

[58:22] como mentor. ¡Ah! ¡Vale, vale!

[58:25] Sí, entonces, ahí es donde te conocí por primera vez.

[58:29] De conocido online por primera vez.

[58:32] Le pasaron a las personas que participaban en esta hackathon, Oracle les pasó dos vídeos

[58:37] y uno de los vídeos era el tuyo y yo lo puse en el blog, voy a poner aquí el enlace,

[58:45] en el que cuentas cómo hacer un modelo

[58:52] GPT en Oracle Cloud. Un vídeo muy conciso, Es decir, fíjate que era un training,

[59:00] digamos, como de casi una hora o hasta menos de una hora, quizás, no sé, 50 minutos,

[59:05] para que los participantes, que era gente que podía no venir con ningún conocimiento

[59:11] de informática, gente o recién licenciada o estudiantes O incluso había gente que no

[59:16] sabía desde que se metió porque tenía una idea, era de buscar soluciones que estuviesen

[59:23] en línea con los objetivos de desarrollo sostenible de las Naciones Unidas.

[59:27] Si tu vídeo era uno de los vídeos que vi y dije yo qué bueno qué bueno y lo tengo

[59:34] puesto en el blog lo estoy viendo aquí sí y también tienes a mi compañero paul parkinson

[59:41] ahí en el primer vídeo si pasaron los vídeos exacto el vídeo en scratch visora cola no

[59:48] pegue ella y el tuyo era del modelo de lo de...

[59:53] Paul Parkinson es una de las personas que mejor me cae de todo el planeta.

[59:58] De hecho, he estado con él dos años en Las Vegas y es la persona más graciosa

[60:06] que conozco, de verdad. Es súper inteligente en ese sentido.

[60:10] O sea, tiene el mismo sentido del humor que yo.

[60:13] Vamos, hemos estado llorando de risa en Las Vegas varias veces.

[60:19] O sea, me río muchísimo con él y de hecho sabe muchísimo muchísimo de realidad aumentada

[60:25] y de realidad virtual ha sido siempre su expertise y ahora está metiéndose también con

[60:32] el tema de inteligencia artificial con las nuevas vision pro le gusta también estar mucho

[60:36] metido en el tema de lo que va saliendo y tal está muy bien así que si recomiendo

[60:44] recomiendo están ahí que una última cosita O sea, se

[60:51] nos ha quedado corto el café, iba a ser una hora y te estoy ahí arañando unos minutos

[60:55] más. Una última cosita, ¿cómo ves el tema de empleo, posibilidades de empleo?

[61:03] Sobre todo, ¿en cuánto se puede valorar a nivel profesional que un administrador,

[61:10] un programador, tenga conocimientos sobre IA?

[61:13] ¿Tú cómo lo ves esto ahora?

[61:15] Es decir, a nivel empresa, a nivel mercado, a nivel recursos humanos, contratación.

[61:20] ¿Cómo verías tú el invertir en aprender inteligencia artificial a corto plazo, a largo

[61:26] plazo, a nivel profesional, en el empleo?

[61:29] Yo diría que Mínimo tener una base es más importante hoy que

[61:36] antes y diría que incluso he notado, no solo en Oracle, sino también conozco algunas

[61:43] personas que antes trabajaban en Oracle conmigo, que se han ido a otras empresas y tal,

[61:47] que hay mucho cambio últimamente en el que algunos empleados incluso se están

[61:54] pasando, empleados que no hacían nada de inteligencia artificial les están pasando a

[61:59] inteligencia artificial. Porque, o sea, están haciendo tanto peso las empresas en inteligencia

[62:05] artificial que están metiendo gente que ni siquiera era de ese dominio previamente.

[62:10] Así que creo que tener una base de inteligencia artificial es imprescindible en el mundo

[62:16] de la tecnología o si trabajas en una empresa tecnológica o quieres trabajar en una empresa

[62:21] tecnológica. Pero vamos, es como sugeriría que hace un par de años la

[62:29] gente se metiera en el tema de Python y antes de eso la gente se metiera en el tema de

[62:36] la descentralización y de la computación ubicua.

[62:39] O sea, toda la parte de IoT, de todos los mini...

[62:44] O sea, cada cinco años o así hay un tema en específico y ahora mismo el

[62:51] tema es inteligencia artificial y lo recomiendo absolutamente a todos vosotros porque

[62:57] es importante. Es importante y no duele el saber, pero sí duele

[63:05] el no saber. Entonces, recomendado qué grande.

[63:10] Nacho, te voy a dejar que cierres, ¿vale?

[63:15] Sin antes necesito decirte que te voy a invitar a que si quieres algún

[63:22] día, si quieres que hagamos algún laboratorio en abierto para la gente, en plan así gratuito,

[63:27] para ver algo. Luego, ¿sabes cómo?

[63:30] Los seis tenemos créditos de ocio.

[63:32] Tengo como 6 .000 euros en ocio que podemos utilizar y podemos gastar y podemos hacer

[63:37] algún cacharreo. Si quieres, mi casa es tuya, mi Ocio es tuyo podemos hacer un laboratorio.

[63:43] Te brindo esta invitación a que hagamos lo que quieras.

[63:48] Y te dejo, si tienes algo más que decir.

[63:52] Se me ha hecho corto, me han faltado...

[63:56] Sí, a mí también, la verdad.

[63:58] No sabía que había pasado ya la hora.

[64:02] Pero sí, sí, acepto esa invitación.

[64:05] Podemos hacer alguna sesión más interactiva, que la gente pregunte lo

[64:13] que quiera y se lo podamos responder en tiempo real.

[64:17] Las dudas en tiempo real de alguna alguna yo que sé algún repositorio que

[64:24] os guste o tal pues o algún tema en específico que vosotros queráis ver yo quiero

[64:33] retomar los laboratorios los tengo un poco olvidados el siguiente laboratorio que voy

[64:36] a hacer va a ser hablar sobre la dualidad de jason y relacional que tiene oracle 23 que

[64:42] permite que tanto si lo almacenas en jason como si almacenas en relacional, con las Duality

[64:48] Views, lo puedas consultar de forma transparente, ¿no?

[64:51] O operar con JSON o operar con SQL

[64:55] Puro y duro entonces, estoy preparando un laboratorio de esto, está bien para todo el

[64:59] mundo en abierto y el siguiente, pues, podemos hablar y podemos hacer alguna cosita juntos,

[65:04] si te parece. Puede estar muy chulo por supuesto.

[65:08] Pues, oye, Nacho, un placer, pero un placer enorme.

[65:11] Ha sido súper interesante.

[65:15] Igualmente, un placer de estar aquí contigo Pues a todos, grabamos el podcast, lo subiremos

[65:21] yo creo que en un par de días lo subiremos por si alguien lo quiere volver a oír, gracias

[65:27] a los que estáis ahí en la audiencia comentando cosas algunos comentarios, ¿para cuándo

[65:33] vamos a ver Her en Oracle?

[65:35] Este es lo de Muchachada, es decir, robots robots, pero si no tienen forma humana no

[65:42] puedes casarte con ellos, no son robots un robot de cocina no es una Thermomix

[65:47] hoy ha sido un placer Nacho, cuando quieras tenemos otra sesión, nos tomamos otro café

[65:54] juntos perfecto y a ver si nos vemos en persona que en persona también los cafés son

[65:59] mucho mejores un abrazo a todos muchas gracias