Description
¿Por qué, tras años de modelos sobrehumanos conversando en un chat y miles de millones invertidos, la automatización real del software empresarial sigue estancada?
En este curso completo (teórico y práctico) analizamos a fondo Jev, el modelo "System One" de TypeSafe AI (fundada por Diogo Almeida, coautor de InstructGPT/RLHF en OpenAI), y el cambio de paradigma que supone pasar de la generación autorregresiva de texto (Sistema 2) a decisiones tipadas en milisegundos y matemáticamente calibradas mediante RLCD (Reinforcement Learning for Calibrated Decisions).
🔗 REPOSITORIO EN GITHUB Y MATERIALES COMPLEMENTARIOS:
• Repositorio completo (código, módulos y documentación): https://github.com/0utKast/Jev_AI
• Guía Bibliográfica y Citas de Autoridad (PDF): https://github.com/0utKast/Jev_AI/blob/main/guia_bibliografica_jev_ai.pdf
• Catálogo Bibliográfico O'Reilly: https://github.com/0utKast/Jev_AI/blob/main/BIBLIOGRAFIA_Y_CITAS_DE_AUTORIDAD.md
📓 LABORATORIOS INTERACTIVOS EN GOOGLE COLAB (1 CLIC, SIN INSTALACIÓN):
1. Fast Router (70 ms): https://colab.research.google.com/github/0utKast/Jev_AI/blob/main/notebooks/01_fast_router_colab.ipynb
2. Escalado Híbrido (Confidence Gate): https://colab.research.google.com/github/0utKast/Jev_AI/blob/main/notebooks/02_hybrid_escalation_colab.ipynb
3. Realtime Guardrails (Seguridad/PII): https://colab.research.google.com/github/0utKast/Jev_AI/blob/main/notebooks/03_realtime_guardrail_colab.ipynb
4. Deterministic Tool Dispatch (Agentes): https://colab.research.google.com/github/0utKast/Jev_AI/blob/main/notebooks/04_tool_dispatch_colab.ipynb
5. Benchmark Cuantitativo (1.000 peticiones): https://colab.research.google.com/github/0utKast/Jev_AI/blob/main/notebooks/05_benchmark_eval_colab.ipynb
⏱️ MARCAS DE TIEMPO (CAPÍTULOS DEL VÍDEO)
00:00 Introducción: Estrellas fugaces en la era digital y el nacimiento de Jev
01:25 De los Transformers a la IA Generativa: por qué renunciar a generar texto
03:54 Módulo 1.1: Origen de TypeSafe AI, Diogo Almeida e InstructGPT
06:45 La Lección Más Amarga del Aprendizaje Automático (The Bitterest Lesson)
08:26 Módulo 1.2: La Trampa del «Carruaje sin Caballos» y el espejo retrovisor
12:30 Módulo 1.3: ¿Qué es un «System One Model»? Inferencia paralela y tipos seguros
16:12 Módulo 2.1: Las 3 olas de la IA: de GPT-3 a los razonadores lentos (o1/o3)
19:17 Módulo 2.2: El lugar arquitectónico de Jev: el arco reflejo periférico
22:26 Módulo 2.3: Emergencia segura y la IA como infraestructura invisible
25:34 Módulo 3.1: Comparativa en 8 dimensiones: Jev vs. LLMs tradicionales
28:29 Módulo 3.2: La Paradoja de Jevons aplicada a la Inteligencia Artificial
31:22 Módulo 3.3: Matriz de idoneidad de casos de uso y Puerta de Confianza
33:53 Módulo 4.1: Psicología cognitiva y sistemas duales (Kahneman y Bengio)
36:46 Módulo 4.2: De RLHF a RLCD: calibración, Brier Score y honestidad epistémica
39:36 Módulo 4.3: Gestión de incertidumbre y decisión bayesiana bajo riesgo
42:18 Módulo 4.4: Arquitecturas neuro-simbólicas y Sistemas Compuestos (Compound AI)
44:51 Módulo 5.0: El «Efecto DeepSeek» del RLCD y la comoditización del System One
48:12 Caso Práctico 1: Fast Router — Enrutamiento semántico en 70 ms (Google Colab)
51:47 Caso Práctico 2: Escalado Híbrido — Patrón Confidence Gate al 85%
55:18 Caso Práctico 3: Realtime Guardrails — Cortafuegos contra Jailbreak, PII y toxicidad
58:35 Caso Práctico 4: Deterministic Tool Dispatch — Invocación tipada y puerta 2FA
01:02:07 Caso Práctico 5: Benchmark Cuantitativo — 1.000 peticiones Jev vs. LLMs (P50/P99)
01:05:56 Módulo 6.1: Conclusiones arquitectónicas y síntesis del paradigma System One
01:09:53 Hoja de ruta práctica en 4 fases para arquitectos e ingenieros de software
📚 BIBLIOGRAFÍA DESTACADA (O'REILLY & CLÁSICOS):
• "AI Engineering" — Chip Huyen
• "Generative AI Design Patterns" — V. Lakshmanan & H. Hapke
• "Reinforcement Learning from Human Feedback" — Nathan Lambert
• "Building Applications with AI Agents" — Michael Albada
• "Designing Large Language Model Applications" — Suhas Pai
• "Hands-On LLM Serving and Optimization" — C. Wang & P. Hu
• "Designing Data-Intensive Applications (2nd Ed.)" — M. Kleppmann & C. Riccomini
• "Software Engineering at Google" — T. Winters, T. Manshreck & H. Wright
• "Thinking, Fast and Slow" — Daniel Kahneman | "The Coal Question" — W. S. Jevons
#Jev #TypeSafeAI #InteligenciaArtificial #AIEngineering #SystemOne #RLCD #RLHF #LLMs #ArquitecturaDeSoftware #Python #MachineLearning #AgentesIA #CompoundAI
