Richard Golian

Nacido en 1995. Graduado de la Universidad Carolina. Responsable de rendimiento en Mixit. Más de 10 años en el marketing basado en datos.

#micamino #myfamily #health #cognicion #filosofia #tecnologia #inteligenciaartificial #oscuridad #seguridad #finanzas #politica #banskabystrica #carpatos

English Français Slovenčina

Gestionar suscripción Elegir suscripción

RSS
Seguir nuevos artículos
Newsletter
Nuevos artículos en tu correo
Gestionar suscripción · Elegir suscripción
#ensenariaacomprender

Enseñar a la IA a comprender — Richard Golian

Enseñar a la IA a comprender

Una parte significativa de mis estudios universitarios estuvo dedicada a la estructura de la comprensión — cómo se forma el significado antes de que lo procesemos conscientemente, cómo toda interpretación está anclada en lo que ya sabemos, y cómo la disposición anímica moldea lo que vemos antes de cualquier argumento. En mi tesis de máster en la Universidad Carolina, examiné estas estructuras en los textos retóricos romanos de Quintiliano, Cicerón y el autor de Rhetorica ad Herennium. Hoy aplico estos conocimientos al entrenamiento de agentes de IA. Cómo estructuras el contexto, qué pre-comprensión le das a un modelo, cómo manejas sus limitaciones — no son solo cuestiones técnicas. Son preguntas sobre la naturaleza de la comprensión misma. #inteligenciaartificial #cognicion

4 artículos

#ensenariaacomprender #inteligenciaartificial #tecnologia

Lo que la IA te oculta: prompts de sistema, alucinaciones, alineamiento y el ocultamiento integrado en cada modelo

Antes de enseñarle algo a la IA, necesitas ver lo que te está ocultando.
11 de abril de 2026 413
#ensenariaacomprender #inteligenciaartificial #tecnologia

Cuando tu agente de IA se une al equipo — ¿quién tiene derecho a enseñarle?

En el momento en que otras personas necesitaron acceso, el problema cambió por completo. Ya no se trataba de si el agente podía aprender. Se trataba de quién tenía derecho a enseñarle.
8 de abril de 2026 411
#inteligenciaartificial #tecnologia #ensenariaacomprender

Entrenar un agente de IA que aprende entre sesiones

Quería construir un agente que no solo asista. Uno que actúe.
4 de abril de 2026 621
#inteligenciaartificial #tecnologia #ensenariaacomprender

Limitaciones de los modelos de IA locales: por qué cambié de Ollama a Claude para agentes autónomos

Esto es lo que aprendí sobre IA local vs cloud y por qué cambié a Claude Code.
3 de abril de 2026 974
¿Cómo enseñas a una máquina a comprender? No solo a procesar tokens, sino a interpretar significado en contexto. Una parte significativa de mis estudios en la Universidad Carolina se centró en esta pregunta — el estudio de la estructura de la comprensión y su examen en los textos retóricos romanos de Quintiliano, Cicerón y el autor de Rhetorica ad Herennium. Trabajar con la fenomenología de Heidegger — en particular el análisis de la interpretación en Ser y tiempo — proporcionó un marco para examinar cómo las pre-estructuras, la disposición anímica y la ocultación del arte moldean la formación del significado. Son las mismas dinámicas que se hacen visibles al entrenar IA: qué contexto proporcionas, qué supuestos incorporas y qué dejas implícito. Estos artículos documentan ese proceso — desde la construcción de memoria persistente y bucles de autocorrección hasta la pregunta más profunda de cómo funciona la comprensión misma y qué significa eso para la inteligencia artificial.

Preguntas frecuentes sobre este tema?

¿Qué es la estructura de la comprensión y qué tiene que ver con la IA?
La estructura de la comprensión describe cómo funciona la interpretación — qué moldea el significado antes de que empecemos a pensar conscientemente. Toda interpretación está anclada en la pre-comprensión, la disposición anímica y los conceptos disponibles. La IA carece completamente de estas estructuras — no tiene pre-comprensión a menos que se la proporciones tú. Por eso, cómo estructuras el contexto, configuras los system prompts y diseñas la memoria cambia fundamentalmente lo que la IA produce. Comprender estas estructuras te da una ventaja que la mayoría de las personas que trabajan con IA no tienen.
¿Puede el estudio de la fenomenología mejorar el trabajo con IA?
Sí. La fenomenología estudia cómo funcionan el significado y la interpretación a un nivel fundamental. Esto cambia cómo diseñas sistemas de memoria, estructuras prompts y reconoces los límites de la IA. Es la diferencia entre usar la IA como herramienta y entender por qué produce lo que produce.
¿Qué es la memoria persistente en agentes de IA?
La memoria persistente permite a un agente de IA retener conocimiento entre sesiones. Sin memoria estructurada, cada sesión empieza desde cero. Diseñar sistemas de memoria efectivos es uno de los desafíos clave en la construcción de agentes de IA que mejoren genuinamente.
¿Quién debería controlar lo que aprende un agente de IA?
Cuando un agente pasa de herramienta personal a recurso de equipo, la cuestión de quién puede moldear su conocimiento se vuelve crítica. El acceso no controlado a la memoria del agente puede contaminar sus comportamientos aprendidos.