Esta página es una actividad práctica en clase: con un breve mensaje de diálogo, se impulsa a la IA a generar y ejecutar una tarea básica de optimización con EvoX, y luego se revisa su resultado con un criterio de validación de ingeniería. Lo importante no es que "funcione", sino verificar"la persona marca la dirección, la IA aporta la implementación, la persona valida"como ciclo de trabajo AI Native.
Objetivos de la actividad
Completar el ciclo mínimo de "indicación → generación → ejecución → validación" en un entorno real de EvoX, y no solo obtener un fragmento de código legible. Debes experimentar de primera mano cómo guiar a la IA mediante el diálogo para completar una tarea básica de optimización y revisar su salida como lo haría un ingeniero.
Elementos para construir la indicación (ninguno es prescindible)
- Problema de optimización y función objetivo: por ejemplo, minimizar la función Rastrigin.
- Espacio de búsqueda y dimensiones: por ejemplo, 10 dimensiones y el rango de valores de cada dimensión.
- Selección de algoritmo/operadores: por ejemplo, el algoritmo DE, con operadores de cruce y mutación.
- Tamaño de la población y número de generaciones: por ejemplo, población de 128 individuos y 200 generaciones.
- Backend de cómputo: CPU o tensorialización en GPU.
- Salida esperada: valor óptimo, curva de convergencia y registro de ejecución.
Elección del nivel de detalle de la indicación
Una indicación demasiado general activa la configuración predeterminada de la IA y dificulta juzgar si cumple con la intención; una indicación demasiado detallada degenera en programación manual. Se recomienda especificar con claridad"las restricciones y los criterios de validación"y dejar los detalles de implementación a la IA. Por ejemplo, especificar el problema, el algoritmo, el tamaño de la población y el número de iteraciones, pero sin detallar cómo llamar a la API.
Lista de verificación de los resultados de ejecución
- ¿Se ejecutó de verdad o solo se proporcionó código? — Revisa el registro de la terminal y el tiempo de ejecución.
- ¿La curva de convergencia mejora de forma monótona y sin oscilaciones anómalas? — La curva debe descender de manera constante.
- ¿El valor óptimo coincide con el orden de magnitud conocido del problema? — Por ejemplo, el óptimo global de la función Rastrigin es 0.
- ¿Son reproducibles la semilla aleatoria y la configuración? — Al fijar el seed y repetir la ejecución, deben obtenerse resultados iguales o similares.
Preguntas de seguimiento desde la perspectiva de la validación
Cuando los resultados no cumplan lo esperado, añade restricciones mediante el diálogo, por ejemplo: "vuelve a ejecutar con seed=42 fijo y proporciona la media y la varianza de tres repeticiones". Observa si la IA puede corregir iterando en lugar de reescribir. Esto entrena tu capacidad de describir con precisión el problema y los criterios de validación.
Reparto de tareas entre persona e IA
La persona se encarga de definir el problema, los criterios de medición y la validación de resultados; la IA se encarga de seleccionar la API, organizar el código, depurar y ejecutar. Con esta actividad, ubicarás tu rol con mayor claridad dentro del flujo de trabajo AI Native.
Límites con los contenidos adyacentes
Esta página solo valida el flujo de una tarea básica y no aborda temas posteriores como la evolución de dos niveles de MetaDE, el equilibrio multiobjetivo o los sistemas multiagente de Genesis.
Ejemplo de indicación de referencia
"Usa EvoX para encontrar el mínimo de la función Rastrigin (10 dimensiones), con el algoritmo DE, población de 128, 200 generaciones, backend tensorial en GPU y seed=42 fijo; ejecútalo directamente y devuelve la aptitud óptima, el gráfico de la curva de convergencia y el registro de ejecución."
Al validar, contrasta estos cuatro puntos: si se ejecutó realmente, si la forma de la curva de convergencia es razonable, si el valor óptimo se acerca a 0 y si los resultados de ejecuciones repetidas son consistentes.
Ciclo de la actividad en clase con EvoXEsta captura interactiva corresponde al ciclo mínimo de la actividad en clase: con un mensaje de indicación se hace que la IA genere y ejecute una tarea de optimización con EvoX; la indicación debe especificar el problema, la función objetivo, el espacio de búsqueda, el algoritmo, el tamaño de la población, el número de generaciones, el backend de cómputo y la salida esperada. Tras la ejecución, se valida comprobando si se ejecutó realmente, si la curva de convergencia es razonable, si el valor óptimo se acerca al orden de magnitud conocido y si la semilla fija permite reproducir los resultados, reflejando que la persona marca la dirección, la IA implementa y la persona valida.
