Tengo que deciros que no ha sido fácil el camino hasta aquí, se ha hecho bastante complicado la planificación de un contenido sencillo y digerible sobre inteligencia artificial pero finalmente iniciamos nuestro camino, y empezamos con el Episodio 0 el de “probando .. probando”.
Empecemos fuerte: Crea [No Code]
¿Te imaginas poder crear tu propio ChatBot en cuestión de minutos a partir de un documento de Word, .txt, .pdf, .pptx, .csv o incluso un PDF?
Con el proyecto berri.ai, esto es posible simplemente proporciona el documento sobre el tema que te interesa y la IA ajustará el modelo para que puedas interrogarla. Ya sea para encontrar instrucciones, entender un PDF en otro idioma o analizar un libro, berri.ai te sorprenderá con resultados espectaculares. ¡Sorprendido!
Yo la he entrenado contra las instrucciones del modelo 210 (Impuesto sobre la Renta de no Residentes ) de España y ni tan mal …
Si eres un creador de contenido y aún no has explorado Python, es posible que quieras considerar actualizarte. Muchos modelos de inteligencia artificial pueden personalizarse aún más con el conocimiento de este lenguaje de programación, berri.ai no es una excepción: Colab de muestra.
Mucho se ha hablado del “fracaso” de Google en su presentación de Bard (El equivalente al ChatGPT que ha lanzado Bing) pués se comenta que Google está pidiendo la ayuda de sus empleados para corregir las respuestas inexactas proporcionadas por su herramienta de búsqueda de inteligencia artificial, Bard. El vicepresidente de búsqueda de Google, Prabhakar Raghavan, envió un correo electrónico a los empleados pidiéndoles que prueben Bard internamente y corrijan las respuestas incorrectas. Raghavan también alentó a los empleados a reescribir las respuestas sobre temas que entiendan bien, ya que Bard aprende mejor con el ejemplo.
Un truco para ChatGPT
Si ChatGPT se niega a darte una respuesta, simplemente edita tu instrucción sin cambiar nada y luego pulsa el botón “Save & Submit”, así hasta que te conteste :)
El término de la semana: Embeddings
Amplia tu vocabulario y quédate con este concepto. Cuando se trabaja con datos de texto, una de las principales dificultades es entender qué palabras tienen significados similares. Los embeddings resuelven este problema representando cada palabra con un número, lo que permite identificar qué palabras son similares en su significado. Esta técnica es particularmente útil para las IA de lenguaje, que a menudo tienen limitaciones de "tokens" debido a la gran cantidad de texto a procesar.
Los embeddings reducen el número de tokens necesarios para representar el texto, lo que hace que el modelo sea más compacto y eficiente. En lugar de utilizar un token diferente para cada palabra, los embeddings reducen el número de tokens necesarios y permiten que el modelo trabaje con una representación más compacta de los datos de texto. Te interesa echar un vistazo a la documentación de OpenAI y estos módulos de python GPTIndex y por fin un Open Source chroma
last selfie in the world, catastrophes , last times, mood, photo, photoreal, ultra detailed, super high definition, end of the world, apocalypse, votes, huge, effective, impactful, madness, mad max style, goodbye
último selfie del mundo, catástrofes, últimos tiempos, humor, foto, foto real, ultra detallado, super alta definicion, fin del mundo, apocalipsis, votos, enorme, efectivo, impactante, locura, estilo mad max, adios.
Hasta aquí nuestro obligado episodio de prueba, llegaremos a vuestros buzones los Sábados, con más contenido y código “exclusivo” … así que recuerda .. échale un vistazo a Python que te va a interesar.
![[con]NEURONA](https://substackcdn.com/image/fetch/w_36,h_36,c_fill,f_webp,q_auto:good,fl_progressive:steep,g_auto/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fed12578b-c54c-4f26-9b05-d7a84fc1538b_768x768.png)
