PODCAST INVITADO: Ed-Technical Temporada 2 Episodio 9
Escritores
Esta temporada Libby Hills de la Jacobs Foundation y el investigador de IA Owen Henkel continúan hablando con destacados investigadores, profesionales y educadores sobre el tema. Serie de podcasts Ed-Technical Se abordará la vanguardia de la IA en la educación. Se desglosarán conceptos complejos de IA en explicaciones no técnicas para comprender mejor las investigaciones y ayudar a los educadores a discernir la información útil entre la exageración generada por la IA.
Este episodio es el segundo de nuestra trilogía. miniserie con GoogleEn este episodio, descubrimos cómo una de las mayores empresas tecnológicas del mundo desarrolló LearnLM, una familia de modelos de lenguaje complejos específicamente para la educación. Nos centramos en los fundamentos técnicos y conceptuales de LearnLM. Libby y Owen entrevistan a tres expertos de Google, entre ellos DeepMind, quienes participan activamente en el desarrollo de LearnLM.
Uno de los problemas con los modelos de lenguaje grandes listos para usar es que están diseñados para ser... asistentes útilesNo se trataba de profesores. Google estaba interesado en desarrollar un modelo de lenguaje amplio, más adecuado para tareas educativas, que otros pudieran usar como punto de partida para productos educativos. En este episodio, miembros del equipo de Google hablan sobre cómo abordaron este proyecto y por qué algunas de las sutilezas de la buena enseñanza hacen que sea una tarea particularmente compleja.
Describen los procesos internos que transforman un modelo de lenguaje genérico y extenso en algo más adaptado a las necesidades educativas. Libby y Owen exploran cómo los equipos de Google abordaron el ajuste fino para dotar a LearnLM de comportamientos pedagógicos que no se pueden lograr solo con ingeniería rápida. Este episodio ofrece una perspectiva única del esfuerzo riguroso, iterativo y multidisciplinario que se requiere para convertir una IA de propósito general en una herramienta con potencial para apoyar el aprendizaje.
No se pierdan el próximo episodio de esta miniserie, donde Libby y Owen dan un paso atrás y analizan cómo definir tutoría y evaluar hasta qué punto una herramienta de IA está dando resultados.
Biografías de los equipos
Muktha Ananda es líder de ingeniería, Aprendizaje y Educación en Google. Muktha ha aplicado la IA a diversos ámbitos como los videojuegos, la búsqueda, las redes sociales y profesionales, la publicidad online y, más recientemente, la educación y el aprendizaje. Algunos creen en hacer que la IA sea más inteligente. El trabajo de toda la vida de Muktha se ha centrado en hacer que las personas sean más inteligentes mediante la IA. Se ha tratado de desmitificar cosas complejas con las que las personas se encuentran a diario. Gran parte de su trabajo se centra en la creación de plataformas, especialmente grafos de conocimiento. En Google, el equipo de Muktha desarrolla tecnologías de IA horizontales para el aprendizaje que se pueden utilizar en superficies como la Búsqueda, Gemini, Classroom y YouTube. Muktha también trabaja en Gemini Learning. El equipo lanzó Learning Coach, la primera experiencia de tutoría en Gemini.
Markus Kunesch Markus es ingeniero de investigación sénior en Google DeepMind y líder técnico del programa de investigación de IA para la educación. Su trabajo se centra en la IA generativa, la IA para la educación y la ética de la IA, con especial interés en traducir la investigación en ciencias sociales en nuevas evaluaciones y enfoques de modelado. Antes de dedicarse a la investigación en IA, Markus obtuvo un doctorado en física de agujeros negros.
Irina Jurenka Irina es jefa de investigación en Google DeepMind, donde trabaja con un equipo multidisciplinario de científicos e ingenieros para impulsar las capacidades de la IA generativa con el objetivo de hacer que la educación de calidad sea más accesible para todos. Anteriormente, trabajó en la mejora del razonamiento en modelos de lenguaje y en la comprensión de qué constituye una "buena" representación para apoyar la inteligencia, fusionando ideas de aprendizaje automático, neurociencia y física. Antes de unirse a DeepMind, Irina recibió el premio de la Sociedad Británica de Psicología para estudiantes de pregrado por sus logros como estudiante de Psicología Experimental en la Universidad de Westminster. Posteriormente, realizó un doctorado en el Centro de Neurociencia Computacional e Inteligencia Artificial de Oxford, donde se centró en comprender los principios computacionales que subyacen al procesamiento del habla en el cerebro auditivo. Durante su doctorado, Irina también trabajó en el desarrollo de IA para póker, la aplicación del aprendizaje automático en el sector financiero y el reconocimiento de voz en Google Research.
Enlace
Escritores