Web d'IA de la UdG
Des de la XID s'ha col·laborat en la confecció d'aquesta web aportant experiències d'aplicació de la IA en la docència.
Anàlisi dels usos actuals de la intel·ligència artificial dins la comunitat universitària
En el marc dels diferents grups de treball, s’ha iniciat una anàlisi sobre els usos actuals de la intel·ligència artificial dins la comunitat universitària. Una de les primeres accions realizades ha estat l'elaboració i administració d'enquestes adreçades a l’alumnat i al professorat.
Coordinació amb altres xarxes, grups d’innovació docent i agents universitaris
Des de la XID-IA es treballa de manera coordinada amb altres XIDs i GIDs, així com amb diversos agents de la comunitat universitària, per identificar i donar resposta a les necessitats que van emergint en relació amb la implementació de la intel·ligència artificial en la docència universitària.
Conferències
- Conferència “L'Impacte i Implicacions Ètiques de l'ús de la Intel·ligència Artificial en l'Ensenyament Universitari i en la Vida Quotidiana”.
A càrrec d'Albert Sabater, director de l'OEIAC
Conferència realitzada el 23 de setembre de 2024 a l'ICE
- Conferència “Intel·ligència artificial i aprenentatge automàtic"
A càrrec de Jerónimo Hernández González
Conferència realitzada el 27 de juny de 2024 a l'ICE
La sessió va oferir una introducció als conceptes bàsics de la intel·ligència artificial i de l’aprenentatge automàtic, abordant què s’entén per intel·ligència i els principals àmbits d’aplicació de la IA. Es van presentar els diferents tipus d’aprenentatge automàtic (supervisat, no supervisat i per reforç), així com exemples de models i problemes clàssics de classificació. Finalment, es va introduir el funcionament dels grans models de llenguatge, explicant-los com a sistemes basats en la predicció seqüencial a partir de dades.
• Conferència “Com treballar amb IA local i programari lliure per protegir les dades"
A càrrec de Quim Massana Raurich
La sessió va introduir els fonaments dels LLM, explicant conceptes clau com els tokens, els embeddings, la finestra de context, la predicció seqüencial i riscos com les al·lucinacions. S’hi va presentar l’arquitectura Transformer i es van comparar models basats en encoder i decoder. També es van descriure les principals formes de personalitzar un LLM (prompts, paràmetres, RAG i fine-tuning), així com diverses eines per treballar-hi, tot destacant la importància de la seguretat de les dades. Finalment, es va recomanar Jan per a usuaris sense coneixements tècnics i es va exposar una proposta per establir una coordinació compartida a la XID IA.