Saltar navegación

Activa JavaScript para disfrutar de los vídeos de la Mediateca.

Innovación educativa y tecnológica.Sesion AI E+ 2021 - Contenido educativo

Ajuste de pantalla

El ajuste de pantalla se aprecia al ver el vídeo en pantalla completa. Elige la presentación que más te guste:

Subido el 27 de mayo de 2021 por Marta M.

84 visualizaciones

Proyecto AIEJE E+ en el que el IES Beatriz Galindo participa como partner con el IES Honoré Balzac de Paris

Más información Transcripción

Descargar la transcripción

Tú tenías un perfil totalmente distinto. 00:00:02
Claro. 00:00:04
Yo estudié en Ingeniería de Telecomunicaciones. 00:00:05
Bueno, primero en Ingeniería Técnica de Telecomunicaciones 00:00:09
en la Universidad de Alicante. 00:00:12
Y luego ya estudié el doble máster 00:00:14
de Dirección TIC 00:00:18
y la Ingeniería de Telecomunicaciones Superior 00:00:20
en Extremadura. 00:00:23
Yo fui cambiando de profesora de España. 00:00:24
y sí, o sea, somos totalmente diferentes 00:00:27
pero en realidad hemos acabado en la misma 00:00:32
en la misma compañía, en el mismo departamento 00:00:35
coincidimos trabajando hace unos años en Deloitte 00:00:39
porque Andrea ha estado trabajando allí 00:00:45
pues cuántos, seis años, ¿no? o siete 00:00:47
y yo estuve trabajando allí por un año nada más 00:00:49
después me fui a otro despacho, a Garrigues 00:00:53
pero justo ya habíamos coincidido allí 00:00:56
entonces pues bueno, se han unido los caminos 00:00:58
posteriormente 00:01:00
y bueno 00:01:02
¿Andrea me oye? 00:01:04
¿Andrea me oye? 00:01:08
un poquito pero muy lejano 00:01:09
muy lejano 00:01:11
Andrea, mira 00:01:12
tenemos aquí a los profesores 00:01:13
que están un poco pendientes de ti 00:01:15
pero no te vemos, a ver si 00:01:18
muy por encima 00:01:19
y a un nivel muy básico 00:01:22
muy básico, a través de la inteligencia que hagan los chicos, bueno ya sabéis que 00:01:23
además la vamos a hacer en inglés, con lo cual profes, a ver que está en el oído 00:01:30
porque va a ser en inglés, a ver si traemos toda esa información y yo Andrea lo que 00:01:35
sí quiero es que explique un poquito a los profesores lo de la inteligencia artificial 00:01:39
esto que a un nivel muy básico, muy básico porque casi todo lo que conocemos es a través 00:01:43
de la película 00:01:47
y nos creemos que todo tiene que ver 00:01:49
con la robótica, entonces 00:01:51
si nos puedes hacer así una pequeñita introducción 00:01:53
qué aportaciones puede hacer la inteligencia 00:01:56
artificial 00:02:00
a nuestra vida en la ciudad 00:02:00
y a nuestra vida en el día a día 00:02:03
ya sabes un poquito eso 00:02:08
vale, repito un poco 00:02:10
porque escuchas de muy muy lejano 00:02:14
te preguntaba 00:02:17
un poco, que es la inteligencia 00:02:18
que iban a empezar 00:02:20
la entrevista 00:02:22
que ya sería en inglés, ¿no? 00:02:23
Con la pregunta de un poco como qué es 00:02:25
inteligencia artificial y cómo aplicarla 00:02:27
a pues 00:02:29
el desarrollo de la ciudad 00:02:31
y también quizá a nuestro trabajo, ¿no? 00:02:33
Sí, eso vamos a hablar 00:02:36
después, sí, quizá después. 00:02:38
O sea, una cosa más genética 00:02:40
no del concepto, ¿no? 00:02:41
Bueno, para los profesores como yo que nunca 00:02:46
hemos topado con la inteligencia artificial 00:02:48
que ya sabíamos muy bien lo que era, pues para que nos hagamos una idea 00:02:50
de los inversos que estamos en todo tipo de aplicaciones que hacen uso de ella, ¿vale? 00:02:53
¿Me oye un poquito mejor, Andrea? 00:03:02
Sí, o sea, oigo muy mal, pero bueno, como me ha repetido Pilar, intento dar una... 00:03:06
¿Pero en la parte para profesora en inglés o en español, Marta? 00:03:13
Ahora mismo te respondo en castellano 00:03:16
Ah, vale, entonces ahora en castellano 00:03:19
porque es para profesores 00:03:21
Vamos a dar un paso a los chicos para que os pregunten 00:03:22
para que os pregunten ello, ¿vale? 00:03:24
Ah, de acuerdo, de acuerdo 00:03:27
Bueno, en general 00:03:28
la inteligencia artificial es 00:03:30
bueno, pues, una combinación 00:03:32
de algoritmos 00:03:34
y pues el propósito de 00:03:35
crear o mejorar 00:03:38
máquinas para que 00:03:40
bueno, pues puedan 00:03:42
se pueden automatizar, lo mismo que se hace en las labores o capacidades humanas, 00:03:43
pues que se realizan a través de inteligencia digital. 00:03:57
Como por ejemplo, algunos ejemplos, lo que más encontramos en el día a día 00:04:04
o lo que se puede encontrar más 00:04:09
en compañías 00:04:11
es la utilización masiva 00:04:12
de datos a gran volumen 00:04:15
que es lo que se conoce 00:04:17
como Big Data 00:04:19
es la utilización masiva de esos datos 00:04:20
para un beneficio 00:04:23
para analizarlos 00:04:25
y encontrar por ejemplo 00:04:28
el pase de 00:04:29
analizar todas 00:04:30
de diferentes personas 00:04:32
o de diferentes 00:04:35
o toda esa información 00:04:36
para poder, por ejemplo, mostrar productos asociados a personas 00:04:37
o hacer bastantes datos para encontrar perfiles. 00:04:44
Bueno, me voy más en cuanto a fronterizas de datos porque es mi ámbito. 00:04:49
Pero eso, el procesamiento de un gran volumen de datos es lo que se llama Big Data. 00:04:52
Luego también lo podemos ver en la robótica ahora mismo 00:05:00
Porque se intenta realizar robots, se intenta crear robots que simulen las expresiones, 00:05:04
que simulen el comportamiento de las personas. 00:05:13
También, por ejemplo, muy conocido ahora como otro ejemplo, los chatbots. 00:05:18
Sin que haya una persona al otro lado, puedas tener una conversación o un chat de ayuda, de soporte. 00:05:23
también se utiliza 00:05:29
por ejemplo con la privacidad 00:05:31
que es mi tema libre 00:05:34
se utilizan los chatbots 00:05:36
también de forma interna 00:05:41
de forma de 00:05:42
haciendo la regulación 00:05:43
pues voy a hacer un chatbot 00:05:47
de regulación y cada duda 00:05:48
que haya sobre la regulación pues que se diga 00:05:51
en el chat y el chat propio 00:05:53
te va a hacer una serie de preguntas 00:05:55
hasta llegar a una posible solución 00:05:57
para ti, independientemente 00:05:59
y sin nadie al otro lado, simplemente 00:06:01
te ayuda de forma inteligente 00:06:03
este es un poco 00:06:05
algunos ejemplos fáciles 00:06:06
de la inteligencia artificial 00:06:08
y como en el diario yo he encontrado 00:06:10
estos 00:06:13
como límite 00:06:13
porque esto yo 00:06:17
personalmente no le veo límite 00:06:18
yo creo que el límite que tiene es 00:06:20
la propia imaginación 00:06:22
de cada una de las personas 00:06:24
y los chatbots 00:06:25
de lo que sean 00:06:28
máquinas, robots 00:06:30
de lo que sean 00:06:31
el internet de las cosas 00:06:33
en el día a día, en tu vida 00:06:34
en el trabajo, para todo 00:06:37
y en cualquier momento 00:06:39
yo creo que 00:06:41
un resumen de inteligencia artificial 00:06:43
podría ser esa 00:06:45
Gracias, gracias Andrea 00:06:47
no sé si me oye, es que tengo que cortar el micro 00:06:52
porque si no se oye, hay que cortar a tres 00:06:55
vamos a ver si hablan los chicos 00:06:56
si me oye mejor porque vamos a dar paso 00:07:00
a las preguntas que tienen 00:07:02
retratos robots 00:07:07
y para que, bueno, conozcan 00:07:08
desde vuestra propia experiencia 00:07:14
con qué se pueden 00:07:17
encontrar en el futuro 00:07:19
laboral. El formativo lo tienen ya, todavía 00:07:21
les queda un año de reposar todavía la posición 00:07:23
pero bueno, yo creo que le damos paso a ello 00:07:29
a ver si lo veis bien primero, ¿de acuerdo? 00:07:33
Y Álvaro, creo que empiezas tú, ¿no? 00:07:35
Y Lidia, y Lidia 00:07:38
Mira, quítame la máscara 00:07:39
cuando vaya a preguntar porque si no, no sé 00:07:43
¿Se lo pregunto ahora? 00:07:45
Sí, o si quiere, incluso, si quiere acercarnos. 00:07:46
Bueno, vale, está bien. 00:07:49
Adelante. 00:07:55
Eso. 00:07:56
¿Cuándo estudiaste en la escuela de alta edad y en la universidad? 00:07:57
¿Semester? 00:08:03
¿O Andrea? 00:08:06
Sí, en la universidad, por ejemplo. 00:08:09
Ok, bien. 00:08:11
Así que estudié en la universidad, estudié la ley y la ciencia política, pero en el bachillerato, en la escuela de alta, estudié la sección de tecnología de los estudios, no más como la sección de la humanidad. 00:08:12
Sí, he estudiado en la escuela de tecnología, pero me sigo como ingeniero de telecomunicación. 00:08:42
Yo estudié mi doctorado en Alicante y también estudié ingeniería de telecomunicación en Extremadura. 00:08:57
En términos de estudios, creo que es el más raro, porque no es muy común que alguien estudie tecnología en la escuela y luego se mueva a la humanidad o, bueno, sí, más letras, letras, y, y, y, y, y, y, y, y, y, y, y, y, y. 00:09:09
En mi caso, por ejemplo, no tenía un abogado o incluso un ingeniero en mi familia, 00:09:44
así que nada que he hecho, mi familia o amigos cercanos, 00:10:00
así que nada que he hecho ha sido siguiendo el camino de alguien otro o el consejo de alguien otro. 00:10:04
It has been a little bit more like 00:10:11
making it up 00:10:13
every day 00:10:14
but I don't know 00:10:16
in Andrea's case 00:10:19
Yeah, in my case it was my cousin 00:10:20
Ah, your cousin 00:10:23
Yeah, it's also 00:10:24
he is an engineer of telecommunication also 00:10:26
well, when I was 00:10:29
in high school I saw my 00:10:31
family and everybody say 00:10:33
oh, it's so intelligent 00:10:35
it's so intelligent 00:10:36
I wanted to be there 00:10:37
Me gusta la telecomunicación y también trato de arreglar todos los computadores que tenía en mi casa y los teléfonos móviles y todo, así que decidí estudiar Ingeniería de Telecomunicación, pero creo que he cambiado el ejemplo a seguir en toda mi vida. 00:10:41
He sido cambiado, sí, pero sí, el primero fue mi gozín. 00:11:05
Eso podría ser muy diferente también para los profesores. 00:11:15
Sí, pero creo que desde mi perspectiva, solo para agregar algo sobre eso, 00:11:21
creo que es muy importante tener objetivos en términos de personas que en el país de André 00:11:26
era como un objetivo futuro 00:11:34
en cómo 00:11:37
quería ver a ella misma 00:11:39
en el futuro 00:11:41
pero no necesitas 00:11:42
tener a alguien 00:11:44
cerca de ti 00:11:46
haciendo las mismas cosas 00:11:47
no necesitas 00:11:50
nunca, nunca 00:11:51
no necesitas estar 00:11:53
con lo que todos 00:11:54
en tus circunstancias 00:11:56
están haciendo 00:11:59
siempre estoy pensando 00:11:59
cuando pienso en cómo 00:12:02
everyone has to make their own path 00:12:03
I always think about 00:12:05
how for example in the university where I 00:12:07
studied which is the University of Jaén 00:12:09
a public little one 00:12:12
there's like a huge 00:12:13
team working on 00:12:16
space law 00:12:17
so the law of the you know like the 00:12:19
moon and stars in the space 00:12:21
in the outer space 00:12:23
and I think how this is interesting 00:12:24
how you know like it's just a very 00:12:27
tiny university 00:12:29
en Andalucía 00:12:31
y en Jaén en particular 00:12:34
así que nunca imaginarías que 00:12:35
haya algún tipo de enlace con el espacio 00:12:37
y como si alguien 00:12:39
decidiera empezar y 00:12:41
ellos lo crearon y 00:12:43
ahora son grandes 00:12:45
haciendo lo que hacen, así que es como 00:12:47
incluso cuando no tienes 00:12:50
a alguien a quien mirar, puedes 00:12:52
empezar por ti mismo y 00:12:53
va a ser genial de todas maneras 00:12:55
¿tienes alguna otra pregunta? 00:12:57
¿Cómo empezaste a trabajar en la vida? 00:13:09
Then I started another internship, I remember that, in Repsol, in an energy company, so nothing to do with what I'm doing now. 00:13:41
But there I started to work in topics related to technology, applied to technology, also privacy, cybersecurity, etc. 00:13:50
And from then I just moved to Deloitte, where I worked as an IT and intellectual property and protection lawyer. 00:14:03
From there I moved to Garrigues, another law office, where I also did the same privacy and technology law. 00:14:18
And I ended up now at Liberty doing just that, privacy and technology law. 00:14:24
En mi caso, empecé como interés por una compañía de fiebre óptica, 00:14:33
tan diferente como la que estoy trabajando ahora. 00:14:43
Pero luego, después de enviar muchos currículums, 00:14:47
porque envié muchos currículums, 00:14:52
que no sabía cuál era la compañía que me llamaba en algunos momentos, 00:14:54
empecé a trabajar en Deloitte. 00:15:01
I was working there like 00:15:03
I think five years 00:15:06
or something like this 00:15:08
but at one point 00:15:10
I stopped 00:15:13
working there and I 00:15:14
had a break and I went 00:15:16
to Canada to 00:15:19
to study English 00:15:20
because I didn't have 00:15:22
I saw that in 00:15:24
the appointment that 00:15:26
was talking about 00:15:28
Erasmus, I didn't 00:15:30
Yo no hice el Erasmus en mi carrera, en mi doctorado. 00:15:32
Cuando empecé a trabajar, 00:15:37
sentí que necesitaba esta experiencia, 00:15:39
no solo para mi trabajo, 00:15:45
también para mí, para mis estudios personales. 00:15:48
Así que tomé una pausa de mi trabajo 00:15:51
y fui a Canadá a aprender inglés, 00:15:54
pero luego volví a Deloitte 00:15:58
Trabajé en diferentes proyectos como auditor externo y también en proyectos de interpretación con la perspectiva de la tecnología con PILAB. 00:16:01
Y luego me cambié a Liberty y empecé a trabajar en el oficio de privacidad como coordinadora y continúo aprendiendo y trabajando en la privacidad. 00:16:16
Creo que la cosa graciosa en ambos casos, pero también probablemente en todos los casos, en términos de cómo comenzamos nuestra vida de trabajo, es que nunca sabes lo que estás haciendo al principio. 00:16:36
You are just thinking 00:16:53
What I want to do 00:16:55
Am I going to be 00:16:59
Successful 00:17:01
Am I going to be happy 00:17:02
Doing that 00:17:03
Everyone has so many questions 00:17:05
When they are starting 00:17:07
Their working path 00:17:08
And I think 00:17:11
The most important 00:17:13
In terms of advice maybe 00:17:14
The most important thing that I've learned 00:17:16
From those first years 00:17:19
years of 00:17:21
working experience 00:17:22
is that you have to just 00:17:25
keep moving 00:17:27
I think 00:17:28
it was very funny 00:17:30
how Andrea 00:17:33
she said like I did so many job 00:17:34
interviews, I did so many job 00:17:37
interviews, I did like I promise 00:17:39
sometimes I just didn't 00:17:41
know what 00:17:43
which person I was speaking to when they called 00:17:44
to me to say you're gonna 00:17:47
have another interview or something 00:17:49
I was like, who are you? 00:17:51
I have received your curriculum 00:17:53
I don't know 00:17:55
Exactly, so I think 00:17:57
Yeah, and I think the key is that 00:17:59
The only way for them to receive 00:18:01
Your curriculum and to hire you 00:18:03
Is that you have been 00:18:05
Working hard and doing the 00:18:07
You know, like the homeworks, which is 00:18:09
Basically like, you know 00:18:11
Trying to have a better 00:18:13
Profile, work on your CV 00:18:14
Work on your 00:18:17
You know, being better 00:18:18
learning things, keep 00:18:20
all time updating and 00:18:22
never give up, because if you give up 00:18:24
by some point, it's like the only way 00:18:26
you're not, it's like 00:18:28
and also in Madrid, because in Madrid 00:18:30
the 00:18:32
employment scheme is very 00:18:33
aggressive, right? I don't know 00:18:36
how you felt about that, Andrea 00:18:38
Yeah, yeah 00:18:40
I would say 00:18:41
also that, what you 00:18:44
say that, what you 00:18:46
Y creo que el ejemplo es lo que he dicho, lo que he dicho sobre cuando estaba trabajando en Deloitte, estaba trabajando como tres años y estaba trabajando y estaba feliz y luego decidí que necesitaba mejorar mi inglés, necesitaba aprender más y tener otras experiencias que pudieran ser beneficiosas para mí. 00:18:48
y viví todo 00:19:14
y fui a Canadá 00:19:17
y eso fue útil 00:19:19
para mí al final 00:19:23
creo que no, pero finalmente sí 00:19:25
porque estoy trabajando 00:19:27
en libertad porque fui allí 00:19:29
porque aprendí 00:19:31
y mejoré mi inglés 00:19:33
y porque eso, estoy trabajando en libertad 00:19:34
y no pude 00:19:37
crecer 00:19:39
en otra posición 00:19:40
De mi parte, fue muy difícil, diferente a la experiencia, porque he estado aprendiendo inglés y también alemán desde que era niña. 00:19:42
Entonces, cuando empecé a trabajar, fui fluida con todos ellos, me sentí cómoda con todos ellos, 00:19:55
así que no necesitaba desafiarme a hacer algo así, como cambiar mi vida para llegar a una posición mejor en el futuro 00:20:02
aprendiendo otro idioma o algo así, pero creo que toma mucha fuerza y decir, ok, siento que podría estar haciendo mejor 00:20:11
y para hacer eso tengo que hacer algunos esfuerzos 00:20:25
y vivir mi vida perfecta 00:20:27
por un par de meses 00:20:30
o por un año y luego volver 00:20:31
para ser mejor 00:20:33
Sí, creo que es bueno 00:20:36
¿Qué te atrae a las religiones artificiales? 00:20:38
Creo que desde mi punto de vista, nunca he buscado la inteligencia artificial, porque, por supuesto, como alguien que es un abogado, no es el tipo de camino que piensas, pero creo que la realidad o los tiempos en los que nos atraen a la inteligencia artificial. 00:21:03
Es lo que llamamos en España inercia. Es imposible pensar en trabajar en el ahora o en el futuro sin tener una relación que sea cada vez más cerca con la inteligencia artificial o el trabajo es lleno de eso. 00:21:28
The way we file documentation 00:21:48
So these small things 00:21:50
That look like 00:21:52
You know like 00:21:53
It couldn't be artificial intelligence 00:21:55
Well nowadays for example 00:21:58
When I worked in Garrigues 00:21:59
In the law office 00:22:01
Which normally you would think 00:22:02
Is less 00:22:05
You know like technology 00:22:06
Or place where you could go 00:22:08
We had like so many 00:22:11
Share files 00:22:13
where there was automated 00:22:15
systems in order to 00:22:17
just using one or two words 00:22:19
they would 00:22:21
be able to find for you 00:22:22
like jurisdictions 00:22:25
court decisions 00:22:26
laws 00:22:28
whatever, like resolutions 00:22:31
from authorities, etc. 00:22:32
just by those words 00:22:34
these kind of things are the start 00:22:36
like the start point 00:22:38
of artificial intelligence 00:22:41
to just make your life easier 00:22:42
I think 00:22:44
the most 00:22:48
attractive thing here 00:22:51
with artificial intelligence 00:22:53
is that you can do everything with that 00:22:55
it's that 00:22:57
and it's one of my 00:22:58
why I decided 00:23:01
to go 00:23:03
to technology 00:23:05
was also 00:23:06
not only in your work 00:23:08
not only in your job 00:23:10
it's also in your 00:23:12
You will find artificial intelligence in everything and you can create and use it in every moment. 00:23:14
So I think the more attractive thing here for me is that for me it doesn't have limits. 00:23:29
pero si te imaginas algo, puedes usarlo o puedes crearlo con inteligencia artificial, así que, sí, diría eso. 00:23:39
¿Tienes algún último punto en tu vida? 00:23:54
Bueno, desde mi perspectiva, es difícil responder porque hay una gran brecha de salario entre las mujeres y los hombres que son abogados. 00:24:00
this is something that has 00:24:19
been historic, it has 00:24:22
always happened, this has been in the past 00:24:24
well 00:24:26
a job that was 00:24:28
mostly maybe 00:24:30
done by men 00:24:31
so there is 00:24:34
still somehow 00:24:36
differences 00:24:37
for example when you are a woman 00:24:40
but I don't think 00:24:42
but even when you see that 00:24:44
I don't think I've suffered anything like 00:24:46
a sell 00:24:48
you know 00:24:49
what was the name 00:24:50
sell 00:24:52
sell 00:24:52
glass 00:24:52
yeah glass 00:24:53
so I don't feel 00:24:54
I felt that 00:24:56
because you know 00:24:58
what's the point 00:24:58
when you work 00:24:59
for example 00:25:00
you make it 00:25:01
in a law office 00:25:01
but also 00:25:02
in law in general 00:25:03
you see 00:25:04
that the big bosses 00:25:06
are men still 00:25:08
you can see that 00:25:09
in 90% 00:25:11
70% 00:25:13
of the partners 00:25:14
in the big law offices 00:25:15
son hombres todavía, pero 00:25:17
son personas que son 00:25:19
como 40 años más viejos que tú. 00:25:21
Así que lo que puedes saber es que 00:25:23
eso no es lo que vas a enfrentar 00:25:25
cuando tienes que, ¿sabes? 00:25:27
Ser 40, 50 años 00:25:29
viejo para estar ahí. 00:25:31
Y, por supuesto, eso no es algo que 00:25:33
enfrentas cuando eres 00:25:35
o agresas, como yo, 00:25:36
29, por ejemplo, y nunca lo he 00:25:38
experimentado yo misma, porque la verdad es 00:25:40
que ahora mismo, en los 00:25:43
oficios de la ley, 00:25:45
casi el 70% de las mujeres 00:25:45
o de los empleados que empiezan 00:25:48
por la parte inferior, así que los 00:25:50
abogados juniores, son mujeres 00:25:52
así que el 70% 00:25:53
lo que creo es que 00:25:57
las cosas están cambiando mucho 00:26:01
es obvio que en el pasado 00:26:02
hubo muchas cosas 00:26:05
que pudieron ser un poco 00:26:06
tristes, especialmente 00:26:08
a la hora en que la gente 00:26:11
quiere tener hijos, etc. 00:26:12
But I don't think that's something that has to affect us in the new generations 00:26:14
because we can do, I mean, I've never felt that personally, never. 00:26:21
And another important thing here is like, for example, in our company where we live, 00:26:26
or where we work, sorry, we have a team, we are nine people, I think, in the team 00:26:31
and eight out of nine, so all except of one, are women. 00:26:37
Entonces, ¿sabes lo que quiero decir? Depende de las circunstancias, pero no creo que las salidas de vidrio estén ocurriendo más en el año 2021. 00:26:44
No, no estoy de acuerdo con ti. Por mi parte, lo mismo. No tengo experiencia en el clasificado. Quizás desde mi edad, porque trabajando como auditor, si vas a una compañía, debilitando el proceso, el proceso que algunas personas llevan 30 años haciendo lo mismo, 00:26:57
look at you and say 00:27:22
you have 25 years old 00:27:26
are you going 00:27:28
you come here to review 00:27:29
what I'm doing 00:27:31
yeah but 00:27:32
it's something that is 00:27:34
it's not normal 00:27:37
it's not usually 00:27:39
but now in my 00:27:40
work also not 00:27:43
I didn't 00:27:45
I didn't see that 00:27:47
Y también creo que es muy importante que, incluso cuando esto no es un problema más, es muy importante que tomemos, o sea, al menos esa es la manera en que lo he experimentado, tenemos que ser muy claros sobre el hecho de que nadie se preocuparía más que nosotros mismos sobre nuestro propio camino y nuestro propio futuro. 00:27:49
Es como, en muchas ocasiones no encontrarás salidas de glacia, pero lo que encontrarás son tus propias limitaciones, porque a veces la gente siente que no quiere cambiar, como lo explicó Andrea antes, cuando ella fue a Canadá, pero también con otras cosas. 00:28:15
Por ejemplo, muchas personas, cuando tienen que decidir lo que quieren hacer como trabajo, no tienen una planificación completa. 00:28:37
A veces, son como, ok, voy a hacer esto, pero sin buscar un destino final, simplemente, lo que sea. 00:28:45
Y creo que es muy importante que si no quieres enfrentar algo que te detenga de ir a donde quieres ir en términos de trabajo, 00:28:54
tendrás que tener un plan en algún momento. 00:29:02
incluso cuando no sabes realmente lo que estás haciendo 00:29:05
necesitas tener un objetivo 00:29:06
al final de la ruta 00:29:09
para evitar 00:29:11
estar en una compañía 00:29:13
que es demasiado pequeña 00:29:16
para crecer 00:29:18
o quizás no es para ti 00:29:18
y no puedes desarrollarte 00:29:22
ahí 00:29:24
¿Qué dirías 00:29:24
que te ha ayudado más 00:29:31
en tu carrera profesional? 00:29:33
¿Qué dirías que te ha ayudado más en tu carrera profesional? 00:29:34
Para mí, diría que lo que me ha ayudado más es la gente en general. 00:29:42
Y, quiero decir, es todavía pronto para que lo veas, pero en algún momento, cuando empieces a trabajar, verás que hacer un trabajo, como dijimos, a veces es solo una cuestión de suerte. 00:29:48
of course there's a lot of 00:30:03
effort that has to be there 00:30:06
but there are so many good people 00:30:07
so many people that is 00:30:10
smart enough 00:30:11
that works enough 00:30:13
so you know like everyone can 00:30:15
at some point reach to the same 00:30:17
position and sometimes 00:30:19
you're doing all 00:30:21
your best to get one 00:30:23
job and maybe 00:30:25
you cannot get it just because 00:30:27
another person that is as smart 00:30:29
as good and as hard worker 00:30:31
as you are, you've got it. 00:30:33
And that's why I think 00:30:36
that the most important 00:30:37
point in your life is 00:30:39
getting, in your professional 00:30:41
life, is getting to the point when you meet 00:30:43
people that trust you, and that 00:30:45
they decide that among other people 00:30:47
they want you, because 00:30:49
you have somehow the skills, 00:30:51
not necessarily the skills, but the 00:30:54
attitude, the 00:30:55
way of thinking, 00:30:57
o ciertas cualidades 00:30:59
que apoyan. 00:31:01
Así que sí, 00:31:04
creo que eso es lo que 00:31:05
te ayuda más, porque es básicamente 00:31:07
obtener el apoyo o la 00:31:09
confianza de algunas personas que 00:31:11
en tu vida de trabajo no va a ser 00:31:13
una sola persona, va a ser... 00:31:15
Quiero decir, he estado trabajando durante seis años 00:31:17
y ya he tenido cinco de estas 00:31:19
personas, ¿sabes? Así que es básicamente 00:31:21
simplemente ser afortunado 00:31:23
y estar en el lugar correcto 00:31:25
by working for it 00:31:27
to, you know, 00:31:29
to be seen 00:31:30
by someone 00:31:33
that supports you and 00:31:34
invest in your time and in your 00:31:37
you know, in your 00:31:39
future, which I think at least 00:31:41
Andrea could say more about this than myself 00:31:43
because as privacy coordinator 00:31:45
in her company, she's coordinating 00:31:46
almost all of her team 00:31:49
so she's the one that has to, you know, 00:31:51
like invest her time in 00:31:53
following up with them 00:31:54
cada semana sobre cómo estás haciendo 00:31:57
deberías mejorar esto, deberías mejorar 00:31:59
eso, sabes, como este tipo 00:32:01
de truco, eso es lo mejor 00:32:03
que puedes tener en tu 00:32:05
vida profesional, creo, al menos 00:32:07
desde el comienzo 00:32:09
Yo diría que aquí 00:32:10
desde mi punto de vista 00:32:13
existen dos 00:32:17
cosas, la una es que tú 00:32:19
has dicho sobre las personas que 00:32:21
trabajan con ti 00:32:23
que 00:32:24
we work as a team 00:32:25
we work together 00:32:29
we work for the same objective 00:32:30
and we not work as a 00:32:32
competitive one 00:32:35
is everybody 00:32:36
support and help each other 00:32:38
I want to say that it's 00:32:40
one thing, another thing 00:32:43
I think it's more 00:32:45
personally, it's about the 00:32:47
ambicio or be 00:32:49
responsible 00:32:50
of own work 00:32:51
to learn more 00:32:54
to grow, to be better 00:32:56
than the day before 00:32:58
I would say 00:33:00
that these two 00:33:02
points, not 00:33:04
the own self 00:33:05
to be responsible of our 00:33:08
work 00:33:10
and also 00:33:11
the people, as you have 00:33:13
mentioned, the people that 00:33:16
we are 00:33:18
working with 00:33:20
to give the feedback 00:33:22
and to receive the feedback 00:33:25
with the feedback 00:33:27
you can improve yourself 00:33:29
and be better 00:33:31
and it's not something 00:33:33
wrong with 00:33:35
a bad feedback 00:33:36
I will say bad feedback 00:33:38
but it's not 00:33:40
a bad feedback, it's something that 00:33:41
other people with other point of view 00:33:44
will say to you 00:33:46
I think that you can grow if you 00:33:48
cambiar esto, o 00:33:50
si tú haces las cosas 00:33:52
de esta manera. 00:33:54
Así que, sí, 00:33:56
diría que 00:33:57
lo más importante que has 00:33:58
dicho sobre el 00:34:02
coordinador, 00:34:04
como coordinador, 00:34:05
cuando 00:34:07
hablo con el equipo, 00:34:09
quiero dar el buen feedback 00:34:12
y también los puntos 00:34:14
para mejorar. 00:34:16
¿No? 00:34:17
Bueno, esto es algo que la persona tiene que pensar y pensar si quiere leerlo o no, pero también quiero, cuando hablo con ellos, no solo dar el feedback, sino también expresar que tienen apoyo, tienen ayuda. 00:34:17
Si necesitan algo, pueden hacer algo o decir algo, no están solos y somos un equipo, trabajamos juntos y ayudamos a los demás y apoyamos, así que creo que lo que nos ayuda a los demás en la carrera profesional son las personas con las que trabajamos y también los responsables del trabajo. 00:34:44
¿Cuáles son los proyectos en los que trabajan y en qué proyectos trabajan? 00:35:17
Como hemos mencionado antes, ambos trabajamos en Liberty Mutual Group, Liberty Seguros en España, 00:35:35
que es una compañía de insurrección, 00:35:46
bueno, lo que básicamente 00:35:50
hacemos en términos 00:35:53
de cómo nuestro trabajo interacciona 00:35:55
con la inteligencia artificial. En mi sitio, 00:35:57
por ejemplo, tengo que hacer 00:35:59
asesorías 00:36:01
desde una perspectiva de privacidad 00:36:02
de cómo las prácticas 00:36:05
de la inteligencia artificial 00:36:07
son todavía legales. 00:36:08
Porque, por supuesto, la inteligencia artificial, 00:36:11
si la usas y la abuses, 00:36:13
puede ir un poco más allá de lo que los clientes esperan que hagas. 00:36:15
Los clientes esperan que trates sus datos de manera justa, 00:36:21
que trates sus datos sin, digamos, 00:36:24
hacerles sentir que están siendo seguidos todo el tiempo, 00:36:29
que los estás perseguiendo, que los estás profilando. 00:36:35
Entonces, en ese contexto, lo que, por ejemplo, 00:36:37
I do most of my time is 00:36:42
provide advice in terms of 00:36:44
what artificial intelligence practices 00:36:45
can be carried out 00:36:48
or if they can be carried out 00:36:50
what you have to do to make them 00:36:52
reasonably legal 00:36:54
you know and within a reasonable 00:36:56
scope for example 00:36:58
I'm thinking 00:37:00
now about this 00:37:02
new project that many 00:37:04
many insurance companies are 00:37:05
trying to implement in the last 00:37:08
couple of months which is 00:37:10
ofrecerle a los clientes un precio mejor, 00:37:11
así que servicios más baratos o insurancia más barata, 00:37:16
si los clientes permiten a las compañías de insurancia 00:37:19
introducir pequeñas máquinas en sus autos 00:37:22
para monitorear sus hábitos de conducir. 00:37:27
¿Cómo funciona? 00:37:32
Bueno, esta pequeña máquina usa la inteligencia artificial 00:37:35
to track how fast 00:37:39
you drive, how 00:37:41
fast you stop 00:37:43
how is 00:37:44
the kind of roads you drive through 00:37:47
how 00:37:49
many hours you drive a day 00:37:51
which hours you are driving 00:37:53
because it's not the same as you drive in the 00:37:55
day or the night or at night 00:37:57
all that information is 00:37:59
collected and then insurance companies 00:38:01
can use that information 00:38:03
to not only 00:38:05
profile that specific person but also 00:38:07
tener una mejor 00:38:09
comprensión de los consumidores 00:38:11
y también tener una mejor 00:38:13
comprensión de lo que 00:38:15
los consumidores quieren, cuál es el producto 00:38:17
que les encaja mejor. 00:38:19
Entonces, por ejemplo, 00:38:22
un proyecto interesante en términos 00:38:24
de inteligencia artificial 00:38:25
que yo mismo 00:38:26
estoy engañada con, 00:38:29
pero, por supuesto, hay muchos otros 00:38:31
como todo lo relacionado 00:38:33
con el profilamiento 00:38:35
decisiones 00:38:36
for marketing 00:38:39
to avoid 00:38:40
giving 00:38:43
your services 00:38:46
to someone that is not going to pay you 00:38:48
so that you can prevent 00:38:50
any contract 00:38:51
with customers that won't pay you 00:38:53
because they have a background 00:38:56
of just not paying the companies 00:38:58
that they hire 00:38:59
things like that 00:39:01
Andrea 00:39:03
es diferente 00:39:06
es diferente 00:39:07
sí 00:39:11
bueno 00:39:12
como dije 00:39:13
soy 00:39:15
el coordinador 00:39:16
de ProAci 00:39:20
estoy en cargo 00:39:21
como dije 00:39:24
de coordinar 00:39:26
el equipo en los diferentes 00:39:29
de los países en los que trabajamos, pero también en la procedura y las políticas de las madres de la privacidad, pero también en relación con la inteligencia artificial, diría que soy más interna analizando los datos que están en los sistemas para identificar si la información es correcta o no. 00:39:31
Gracias. 00:40:01
Y para identificar esto, analizar los riesgos que estos datos pueden generar a la empresa y también analizar los planes de acción que necesitamos implementar para corregir esta información. 00:40:31
but as you know 00:40:48
as I have said 00:40:50
the system could have 00:40:52
data 00:40:54
from different countries 00:40:56
we are working 00:40:58
for Portugal 00:40:58
for Ireland, for Spain 00:41:02
so we have 00:41:03
a lot of information 00:41:04
so we need 00:41:08
the artificial intelligence 00:41:09
in order to analyze 00:41:12
all the information that we have in the different systems 00:41:13
to detect 00:41:16
identificar y corregir 00:41:17
las informaciones que tuvimos. 00:41:20
Así que, para 00:41:21
manejar 00:41:23
todo este volumen de datos 00:41:25
es donde 00:41:27
estamos usando la inteligencia 00:41:29
artificial 00:41:31
en el momento, en libertad de salud. 00:41:32
Gracias. 00:41:36
¿Se me oye bien? 00:41:41
Sí. 00:41:43
Separa un poco el móvil 00:41:44
del micro, porque yo 00:41:47
creo que se va a ir un poquito mejor. 00:41:48
A ver, ahora hablan ya. 00:41:50
Sí, yo creo que va estando mejor. 00:41:54
Te había puesto tan cerca que se lo he hecho antes. 00:41:56
Sí. 00:41:59
Alto. 00:42:03
¿Qué proyectos 00:42:04
querrías hacer en el futuro 00:42:05
relacionados con la inteligencia artificial? 00:42:07
Y también, ¿crees que es necesario 00:42:09
una base sólida en la matemática 00:42:11
para ir a la inteligencia artificial? 00:42:13
Bueno, de mi lado, por ejemplo, 00:42:17
I am looking forward to work 00:42:19
on a project that 00:42:21
our company is starting to 00:42:22
develop 00:42:25
this is starting to work as a 00:42:25
trial and what 00:42:29
they are trying to do as an insurance company 00:42:31
is that they 00:42:33
want to 00:42:34
when a customer 00:42:35
purchase a 00:42:38
home insurance policy 00:42:40
they want to 00:42:42
introduce 00:42:44
in order to avoid 00:42:45
water flows, so 00:42:48
the pipelines in the houses 00:42:49
when they just get broken 00:42:52
because of the pressure or things like that 00:42:54
in order to 00:42:56
avoid that or to avoid 00:42:58
therefore that there's like a 00:43:00
water flow like all around your house 00:43:02
is full of water because 00:43:04
of the damage that the house suffers 00:43:06
and they are developing 00:43:08
somehow of a little 00:43:09
technology 00:43:11
that is included in 00:43:13
each of the houses 00:43:16
that purchase these home policies 00:43:18
in order to 00:43:20
keep like constant 00:43:21
flag on 00:43:24
what is going on 00:43:25
in terms of their pipelines 00:43:28
so that if at some point 00:43:30
there's like, I don't know, there's 00:43:32
snow, it's too 00:43:33
cold, I don't know, it's too hot 00:43:36
for whatever reasons or there's 00:43:38
like, I don't know, animals that destroy 00:43:40
the pipelines and this 00:43:42
could cause 00:43:44
you know a water flow 00:43:45
then you will be preventing 00:43:48
that to happen because you 00:43:49
will be knowing 00:43:51
in advance that 00:43:54
the pipeline is 00:43:55
suffering some damage 00:43:57
so I'm actually looking forward 00:43:59
for that because I think that this will 00:44:01
make people's lives 00:44:03
easy, I mean I know that most of you 00:44:05
are very young so you probably haven't had 00:44:07
to face 00:44:09
works at home 00:44:10
Pero he tenido un flujo de agua y me encantaría tener una solución que me diga, mira, mañana esto va a suceder, así que apúntate tu agua y llámame a un técnico para resolver esto en tiempo. 00:44:13
Así que sí, estoy buscando eso. 00:44:32
Yo diría lo mismo. Yo diría lo mismo porque no solo para esto, para el nuevo plan, pero también está relacionado con el Internet de las cosas. 00:44:33
Me encanta el Internet de las cosas. En mi casa tengo toda la luz conectada con Alexa. 00:44:49
Todo así. Y me gusta este tipo de proyectos. 00:44:58
Creo que todo va a ser más eficaz y todo va a ser más robótico. 00:45:03
Quisiera involucrarme en proyectos para hacer las cosas más fáciles para las personas. 00:45:17
lo que Pilar ha dicho 00:45:23
es algo 00:45:27
para hacer las cosas más fáciles 00:45:29
para las personas 00:45:31
usando la tecnología 00:45:32
usando el internet 00:45:34
todo va a estar 00:45:38
en el cloud 00:45:40
no sé, diría lo mismo 00:45:40
el internet de las cosas 00:45:44
y todo 00:45:46
con la robótica 00:45:47
veámoslo 00:45:49
¿Cuál es Big Data, blockchain y algoritmos y cuáles algoritmos se relacionan con la inteligencia artificial? 00:45:50
He escuchado todos los algoritmos. 00:46:10
¿Cuál es Big Data, blockchain y algoritmos y cuáles algoritmos se relacionan con la inteligencia artificial? 00:46:15
Ok, entonces, bueno, voy a ir por la cadena de bloques, por ejemplo, porque sé que Andrea ya pasó por la sección de datos grandes, así que tal vez ella quiera ingresar más profundo o en detalles más detallados. 00:46:21
So, blockchain is basically a technology that let us create networks between devices without like a central server that has to connect them. 00:46:36
Lo que se puede llamar o decir es que funciona como, bueno, ¿sabes las compañías que tienen sus propios libros de finanzas internos? 00:46:55
Esto funcionaría similarmente a eso, porque en blockchain registras todo el movimiento, todo lo que entra y todo lo que sale. 00:47:09
Entonces, cada transacción. 00:47:20
Entonces, para registrar esas transacciones, la particularidad que tiene la cadena de bloques es que esas transacciones deben ser aprobadas por todos, 00:47:24
interacting 00:47:35
in that network 00:47:38
so that if not 00:47:39
everyone approves them 00:47:42
then they are just not 00:47:44
finally done 00:47:46
and once they are done 00:47:47
and approved of course 00:47:49
well then 00:47:51
you can just 00:47:53
all that information is going to be 00:47:55
stored there so every transaction 00:47:58
will be 00:48:00
won't be able to 00:48:00
to disappear ever 00:48:04
well blockchain 00:48:06
you know that it's called 00:48:09
blockchain because it is a chain of 00:48:10
blocks right like it's like many blocks 00:48:12
well that's the concept 00:48:14
but at the end of the day it's just that 00:48:16
so it's using 00:48:18
technology to being able 00:48:20
to transfer information from one to another 00:48:22
without having like an internal or 00:48:24
unique central 00:48:26
you know server 00:48:27
and therefore doing it in 00:48:29
a more free way 00:48:32
As long as any of the parties 00:48:33
Interacting in this network 00:48:36
Are in agreement 00:48:38
For each of the transactions 00:48:40
And I think 00:48:41
Blockchain is already 00:48:43
In almost everything 00:48:46
In our lives 00:48:48
The other day I was with 00:48:49
My husband 00:48:52
In the supermarket 00:48:54
And he has a new 00:48:55
He has like an 00:48:57
Application 00:49:00
In his mobile phone 00:49:01
que él usa para ver la origen de la comida que quiere comprar. 00:49:03
No solo en términos de de dónde viene, como viene de un coche en Asturias, 00:49:10
no solo eso, sino también en términos de saber todos los valores de esa comida, 00:49:15
las cualidades, si es una ecológica o no. 00:49:22
Así que si puedes encontrar blockchain en un lugar tan común como un supermercado, puedes imaginar que puedes encontrarlo en todos lados. 00:49:27
Es también muy bueno evitar fakes, evitar vender fakes. No sé, gente que vende algunos productos diciendo que es de esa origen, con este tipo de propiedades o con estas cualidades, y no lo hace. 00:49:37
Así que la blockchain, como dije, cualquier intersección o movimiento no puede ser delimitado, por lo tanto, saberás de dónde viene esto. 00:49:56
Sí, creo que es una buena pregunta. 00:50:09
No sé si quieres ir, Andrea, a través de Big Data. 00:50:12
Lo que he dicho es que la combinación de datos, el tamaño o el volumen de los datos, la complejidad, es difícil manejar o procesar los datos usando las tecnologías, las tecnologías convencionales como el extenso. 00:50:16
Y es necesario usar un sistema de datos o un sistema que pueda procesar y analizar todo el volumen y la complejidad de los datos que una compañía tiene. 00:50:39
Por ejemplo, como ya he dicho, en Libertad tenemos datos de España, de Irlanda, de diferentes países, y necesitamos procesar estos datos para analizar cómo muchas personas han protestado por la insolvencia en casa. 00:50:55
In order to know that, we need to analyze all the data that we have of all the clients in order to analyze how many clients has and how many insurance. 00:51:20
And in order to analyze all this information, it's not possible to use or process this data by Excel, for example. 00:51:35
And it needs to use a database, a service, a different kind of tools that will manage this amount of data. 00:51:45
esta gran cantidad es 00:51:57
esta gran data 00:52:00
creo que 00:52:01
podemos definirlo 00:52:04
así 00:52:06
y en términos de algoritmo 00:52:06
y cómo esto interacciona con 00:52:10
inteligencia artificial o con 00:52:12
grandes datos, creo que es 00:52:14
verdad, ¿verdad? 00:52:16
necesitas esos 00:52:18
una vez que tienes 00:52:19
este gran cantidad de datos 00:52:21
que puedes usar 00:52:24
para predicar cosas, para planear cosas, para, en nuestro caso, por ejemplo, en Liberty o en cualquier compañía, 00:52:26
para decidir, analizando esos datos, cuál es el precio de tus productos, porque verás, bueno, la mayor mayoría de mis consumidores son jóvenes, por ejemplo, 00:52:33
Así que no puedo ser 00:52:45
Suspensivo si quiero 00:52:46
Quedar, ya sabes, en el mercado 00:52:48
O también 00:52:51
Por supuesto, si tengo 00:52:52
Una persona que me está pidiendo 00:52:54
Para una política y esa persona 00:52:56
Se mueve muy mal 00:52:58
Sí, o un Ferrari 00:52:59
Exactamente, o un Ferrari 00:53:02
Tengo que, ya sabes 00:53:04
Darle un precio más alto 00:53:06
Y pedir más 00:53:08
Dinero para el mismo servicio 00:53:10
Porque, bueno, sé 00:53:12
ahora que si conduce peor o si tiene un coche más caro, estaré en un 00:53:14
riesgo más alto de tener que pagar más dinero, así que creo que sabes en términos de 00:53:21
inteligencia artificial, como todo se siente por algoritmos, ¿verdad? 00:53:28
¿Crees que la inteligencia activa tiene límites? ¿Cómo es el sistema de la ley adaptado a la revolución de la inteligencia activa? 00:53:44
En muchas ocasiones, la compañía nos ha pedido que intentemos interpretar la ley, 00:54:16
como si fuéramos más allá de la ley, porque las leyes no pueden seguir adelante 00:54:23
en la misma velocidad que la tecnología en general, no solo la inteligencia artificial. 00:54:28
Por supuesto, antes de regular algo, tienes que tenerlo. 00:54:35
Entonces, una vez que hay algún tipo de nuevos movimientos tecnológicos o nuevos productos tecnológicos o nuevos campos de tecnología, entonces la ley viene a regularlo. Pero hasta que lo tengas, la ley no puede regular mucho. 00:54:39
Por supuesto, hay muchas básicas de la ley, como los códigos civiles o los documentos constitucionales, que son tan viejos que se han creado para adaptarse a cualquier cosa. 00:54:55
así que básicamente 00:55:10
pueden cubrir todo, pero 00:55:11
las legislaciones de hoy tienden a ser 00:55:13
más específicas y 00:55:15
cuanto más específicas 00:55:17
estés 00:55:19
entonces lo peor 00:55:20
es poder adaptarte 00:55:23
de una manera rápida 00:55:26
así que 00:55:27
la ley siempre es 00:55:29
más tarde que la tecnología, pero 00:55:31
todavía lo hacen, ¿sabes? 00:55:33
La ley lo hace más tarde 00:55:35
Exactamente 00:55:36
Tienes que cumplir con todo el mundo. 00:55:38
Y en términos de las otras preguntas sobre si la inteligencia artificial tiene límites, lo que pienso es que los únicos límites que la inteligencia artificial debería tener son los límites contra los intereses de la gente. 00:55:42
interés. 00:55:58
As long as any artificial 00:55:59
intelligence practice 00:56:02
project tool, whatever, 00:56:04
is not damaging 00:56:06
the interest of 00:56:08
people, 00:56:09
well, then it shouldn't have 00:56:12
limits, and I don't think it has, 00:56:14
because, I mean, not so far, 00:56:16
and I don't prevent that 00:56:18
for the next following, you know, 20 00:56:20
years or something, but 00:56:21
it does have 00:56:23
somehow limits, not 00:56:25
in the way that it can grow 00:56:27
in the future, or 00:56:29
in the way that it will be important 00:56:31
in the future, this is 00:56:33
limitless, but 00:56:35
it has limits in terms of, for example, 00:56:37
law, because as long 00:56:39
as this 00:56:41
may put at risk 00:56:43
people, you know, 00:56:45
then you have to limit it. 00:56:47
A good example of this would be 00:56:50
I think everyone knows 00:56:51
about this kind of projects, 00:56:53
these cars that can 00:56:56
driven by themselves 00:56:57
through artificial intelligence 00:57:00
so you don't need to 00:57:01
drive them, they just pick you 00:57:04
there and 00:57:06
drive you everywhere but there's no person 00:57:07
driving those cars 00:57:10
there are many difficulties in terms of 00:57:11
implementing those kind of 00:57:14
artificial intelligence 00:57:16
products because 00:57:18
at some point 00:57:19
is this in the interest of 00:57:21
people, how are you going to 00:57:24
si algo sucede, si este coche 00:57:26
conduce sobre una persona 00:57:29
tienes que limitar 00:57:31
la inteligencia artificial 00:57:34
tan pronto como pueda crear 00:57:35
problemas o daños 00:57:37
a nadie 00:57:40
pero aparte de eso, creo que es limitante 00:57:41
no sé, ¿y tú? 00:57:44
Sí, creo que es lo mismo 00:57:46
como dije 00:57:48
creo que 00:57:50
la inteligencia artificial 00:57:52
no tiene límites 00:57:54
The only one is what you have said, the law. You need to comply with the law. But I think the limit of the artificial intelligence is the imagination of the creativity of the people that want to develop anything with the artificial intelligence. 00:57:55
Pero todo el mundo es diferente, todo el mundo tiene su creatividad, su imaginación y creo que la inteligencia artificial es por sí misma y no tiene límites. 00:58:18
Y una parte importante de la inteligencia artificial es que siempre expande a áreas nuevas de la vida. Andrea antes estaba refiriendo al Internet de las Cosas. 00:58:34
Ahora estamos empezando a escuchar nuevos conceptos y no EOT, sino EOB, que es Internet del comportamiento, como cómo puedes predicar cómo una persona va a actuar o reaccionar a algo dependiendo de cómo se comportan, 00:58:47
Cómo mueven las manos cuando hablan, cómo miran a los otros, o incluso cuántos likes les dan a los pibes en Instagram, ¿sabes lo que quiero decir? 00:59:09
Así que sí, creo que hay mucho espacio para la inteligencia artificial. 00:59:22
en el castellano, que tenemos 00:59:41
nosotros ya un poco saturados 00:59:42
con el nivel 00:59:45
y ya 00:59:45
a modo personal, por si ellos 00:59:49
quieren hacer alguna pregunta ya 00:59:51
que lo contaremos en el vídeo aparte 00:59:52
por si están interesados en saber algo más 00:59:54
o no saber algo más, ya vamos a hacer una libre elección 00:59:56
¿Queréis hacer alguna pregunta? 01:00:01
¿No? 01:00:03
¿Os ha quedado un poco claro? 01:00:04
Pues muchísimas gracias, Lidia y Andrea 01:00:13
A vosotros 01:00:16
Muchas gracias, Andrea, y siento que no hay 01:00:17
Gracias a vosotros 01:00:20
No sé si podíos ver al final 01:00:24
Pero no podíos ver 01:00:30
Muchas gracias 01:00:32
Luego mandamos una foto de Andrea 01:00:33
Bueno pues nada, encantada de conoceros 01:00:35
Y ya sabéis, por aquí estamos 01:00:40
Si necesitáis chicos, cualquier asesoramiento 01:00:41
De oye, no sé qué hacer ahora 01:00:45
Pues, encantada 01:00:46
¿Algún profe quiere hacer alguna pregunta? 01:00:48
¿No? 01:00:57
Mireia 01:00:59
No, ha sido 01:00:59
la verdad es que ha sido interesantísimo 01:01:02
y bueno, yo también lo veo interesante de cara 01:01:04
que tengo dos hijos que en un futuro 01:01:06
pues algo tendrán que hacer 01:01:07
y me ha dejado impresionadísima 01:01:09
vuestro currículum 01:01:12
los jóvenes que sois 01:01:13
y qué preparación, digo 01:01:15
Madre mía, los días de algunas son de 48 horas. Vamos, me habéis dejado muy impresionada, gratamente, por supuesto, y Pilar, en concreto, me ha encantado eso que, haciendo derecho, eso que es como tan de letras, tan de humanidades, pero claro, en este campo también la inteligencia artificial tiene muchísimo recorrido. 01:01:17
entonces pues me ha gustado 01:01:44
porque como yo también soy de letras 01:01:45
eso anima un poco a que 01:01:47
no nos echemos para atrás 01:01:49
es que yo soy de letras 01:01:51
como antiguamente 01:01:53
esto ya es un comentario un poco 01:01:55
pasado de moda 01:01:57
pero verdad 01:02:01
yo también creo que todavía 01:02:01
así que me ha encantado 01:02:03
me ha encantado, enhorabuena, muy interesante 01:02:05
muchas gracias, un placer 01:02:08
muchas gracias 01:02:09
Mireia. ¿Alguien más? 01:02:12
Chicos, 01:02:15
por despedirnos de Pilar y Andrea, 01:02:16
pues muchísimas 01:02:19
gracias, muy interesantes. 01:02:20
A vosotros. Un beso, Pilar. 01:02:21
Un beso. 01:02:24
Salida de extranjero. 01:02:25
Bueno, pues 01:02:30
ya está, ya quedáis poquitos por ahí, ¿no? 01:02:34
Para los que habéis quedado, muchísimas gracias. 01:02:38
Saludos. 01:02:40
Saludos. 01:02:41
Para los que habéis quedado, muchísimas gracias. 01:02:44
Yo sé que las ciencias, que lo son, por supuesto 01:02:46
que lo son, científicos, pero que 01:03:10
tienen una influencia social e incluso de 01:03:15
humanidades. Entonces, bueno, pues 01:03:20
muchas gracias por vuestra 01:03:22
presencia y 01:03:24
hasta mañana a todos. 01:03:25
¿Vale? 01:03:29
Venga, hasta luego. Gracias. 01:03:30
¿Lucía? 01:03:36
¿Sí, no? Perfecto. 01:03:38
Sí, pues 01:03:41
hasta luego. 01:03:42
Chao Marta, muchísimas gracias. 01:03:46
Autor/es:
Marta Martínez
Subido por:
Marta M.
Licencia:
Todos los derechos reservados
Visualizaciones:
84
Fecha:
27 de mayo de 2021 - 14:30
Visibilidad:
Público
Centro:
IES BEATRIZ GALINDO
Duración:
1h′ 05′ 09″
Relación de aspecto:
1.78:1
Resolución:
1920x1080 píxeles
Tamaño:
493.81 MBytes

Del mismo autor…

Ver más del mismo autor

EducaMadrid, Plataforma Educativa de la Comunidad de Madrid

Plataforma Educativa EducaMadrid