Ciclos de Charlas ReLeLa

Charlas: IA Estamos! (2026)

IA Estamos! es el ciclo de charlas organizado por RELELA junto al Departamento de Ciencias de la Computación (DCC), el Centro de Modelamiento Matemático (CMM) y la Iniciativa de Datos e Inteligencia Artificial (IDIA) de la Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile.

Fabrizzio Pezzolla

Can AI simulate public opinion?

Universidad de Chile · Miércoles 1 de julio de 2026, 12:30, Auditorio Ramón Picarte, 3° piso edificio norte, Av. Beauchef 851, Santiago.

Afiche: Fabrizzio Pezzolla

Los modelos de lenguaje permiten simular respuestas de encuestas a bajo costo, en un momento en que las encuestas tradicionales enfrentan una disminución en las tasas de respuesta, costos crecientes y la desconfianza del público. La charla ofrece una visión general de los llamados encuestados sintéticos: cómo se construyen, qué tan bien reproducen las opiniones de diferentes grupos y en qué aspectos fallan.

Se revisan los principales enfoques y sus limitaciones conocidas, como la tendencia a homogeneizar las respuestas o el sesgo hacia datos en inglés y de Estados Unidos, lo que se traduce en un menor desempeño en contextos como Chile. El objetivo es analizar, de manera accesible, hasta dónde puede llegar actualmente esta tecnología y qué preguntas siguen abiertas.

Sobre el expositor: Fabrizzio Pezzolla es estudiante de Doctorado en Computación de la Universidad de Chile.

Enlaces: Slides

Arie Wortsman Zurich

Scaling Laws from Sequential Feature Recovery: A Solvable Model

Center for Data Science, ENS Paris · Miércoles 24 de junio de 2026, 15:00 — Sala Multimedia CMM (6° piso, entrada por el 7°).

Afiche: Arie Wortsman Zurich

Proponemos un mecanismo simple mediante el cual las leyes de escala (scaling laws) surgen del aprendizaje de características (feature learning) en redes multicapa. Estudiamos un objetivo jerárquico de alta dimensión que es, a nivel global, una función de alto grado, pero que puede ser representado mediante una combinación de características compositivas latentes cuyos pesos disminuyen según una ley de potencias. Probamos la existencia de umbrales de recuperación precisos para cada característica y mostramos que la agregación de estas transiciones produce un decaimiento explícito en forma de ley de potencias del error de predicción. Los experimentos numéricos confirman la recuperación secuencial predicha, el suavizado de los umbrales en tamaños finitos y la separación con respecto a los modelos de referencia (baselines) de kernel no jerárquicos. En conjunto, estos resultados muestran cómo pueden surgir leyes de escala suaves a partir de una cascada de transiciones abruptas en el aprendizaje de características.

Maximilian Leutschafft

Need for Speed – Will AI Overtake Aerodynamic Simulations?

Technical University of Munich, Germany · Miércoles 17 de junio de 2026, 12:30 — OpenBeauchef.

Afiche: Maximilian Leutschafft

Probar diseños en simulaciones virtuales es una práctica estándar en la ingeniería moderna. Lamentablemente, estas simulaciones suelen tardar horas o incluso días en completarse, lo que limita la productividad en el área. Los modelos modernos de inteligencia artificial prometen predecir esas mismas soluciones en cuestión de segundos. Durante la presentación, cuestionaremos esta promesa, resumiremos los principios fundamentales, exploraremos soluciones de vanguardia y hablaremos sobre los obstáculos actuales.

José Guillén

A Simple Method to Enhance Pre-trained Language Models with Speech Tokens for Classification

CENIA · Miércoles 3 de junio de 2026, 12:30 — OpenBeauchef, 2° piso edificio poniente, Av. Beauchef 851.

Afiche: José Guillén

Los modelos de lenguaje suelen trabajar principalmente con texto, dejando de lado información valiosa presente en la voz, como el tono o la entonación. En esta charla se presentará un método simple y eficiente para incorporar señales de audio a modelos de lenguaje preentrenados, mejorando su desempeño en tareas de clasificación. Los resultados muestran que esta estrategia permite aprovechar información del habla de manera efectiva, obteniendo mejores resultados en aplicaciones como la detección de falacias argumentativas y el análisis de emociones.

Sobre el expositor: José Guillén es Research Engineer en CENIA y estudiante de magíster en la Universidad Técnica Federico Santa María. Su investigación se centra en aprendizaje multimodal, modelos de lenguaje, robótica social e inteligencia artificial aplicada a problemas ambientales.

Enlaces: Artículo · Slides

Yannis Karmim

Understand memorisation and knowledge acquisition in LLM

Miércoles 6 de mayo de 2026, 12:30 — Sala P303 Philippe Flajolet, DCC.

La charla discutió cómo los grandes modelos de lenguaje memorizan y adquieren conocimiento, a partir del trabajo en un dataset para evaluar conocimiento sobre cultura LATAM.

Enlaces: Slides

Ediciones anteriores

Charlas: Las (im)posibilidades de los Modelos del Lenguaje (2023)

alt text

Inscripciones

Sobre el evento

La creciente importancia y la masividad que han adquirido recientemente los modelos de lenguaje como ChatGPT ha generado en la ciudadanía preocupaciones sobre sus condiciones de posibilidad y sus limitaciones. Debido a la naturaleza multidisciplinaria de la problemática, se requiere crear espacios de diálogo, difusión y la colaboración entre expertos de diferentes áreas.

El objetivo de este ciclo es brindar una visión amplia y crítica sobre el desarrollo y las posibilidades de los modelos de lenguaje, específicamente en relación a los últimos avances tecnológicos en el campo de la inteligencia artificial. Se busca explicar los fundamentos técnicos de estas tecnologías y fomentar la reflexión y el debate sobre el papel que juegan estos modelos en la sociedad actual, sus limitaciones y posibles riesgos, y las implicaciones éticas y sociales que plantean.

Cronograma

Expositores

Felipe Bravo-Márquez

alt text

Profesor asistente en el Departamento de Ciencias de la Computación de la Universidad de Chile, Investigador Asociado del Centro Nacional de Inteligencia Artificial (CENIA) e Investigador Joven del Instituto Milenio Fundamento de los Datos (IMFD).

Realizó su doctorado en el grupo Machine Learning de la Universidad de Waikato, Nueva Zelanda, donde también trabajó como Research Fellow durante dos años. Sus intereses de investigación abarcan las áreas del procesamiento del lenguaje natural (NLP), el aprendizaje automático (ML), la inteligencia artificial (AI) y la recuperación de información (IR).

Jorge Ortiz Fuentes

alt text

Data Scientist y Lingüista.

Licenciado en Letras Hispánicas de la Pontificia Universidad Católica, Magíster (c) en Ciencias de la Computación de la Universidad de Chile y Estudiante IMFD. Sus áreas de investigación y desarrollo abarcan el procesamiento de Lenguaje Natural, la Ciencia de Datos y la Lingüística. Actualmente se desempeña como Machine Learning Engineer en Awto.

Gabriela Arriagada

alt text

Profesora Asistente, Instituto de Ética Aplicada (IEA) & Instituto de Ingeniería Matemática y Computacional (IMC), UC, Investigadora CENIA. Candidata a Doctor en Filosofía y Ética Aplicada de la Universidad de Leeds, Inglaterra. La mayor parte de su trabajo se centra en la ética aplicada. Actualmente investiga sobre sesgo, equidad y explicabilidad en IA y ciencia de datos.

Jorge Peréz

alt text

Co-Fundador de Cero.ai.

Cero.ai es una empresa que apoya a que los pacientes lleguen a sus citas a la hora y preparados. Actualmente dirige el desarrollo en inteligencia artificial del producto, y está a cargo de las ventas a instituciones públicas de salud. Antes de cero.ai fue académico e investigador universitario por más de 15 años (DCC Uchile) y estudió un PhD en Computación (UC). Su área principal de investigación es el Procesamiento de Lenguaje Natural y Redes Neuronales Profundas.

José Manuel Peña

alt text

Senior Portfolio Manager en Fintual, Ingeniero Civil Industrial de la Universidad de Chile, Chartered Financial Analyst (CFA) y Master en Applied Analytics de la Universidad de Columbia en Nueva York. Ha ejercido cargos en la industria financiera en áreas de análisis, desarrollo y gestión de portafolios para clientes privados y fondos de pensiones, además de haber realizado emprendimientos en áreas de analytics e inteligencia artificial. Manu también es Regional Chair del Columbia SPS Career Coalition y miembro de la comisión de Inteligencia Artificial y Big Data del Instituto de Ingenieros de Chile.

Cristián Buc

alt text

Investigador CENIA: Jefe del grupo científico @ CENIA. PhD en Neurociencias Computacionales Cognitivas de la Universidad Libre de Bruselas, postdoctorados en Ghent University y Brown University. Su área de investigación emerge de la intersección entre Neurociencias e IA. En particular, su trabajo se centra en el desarrollo de redes neuronales inspiradas en funciones y mecanismos cerebrales.

Magdalena Saldaña

alt text

Profesora Asistente de la Facultad de Comunicaciones de la Pontificia Universidad Católica de Chile e investigadora del Instituto Milenio Fundamento de los Datos.

Doctora en Periodismo y Comunicación de Masas, University of Texas- Austin (Estados Unidos). Magíster en Investigación Social y Desarrollo, Universidad de Concepción. Periodista, Universidad de Concepción. Sus áreas de investigación son: Medios digitales, comunicación política, opinión pública y estudios latinoamericanos.

Felipe Tobar

alt text

Profesor Asociado, Universidad de Chile, Director, Iniciativa de Datos e Inteligencia Artificial, Uchile, Investigador, CMM & AC3E.

Su investigación se sitúa entre el Aprendizaje Automático Estadístico y el Procesamiento de Señales, incluyendo inferencia aproximada, inferencia no-paramétrica bayesiana, estimación espectral y transporte óptimo computacional.

Martín Cáceres

alt text

Director del Centro de Innovación MINEDUC. Licenciado en Física y Doctor en Ciencias de la Ingeniería de la Pontificia Universidad Católica de Chile.

Ha trabajado como docente en el sistema escolar enseñando física, electrónica y robótica, y en el sistema universitario ha dictado cursos de humanidades digitales y metodologías innovadoras de enseñanza y aprendizaje. Además, ha trabajado en asesorías a escuelas y universidades y en política pública relacionada con innovación pedagógica en Chile y en el extranjero.

Afiches

¿Puede ChatGPT conquistar el mundo? Lenguaje humano vs lenguaje de máquina.

alt text

Un recorrido por los Modelos de Lenguaje: desde Shannon a GPT-4.

alt text

Desafíos éticos actuales a la luz de la revolución sociotecnológica del GPT3 y 4.

alt text

ChatGPT en la Industria: posibilidades y proyecciones.

alt text

Alcances y límites de los modelos de lenguaje.

alt text