Domina la IA generativa y la ingeniería de prompts con ChatGPT.

1. Introducción al curso: Hola, chicos. Bienvenido a mi curso de Ingeniería rápida para ChatGPT Mi nombre es TamoyKumar Das. Solo para darte una experiencia sobre mí, soy un ex empleado de Google con 16 años de experiencia en publicidad paga, y llevo más de diez años enseñando publicidad paga , y enseño a muchos jóvenes profesionales y emprendedores y expertos que quieren entrar en este campo. Quería aprovechar esta oportunidad hoy para hacerles saber lo que vamos a aprender en este curso. Así que vamos a ver entender las capacidades de la IA genética Aplicaciones y diversas herramientas de IA genitiva, incluyendo hat GPT, cómo podemos utilizarlas para diversos casos de uso Entonces vamos a entrar en la comprensión de las indicaciones, que podemos dar en Chat GPT específicamente prompt, que va a ser diferentes tipos de patrones de prompt que podamos tener Te voy a mostrar varios ejemplos de estos patrones de prompt, los cuales puedes aplicar en hat GPT y obtener resultados realmente geniales Espero que al final de este tribunal, entiendas cómo puedes usar ingeniería rápida de manera efectiva en Chat GPT como herramienta Gracias una vez más, chicos, por inscribirse en este curso, y estoy muy emocionado de verlos dentro del curso 2. Por qué es importante la IA generativa: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, entenderemos por qué deberíamos estar aprendiendo sobre genitivo A. Si lo miras, AA genitivo está en la mente de cada líder de la organización en este momento Empresas, gobiernos, y con interés vienen oportunidades. Las organizaciones buscan específicamente personas que entiendan la tecnología y lo más importante, tengan las habilidades para aplicarla prácticamente en el trabajo diario. Ahora, a diferencia de muchas de las tecnologías de tendencia anteriores, IA genitiva toca casi todos los roles en cada profesión en este momento Ahora por lo cual, se espera que las habilidades genéticas de IA sean más importantes en el futuro próximo, no solo para los informáticos, para todos, razón por la cual serán esenciales como procesamiento de textos, hojas de cálculo, incluso conocimientos básicos de negocios Ahora hay mucho interés nuevo sucediendo en este momento en la IA y las empresas están mirando más allá de la IA del cliente, la IA del consumidor. Una interfaz de chat booard es una excelente manera de demostrar el potencial generativo de IA Ahora, los casos de uso de la vida real están incorporando la IA generativa en los procesos existentes y convirtiéndola en una función integral de casi todos los flujos de trabajo empresariales Las habilidades que estarás adquiriendo como parte de estos programas que deberían ayudarte con tu carrera y ser muy aplicables a tu trabajo al instante. Hay muchos puntos positivos con aprender sobre IA genitiva porque esto va a ser útil no solo en tu trabajo profesional diario, sino personalmente también, puedes usar estas herramientas de IA para resolver muchos problemas, preguntas, consultas que puedas tener Las herramientas ayudan a llegar a las soluciones reales y dan pasos prácticos también. Para que puedas instruir a la herramienta de tal manera. Puedes solicitarlo de tal manera que te dé las salidas que realmente estás buscando. Entonces tiene mucho sentido que aprendamos sobre IA generativa, entendamos cómo usar estas herramientas de IA en diferentes esferas de trabajo En este curso en particular, vamos a ver cómo va a ayudar en nuestros roles de ventas en la profesión de ventas. 3. Introducción a la IA generativa: Hola, chicos. Bienvenidos a las sesiones. Y en esta sesión, hablaremos sobre la IA genetiva, entendiendo la visión general de la misma, los antecedentes de la misma Si lo miras, la inteligencia artificial o la IA han existido desde hace años, dando forma a casi todas las esferas de nuestras vidas y revolucionando la forma en que vivimos y trabajamos En su esencia, la IA puede definirse como la simulación de la inteligencia humana por las máquinas. Los modelos de IA aprenden de grandes cantidades de datos existentes. Hay dos enfoques fundamentales para los que es la IA discriminativa y la IA generativa Ahora, la IA discriminativa es un enfoque que aprende a distinguir entre diferentes clases de datos A un modelo discriminativo de IA se le da un conjunto de datos de entrenamiento donde cada punto de datos se etiqueta con su clase Luego, el modelo predice la clase de un nuevo punto de datos al encontrar el lado del límite de decisión el que cae el punto de datos Los modelos discriminativos de IA utilizan algoritmos avanzados para diferenciar, clasificar, identificar patrones y sacar conclusiones basadas en datos de entrenamiento Sin embargo, no pueden entender el contexto ni generar nuevos contenidos basados en una comprensión contextual de los datos de entrenamiento. Aquí es donde entra en imagen la IA generativa, la inteligencia o la IA generativa Los modelos GentiVI aprenden a generar nuevos contenidos basados en los datos de entrenamiento Pueden capturar la distribución subyacente de los datos de entrenamiento y generar nuevas instancias de datos. GentI comienza con un prompt. Esto puede ser texto o una imagen o un video o cualquier otra entrada que el modelo pueda procesar. Como salida, el modelo genera nuevo contenido, incluyendo texto, imágenes, video, audio, puerto y datos. Gent puede producir salida en la misma forma en la que se proporciona el prompt. Por ejemplo, texto a texto o en una forma diferente a la del prompt como texto a imagen o texto a video. Ahora, los modelos generativos pueden tomar lo que han aprendido y crear contenido completamente nuevo basado en esa información Tanto los modelos discriminativos como los generativos se crean utilizando técnicas de aprendizaje profundo El aprendizaje profundo implica entrenar redes neuronales artificiales para aprender de grandes cantidades de datos. Una red neuronal artificial es una colección de unidades de computación más pequeñas llamadas neuronas, ahora, que se modelan de una manera similar a cómo un cerebro humano procesa la información Las habilidades creativas de la IA genética provienen de modelos generativos de IA como órganos de redes generativas adversariales, autocodificadores variacionales o VAE o VAE Estos modelos pueden considerarse como los bloques de construcción de la IA generativa Ahora bien, si nos fijamos en la evolución de la IA generativa, comenzó en la década de 1990 cuando comenzó el origen del aprendizaje automático y luego se metieron en explorar la creación de datos aritméticos A partir de ahí en la década de 1990, las redes neuronales surgieron con capacidades avanzadas de IA genética En 2010, el aprendizaje profundo comenzó con grandes conjuntos de datos, computando la IA generativa acelerada Luego en 2014 y más allá, Gans del que hablamos, y otros modelos regularizaron toda la IA genetiva Ahora bien, si nos fijamos en los modelos fundacionales, los modelos EI con amplias capacidades adaptados para construir modelos o herramientas especializados y avanzados grandes modelos de lenguaje surgieron, que podían procesar y generar texto. En 2018 en adelante, surgieron diversos tipos de LLM como Open AI, serie GPT N, comenzando con GPT uno, GPT dos, tres, 3.5 Entonces también surgió Google Palm, Lama entró en existencia en el mismo 18, también hay generación de imágenes generativas de IA iniciada con difusión estable y Si nos fijamos en las herramientas generativas de IA actualmente las cuales se pueden utilizar por diversas razones, ¿podemos? Uno está bajo generación de texto, hay trágico PT Gemini Bajo generación de imágenes, hay Dalí dos, medio viaje, que podemos usar Bajo Generación de video, hay sintesia luego bajo generación de código, hay código Po Pilot y Alpha Espero que esto tenga sentido. Espero que seas capaz de entender la evolución de la IA generativa, que ha ocurrido a lo largo del tiempo 4. Evolución de la IA generativa: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, discutiremos la evolución del VI genetivo a lo largo de los años Si lo miras, GenetiveEI comenzó a evolucionar paralelamente al avance de la Permaneció latente por más de 20 años, pero luego fue impulsado por GANs y VAEs específicamente, y ahora se ha preparado para dar forma al futuro Por lo que se logró un avance significativo en la creación de contenido. Entonces, en los avances de la misma, los primeros modelos Geni tuvieron algunos problemas con la coherencia y la calidad ¿Bien? Entonces GPT tres, GPT cuatro, Dali, entregaron sofisticadas salidas de texto e imágenes y potencian la creatividad y la automatización Ahora bien, si nos fijamos en las capacidades genitivas, actúa como un genio creativo Puede crear imágenes, escribir historias, inventar nuevas ideas para nosotros. Se va a basar en un mecanismo basado en reglas. Se trata de sistemas restringidos a contextos y reglas predefinidos. Ahora, se utilizan modelos de aprendizaje automático y estadísticos donde identifica patrones en conjuntos de datos basados en aprendizaje semi supervisado, supervisado o de refuerzo Ahora también hay ciertas otras cosas. Los VA durante el periodo de tiempo iniciaron patrones de aprendizaje para generar resultados similares. Los Gans producen imágenes y arte altamente realistas. Se utilizaron modelos autorregresivos para generar contenido paso a paso, ideal para modelar el lenguaje Luego, el aprendizaje profundo y la red neuronal entraron en imagen que podrían detectar patrones en datos con capacidades avanzadas. También fue capaz de manejar datos formativos no estructurados Entonces el GAS, que son redes generativas adversarias, marcó el inicio de una nueva era de herramientas de IA donde podría crear nuevos Luego también hubo LSTM y RNN que se utilizaron, que ofrecerían capacidades avanzadas, que ofrecerían capacidades avanzadas, manejaban datos no estructurados y podrían procesar datos y podrían procesar Ahora, si nos fijamos en la diferencia entre la IA generativa y la IA tradicional, IA tradicional analiza o predice usando datos existentes La tarea común puede ser clasificación, recomendación urigreon Mientras que la IA genitiva utiliza modelos GAS y transformadores, es capaz de crear nuevos datos que se asemejan a los datos comerciales Ahora bien, si nos fijamos en inteligencia artificial o la IA tradicional, evolucionó del nivel de orden básico al predictivo, mientras que la IA generativa crea salidas de calidad humana utilizando técnicas de IA Entonces, si ves desde 2017, una nueva era de tareas generativas ha evolucionado, aprovechando los modelos GPT de código abierto Ha utilizado modelos preentrenados para grandes conjuntos de datos y modelos de ajuste fino para tareas específicas. Entonces, en general, si ves la diferencia principal, IA tradicional sigue instrucciones específicas, mientras que la IA genitiva inventa y crea por sí sola 5. Capacidades de la IA generativa: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, hablaremos sobre las capacidades de la IA genetiva Si nos fijamos en las capacidades que el PI genetivo tiene ahora, pasa desde la generación de texto, generación imágenes, generación de audio , generación de video, generación de código ahora, generación de datos también, y capacidades aumentadas también tiene ahora y también ayudando a la creación de mundos virtuales inmersivos también es capaz Ahora bien, si nos fijamos específicamente en las capacidades de creación de texto, entonces hay varios LLM que lo están proporcionando, que están capacitados en grandes conjuntos de datos y pueden generar texto similar al humano No, también son capaces de aprender patrones y estructuras a partir de conjuntos de datos y generar contenido y mensajes de texto contextualmente relevantes, textos o respuestas, conversaciones, explicaciones y resúmenes Algunos de los ejemplos de capacidades de generación de texto pueden provenir de OpenAI, hat GBT y Gemini de Google. Ahora bien, si miras específicamente las capacidades de generación de imágenes en este momento, los modelos generativos de IA aprovechan técnicas de aprendizaje profundo como Gans, que son redes generativas adversarias y Con la ayuda de estos, son capaces de generar imágenes de IA que son texturas realistas, colores naturales, detalles de grano fino Ahora, algunos de los ejemplos de generación de imágenes provienen de Style gan, que produce imágenes novedosas de alta calidad y alta resolución. Luego está el arte profundo, que produce un boceto de obra complejo y detallado, a partir de un boceto específicamente. Y luego está Dalí Dali produce imágenes novedosas basadas en descripciones textuales que le damos De igual manera, hay capacidades de generación de audio este momento con IA generativa, en donde es capaz de generar composiciones musicales, texto a voz, audio, voces sintéticas y voz con sonido natural Algunos de los ejemplos pueden ser Wave gan, que está produciendo formas de onda de audio sin procesar, sonidos realistas, habla, música, ruidos ambientales Hay Ais usenet abierto, que es capaz de generar música original en diversos géneros e instrumentaciones, y también puede crear composiciones clásicas para canciones pop También está el tachotrón dos de Google, que es capaz de producir DTS avanzado, y puede producir discurso sintético altamente realista, tono, tono, modulación, pronunciación, ritmo Hay muchas capacidades generativas, lo que ha ocurrido en el pasado y está aumentando continuamente en este momento en este momento 6. Aplicaciones de la IA generativa: Hola, chicos. Bienvenidos a las sesiones. En esta sesión, hablaremos sobre la aplicación de la IA generativa en diferentes sectores de trabajo El primero, vamos a ver la aplicación de generador de IA en TI y DevOps Entonces aquí, realmente mejora los procesos de entrega de software y la gestión de la infraestructura. Las capacidades de generación de código de la IA genitiva reducen los esfuerzos de codificación manual y el tiempo dedicado a tareas repetitivas Por ejemplo, Git Hub, copilot y SNIC Deep code ayudan a hacer repositorios de código Se puede examinar eso, puedo examinar los estándares de codificación. También ayuda a generar casos de prueba sintéticos y datos de prueba. En el que puede simular el comportamiento del usuario, el impacto, la eficiencia del software, la confiabilidad y la robustez También hay herramientas como las herramientas APLA y las pruebas, que pueden garantizar una cobertura de prueba adecuada, aumentando la profundidad y diversidad de conjuntos de datos Además, aparte de esto, puedes monitorear y detectar anomalías como IBM, Watson AIOps y Mok soft AIOps Puede analizar registros del sistema, métricas y otros datos, como el mantenimiento proactivo. Puede ayudar a disminuir el inactividad y también a prevenir fallas críticas Ahora bien, si nos fijamos en la aplicación de la IA generativa en el entretenimiento, en el arte y la creatividad, puede ayudar a generar contenido sintético como música, guiones, historias, videos, películas, videojuegos En el desarrollo de juegos, hay Houdini por efectos secundarios, que pueden crear juegos, animaciones, experiencias de AR y VR, personajes únicos con un comportamiento único Aparte de eso, también hay influencers virtuales y avatares, que ha llegado a lo largo del tiempo, que son capaces de interactuar con los usuarios y crear experiencias atractivas Luego está la aplicación de la IA generativa en la educación como generación de contenido, experiencias de aprendizaje personalizadas y adaptativas, aprendizaje experiencial simulado, todo lo que puede suceder ahora Puede ayudar a proporcionar traducción de idiomas como hacer que el contenido sea accesible para diferentes personas, calificar tareas, proporcionar comentarios instantáneos, crear recorridos de aprendizaje y estrategias de evaluación para apoyar ritmo y las fortalezas de los estudiantes, generar taxonomías que pueden ser el rendimiento y las preferencias de los estudiantes Aparte de eso, los algoritmos generativos también se utilizan en educación para detectar necesidades especiales y discapacidades de aprendizaje, crear planes de lecciones específicos, crear planes de lecciones específicos, rastrear el progreso de los alumnos a lo largo del tiempo También puede hacer rastreo de conocimientos en el que se puede hacer el ritmo de escritura y el contenido para las necesidades individuales Se puede proporcionar soporte de tutoría. Se pueden crear entornos virtuales y simulados. Se puede hacer educación inclusiva. El ejemplo, herramientas que son nulas J. Es un aprendizaje E generado por IA, que se puede hacer en minutos para el tema objetivo, que pueden ser videos interactivos, glosarios, resúmenes, todo lo que se puede hacer con la Espero que esto tenga sentido. Espero que entiendan las diversas aplicaciones de la IA generativa en diferentes sectores de trabajo 7. Herramientas para generación de texto: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, veremos diversas herramientas que podemos utilizar para la generación de texto en LLM Si lo miras, los modelos de lenguaje grandes se basan en patrones y estructuras aprendidas durante el entrenamiento. Estos LLM interpretan el contexto, la gramática y la semántica para generar coherente y contextualmente apropiado Dibujar relaciones estadísticas entre palabras y frases permite estos LLM adaptar estilos de escritura creativa para cualquier contexto dado Los LLM son la base de muchos modelos de generación de texto. Dos de estos ejemplos son transformador preentrenado generativo o el modelo GPT y Gemini AI Los modelos han evolucionado hasta convertirse en modelos multimodales que ofrecen múltiples capacidades Aprendamos sobre las capacidades de estos modelos a través de dos herramientas populares en este momento, que es SATGPT y Google Si nos fijamos en ATGPTs basados en un GPT como un modelo de lenguaje grande y utiliza procesamiento avanzado de lenguaje natural o PNL, que Bueno originalmente HGPT solo tomó indicaciones de texto como entrada para generar nuevos contenidos, con la versión más nueva, puede tomar tanto entradas de imagen como de texto ChagPT ofrece diversas capacidades para la generación de texto. También es capaz de conversaciones fluidas y basadas en el contexto. Ahora, de la misma manera, si nos fijamos en Google Gemini es impulsado por el modelo de IA Gemini de Google. Introduce una nueva familia de modelos de IA multimodelo y mejora el razonamiento, la comprensión y la generación. También garantiza la eficiencia y escalabilidad y optimiza la interacción multimodal sin interrupciones También es capaz de manejar diversos datos y tareas. Veamos un ejemplo práctico de cómo va a ser esto. Esta va a ser la interfaz Cha GPT donde podamos venir y vamos a dar un prompt general en donde estoy diciendo que he oído hablar del yo generativo y quiero aprender más Ella me va a dar mucho contexto sobre lo que es la IA generativa. ¿Cómo funciona? LLMs. Ella nos va a dar mucha información relacionada, lo cual es bastante informativo y proporciona la información correcta sobre. Ahora, además, puedo profundizar donde puedo decir que cómo puedo usar IA nativa para mejorar específicamente mis habilidades de narración Entonces ahora quiero desviarlo a un requisito de categoría específico, que son las habilidades para contar historias Entonces ahora me va a dar ideas en torno que desarrollen personajes más profundos, mejoren la escritura de diálogos, mejoren la escritura de diálogos, usen la IA para hacer una lluvia de ideas de mejores historias Bien, entonces me está dando algunas entradas prácticas que realmente puedo usar para mejorar mis habilidades de narración De la misma manera, también puedo pedirle algo aparte. Digamos que te estoy pidiendo que me ayudes con creación de diapositivas para demostrar las características de una plataforma de aprendizaje. Digamos que quiero crear ciertas diapositivas de ventas. Entonces me va a dar la estructura es realmente buena donde se descompone en diapositivas, título, subtítulo, incluir, y luego el problema que resolvemos El enfoque se da en el contexto que se da, que es para la plataforma de aprendizaje. Entonces me está dando todos los puntos necesarios para eso. Es así como podemos hacerlo útil. Otro gran uso es que puedes usarlo para aprender idiomas. Todo eso es posible, para que puedas convertir cualquier idioma inglés a cualquier otro idioma que quieras, y Chachi P puede hacerlo fácilmente por nosotros. misma manera, echemos un vistazo a Google Gemini, que también puedes hacer uso del que también puedes hacer uso donde puedes dar un prompt. Digamos, le estoy pidiendo que brinde un resumen de las últimas noticias sobre la guerra en Ucrania. Entonces me va a dar toda la información relacionada con eso. Puedes ver por aquí toda la información, la información más reciente que podemos obtener. De igual manera, si quisiera construir una estrategia torno a hacer una campaña de marketing digital para una marca de moda, así me puede ayudar con eso también. Entonces ahora le estamos pidiendo que brinde una estrategia de marketing digital. Así experiencias inmersivas e impulsadas por IA estrategia de contenido, autenticidad o estética, bien, comercio social y comunidad Entonces puedes ver que me está dando algunas estrategias específicas en torno al marketing digital, que puedo usar prácticamente para promocionar una marca en particular. Entonces así es como vamos a hacer uso tanto de las herramientas específicamente hablando. Y luego si miras más, así que al usar CHAPT y Gemini, tiene muchos beneficios Al igual que, proporciona resolución de problemas a través de matemáticas y estadísticas básicas , análisis financiero, puede hacer investigación de inversiones, presupuestación, todo lo que puede hacer También te puede ayudar con la generación de código. Ahora bien, si comparas CHATPT con Gemini, CHAPT es efectivo para generar respuestas dinámicas y el flujo conversacional está ahí en Mientras que Gemini es bueno, óptimo para trabajos de investigación, investigación en noticias de actualidad, información que desea sobre un tema en particular para todos esos fines. También hay otras herramientas generadoras de texto, que puedes usar absolutamente, por ejemplo, Jasper, que es útil para crear contenido de marketing para una marca específica También puedes usar writer como herramienta de IA, que crea contenido para blogs, correos electrónicos, SEO, metadatos y también anuncios en redes sociales. También existe copy.ai, que crea contenido en redes sociales para marketing y para descripciones de productos. También hay escribir Sonic, que ayuda a proporcionar plantillas específicas para diferentes tipos de texto. Hay currículum que clasificas también para generar resumen de texto, clasificación de También está la marca 24, que puedes usar para el análisis de sentimientos, y luego están Weaver y Yandex, que podemos usar para Así va a ser el texto la generación de texto, que podemos ver por aquí, que absolutamente puedes usar en todos estos AiTunes 8. Herramientas para generación de imágenes: Hola, chicos. Bienvenidos a las sesiones. En esta sesión veremos diferentes tipos de herramientas que podemos usar para la generación de imágenes. Los modelos de imaginación son básicamente aquellos en los que podemos generar nuevas imágenes, puede personalizar imágenes reales y generadas. Por ejemplo, digamos que queremos generar una imagen de un niño con un libro y luego cambiar la portada del libro en una imagen generativa Todo eso lo pueden hacer los modelos de generación de imágenes. Ahora hay varios tipos de ello. Uno es la traducción de imagen a imagen. Estás transformando una imagen de un dominio a otro. Ejemplo, esto puede ser útil para convertir bocetos en imágenes realistas, convertir imágenes de satélite en mapas, convertir imágenes de cámaras de seguridad en imágenes mayor resolución, mejorando los detalles en imágenes médicas Ahora, otras herramientas van a ser la transferencia de estilo y la fusión. Estos son útiles para extraer el estilo de una imagen y aplicarlo sobre otra. Ejemplo puede ser convertir una pintura en una fotografía. Luego está en la pintura. En la pintura es que estamos llenando las partes faltantes de la imagen. Tienes una imagen y hay algunas partes que faltan, por lo que esas pueden ser generadas por IA. Ejemplo, restauración de arte, forense, eliminación de objetos e imágenes de imagen no deseados, mezcla objetos virtuales en escenas del mundo real Después está afuera la pintura. El opintado es extender una imagen más allá de sus fronteras. Ejemplo puede ser generar imágenes más grandes, mejorar la resolución, crear vistas panorámicas. Todo eso se puede hacer. Entonces ahora desde Open AI, está Dali, que se basa en GPT, que puede hacer todo esto, puede generar imágenes de alta resolución en múltiples estilos También se pueden crear nuevas versiones, se pueden generar se pueden generar múltiples variaciones de imagen se pueden hacer. También utiliza en la pintura hacia fuera las características de la pintura. Después hay una difusión estable. Este es un modelo de código abierto que puede crear imágenes de alta resolución. Puede generar imágenes basadas en mensajes de texto. Se utiliza para la traducción de imagen a imagen en pintura y pintura. Luego está el estilo gan, que permite un control preciso para manipular características específicas, separa el contenido de la imagen y el estilo de la imagen Evolucioné para generar imágenes de mayor resolución. También hay otras herramientas como crayón, pick gratis y Pick Start, que también están disponibles para generar imágenes en diferentes formas También hay efectos de Foto y Salida, que ofrece varios estilos pre entrenados. También permite estilos personalizados. Luego está el punto de salida IO, que es una plataforma en línea que convierte las fotos en obras de arte. Y luego está Mid journey como plataforma, que permite la generación de imágenes lo que permite comunidades de generación de imágenes donde artistas y diseñadores crean imágenes usando IA. También permite explorar las creaciones de los demás. Veamos una de estas herramientas, que va a ser pick gratis. Este es el sitio web donde podemos venir a escoger gratis y podemos generar una imagen aquí. Digamos que ahora mismo le estamos dando un simple prompt con este prompt, va a ser generación de texto a imagen, lo que estamos tratando de hacer aquí. Entonces ahora se puede ver que ha ido adelante y nos ha generado esa imagen, un barco que navega en un lago tranquilo al atardecer, rodeado de frondosos árboles verdes y costa brumosa de esta manera particular Espero que esto tenga sentido. Espero que la gente entienda ahora las diversas herramientas que están disponibles ahora para la generación de imágenes con la ayuda de estas herramientas de IA. 9. Herramientas para la generación de audio y video: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hablaremos sobre las herramientas que podemos utilizar para la generación de audio y video. Por lo que en esta IA generativa, las capacidades de audio ayudan a empresas e individuos, novatos o experiencia a simplificar procesos, dar vida a visiones complicadas Ahora las herramientas de generación de voz están disponibles aquí, que pueden ser herramientas de texto a voz que se entrenan en algoritmos de aprendizaje profundo, vastos conjuntos de datos de habla humana. Ahora, puede descomponer y replicar la pronunciación, la velocidad, la emoción, la entonación, también, y allí un habla con un sonido más preciso y natural ayuda a las personas con discapacidad visual, barreras del lenguaje, discapacidades barreras del lenguaje Hay herramientas de creación musical que puedes usar para escribir melodías cortas o riffs, sugerir o agregar instrumentos, componer una nueva canción, crear una banda sonora para videos de YouTube o Instagram, mezclar match Puedes mezclar y dominar y publicar plataformas de streaming. Luego también hay herramientas de mejora de audio, que pueden identificar sonidos específicos, agregar o eliminar sonidos no deseados como, por ejemplo, DScript o Audo AI También va a haber herramientas de video, herramientas generación de video que puedes usar como pasarela, que pueden transformar el video en nuevos estilos Utiliza texto, imagen o video como entrada. Ahora, también está Es US, donde puedes subir fotos o usar indicaciones de texto para generar videos. Entonces estas herramientas de video pueden grabar una narración, mejorar el audio, convertir el formato de archivo También pueden publicar un video, y hay herramientas como y hay herramientas como Syntesia que pueden crear Avatares personalizados Hay muchos modelos de generación de audio y video diferentes modelos de generación de audio y video que puedes usar y herramientas que puedes usar para generar videos y audio generados por IA . 10. Herramientas para generación de código: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hablaremos sobre diversas herramientas que podemos utilizar para la generación de código. Por lo que los modelos de generación de código generan código basado en la entrada del idioma nacional. Basados en el aprendizaje profundo y NLT, estos modelos comprenden el contexto y producen código contextualmente apropiado Ahora bien, las capacidades de estos generadores de código son que puedan generar un nuevo fragmento de código o un programa Puede predecir líneas de código para completar código parcial. Pueden producir versiones optimizadas del código existente. Pueden convertir código de un lenguaje de programación a otro. Pueden generar resúmenes y comentarios para código. También pueden recomendar soluciones de programación para resolver un problema específico. Del mismo modo, en este GPT abierto AI como modelo de generación de codificación, sobresale en la generación de texto similar al humano, demuestra la capacidad de generación de código inmersivo Estas capacidades de codificación de GPT son más largas y se pueden generar códigos más precisos La codificación se puede hacer para desarrollar aplicaciones, sitios web o plugins pueden generar código para imágenes. Entonces, si nos fijamos, por ejemplo, cuando vamos a Chat GPT específicamente y escribimos, digamos, escribimos un código Python para generar un mensaje para saludar a una persona, así podemos obtener un código como este, que proporciona Además, te da la explicación de cómo funciona específicamente. Además, también puedes convertir el mismo código a otro idioma de esta manera particular. Ahora, con respecto a mirar la codificación con Gemini, ofrece generación de código en más de 20 lenguajes de programación. Proporciona paso a paso y comprensión detallada de cómo generar el código. Existen ciertas limitaciones de Cha PTI y Gemini para la codificación también donde no puede generar códigos grandes o complejos Puedo entender programación y sintaxis, pero no semántica. Por lo que su conocimiento se limita a los datos utilizados para su formación. Al igual que, por ejemplo, se vuelven anticuadas con nuevas versiones de frameworks y bibliotecas. Por ejemplo, el conocimiento de GPT 3.5 está limitado hasta septiembre de 2021. Entonces, por lo tanto, se pueden utilizar otras herramientas como GitHub co pilot, cuales pueden generar código para diversos lenguajes de programación y frameworks. Está impulsado por el Codex de OpenAI y desarrolla código basado en soluciones Se capacita en lenguaje natural, texto y código fuente. Se puede integrar con otros editores de código puede producir código que se adhiera a las mejores prácticas y estándares de la industria. Hay otras herramientas como poly coder también las cuales podemos usar, es un generador de código AI de código abierto basado en GPT Está capacitado en repositorios Github, escrito en 12 lenguajes de programación y proporciona una biblioteca de plantillas predefinidas Puede crear fragmentos de código de revisión y refinación. Aparte de esto, también hay asistente de código de IBM, que se basa en los modelos de IBM watson.ai Foundation. Se puede integrar con editores de código. Produce recomendaciones en tiempo real, características de autocompletar y reestructuración de código. Entonces estas son todas las diversas herramientas que podemos usar para la generación de código en este momento. 11. IA generativa versus IA agencial: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hemos querido entender la diferencia entre IA generativa e IA agéntica Cuando miramos la IA generativa, son fundamentalmente sistemas reactivos Te esperan para hacer algo. Específicamente, esperan a que usted los pida. Y una vez que los haces el baile de graduación, su trabajo es generar algún tipo de contenido basado en lo que hayas incitado, el prompt que has proporcionado. Ahora están usando patrones que aprenden durante el entrenamiento. ¿Verdad? Entonces ahora cosas que puede generar, podría ser algún texto, podría ser una imagen o puede ser un trozo de código, puede ser un audio. Por lo que han aprendido las relaciones estadísticas entre palabras y entre píxeles y entre ondas sonoras. Y lo han aprendido de conjuntos de datos masivos. Entonces, cuando se proporciona un prompt, una IA generativa predice lo que debería venir después en función de su entrenamiento, pero funciona el trabajo termina en Entonces, idealmente, su trabajo termina en generación. No toma para los pasos sin más entradas de tu lado. Por lo que depende en gran medida de qué tipo de aviso le vas a dar con base en que tome esas acciones necesarias. Mientras que cuando miramos la IA agéntica, sistemas de IA agéntica, estos no son reactivos Son sistemas proactivos. Ahora, como una IA genética, a menudo comienzan con un prompt del usuario, pero ese prompt se usa luego para perseguir objetivos a través de una serie de acciones. Y un sistema agéntico básicamente pasa por un poco de ciclo de vida Entonces, la forma en que esto funciona es en primer lugar, percibe su entorno si quieres Y una vez hecho eso, puede decidir una acción a tomar. Una vez que decidiste esa acción, entonces puede ejecutar esa acción. Y luego una vez que esa acción ha sido ejecutada, puede aprender de esa salida y luego dar vueltas y vueltas todo con una mínima intervención humana. Ahora, ambos enfoques de IA a menudo comparten una base común. Y esa base común son los modelos de lenguaje grande o LLM, que nosotros lo llamamos. Los LLM sirven como columna vertebral para los chatbots, y sin embargo, en realidad hay otras herramientas que se utilizan para algunas de estas cosas generativas, modelos de difusión típicamente para imágenes Espero que esto tenga sentido ahora. Espero que seas capaz de entender la diferencia básica entre cómo opera una IA generativa frente a la IA agéntica 12. ¿Qué son los modelos de lenguaje grande?: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hemos querido entender cuáles son los modelos de lenguaje de gran tamaño. Entonces esto va a la base de estas herramientas de IA que vamos a ver hoy. Entonces, los LLM o los modelos de lenguaje grande son básicamente sistemas avanzados de IA diseñados para comprender, generar y razonar con el lenguaje humano Entonces esto va a investigar una cantidad masiva de datos de texto. Se les capacita sobre estos datos en particular, que pueden ser libros, artículos, sitios web, código, y mucho más. Y son capaces de predecir y generar lenguaje en un humano como. Entonces esa es la idea de base de LLM. La parte más llamativa de esta programación en particular en este tipo de programación de lenguaje es que es capaz de predecir la siguiente palabra o token en base a las palabras anteriores o proms que proporcionaste Va a mirar el baile de graduación que has dado y va a mirar todos los proms históricos que te proporcionas y en función de los cuales va a predecir la siguiente palabra para ello y te proporcionará la salida en función de eso Ahora van a aprender patrones en las lenguas en términos de gramática, significado, contexto, que se les ha dado formación y en base a la cual se generan las salidas. Ahora, utilizan una arquitectura de aprendizaje profundo llamada transformer y basada en la cual se construyen estos modelos, y son capaces de dar respuestas adecuadas en base a ella. Ahora bien, otra cosa que va a ser el caso es que también contienen millones a trillones de parámetros basados en los cuales también mantienen eso en factor cuando están dando estas respuestas o en base a los prompts que hemos proporcionado Ahora, una pieza llamativa sobre estos modelos LLM, que verás es que las salidas también pueden ser aleatorias Puede que no sea el caso de que obtenga la misma salida para el mismo mensaje que está proporcionando. Tratemos de entender lo que estamos tratando de decir aquí. Por ejemplo, si solo digo que Mary tenía un poco. Entonces sabemos a dónde vamos con esto. Entonces, si acabo de ingresar esto como un prompt, me va a dar una respuesta adecuada basada en las interacciones anteriores, los datos en los que se ha entrenado, para que conozca la salida correcta que tiene que dar. Del mismo modo, si digo algo así. Sabemos cuál sería la siguiente línea aquí. Entonces va a mirar eso mientras es un azul, el azúcar es dulce, y así. Esto es algo de lo que ya estamos conscientes y la herramienta también está entrenada y por ello, nos está dando la misma salida. Pero ahora ves si digo, de nuevo, si doy el mismo prompt, está dando un poco de salida diferente. Hagámoslo otra vez. Para que puedan ver, nos va a dar varias salidas diferentes para el mismo prompt que estamos brindando. Entonces el punto es esto que los modelos de lenguaje grandes se entrenan en gran cantidad de datos con respecto a hat GPT, específicamente, se capacita hasta datos de 2021 Y de manera similar, hay otros modelos de lenguaje que son mucho más nuevos en esa moda, como Claude también está ahí y copiloto, también Entonces en base a cual, van a Google Gemini también. Por lo que se les va a capacitar sobre los datos de todos ellos provenientes de Internet donde se proporcionan todos estos datos. Y en base a lo que va a predecir va a predecir la siguiente palabra en base los tokens o palabras en las que se ha ingresado dadas del Espero que esto tenga sentido. Espero que entiendas lo básico cómo operan básicamente los modelos de lenguaje grandes, que es lo que vamos a usar mucho en este curso en particular. 13. Cómo funciona ChatGPT: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, solo queremos hacer un rápido adelanto de la herramienta Chat JBT Tratemos de entender cuál es el potencial de esta herramienta en particular, ¿de acuerdo? Entonces para esto, puedes ir al sitio web de OpenAI donde podrás acceder a él. Este es el sitio web, la compañía detrás de HatGbt que han construido la herramienta. Entonces puedes venir a esto donde puedes venir a productos donde puedes seguir adelante e ir al sombrero JBT Login Entonces donde puedes iniciar sesión y abrir una cuenta con ellos, o si tienes la cuenta, puedes acceder directamente a ellos y llegar a esta página. Entonces esta es la página de inicio de Chat JBT donde puedes comenzar a usarlo específicamente Esta es la columna de chat donde todos los chats anteriores se mostrarán aquí. Si no quieres verlo, entonces puedes simplemente expandirlo esta manera en particular y puedes usarlo. Entonces la herramienta básicamente va a estar donde podamos darle un prompt a la herramienta. Y con la ayuda de ese prompt, la herramienta analizará tu prompt y te dará la salida, los resultados del mismo. Entonces hay diferentes versiones de la misma en este momento, que está disponible. Estos son los que podemos usar, que es la última versión es GPT cuatro oh, que puedes ver aquí, bien, que es muy útil y muy rápido con respecto a tareas complejas que le estamos dando Los otros, la tarea de uso diario se puede hacer a través de cuatro oh Mini, y existe el modelo heredado también de GPT cuatro Ahora, hay múltiples opciones que obtienes si ves también la configuración de la herramienta. Entonces hay ciertos ajustes que puedes configurar aquí, los ajustes generales, cómo quieres ver el tema del mismo, la apariencia del tema de la misma, el aspecto y la sensación del tema de la herramienta en particular también se puede cambiar de esta manera en particular si quieres hacer eso. Bien. Aparte de esto, ciertas personalizaciones que quieres hacer, puedes hacerlo también aquí afuera. Ahora bien, la herramienta funciona una manera muy sencilla en donde podemos dar estos prompts. Entonces sólo para mostrarles algún ejemplo de lo que podemos hacer, digamos, he dado un aviso particular, que es de planear un itinerario para visitar Cachemira en la India Entonces me va a dar rápidamente todo el itinerario particular del día sabio donde cómo puedo llegar a este lugar, qué lugares puedo visitar, todas esas cosas, rápidamente me va a dar. Ahora bien, en base a esto, digamos que quiero ver algunas imágenes de los lugares a visitar en Cachemira, que también pueda proporcionar de esta manera particular, lo que puedo hacerme una idea de que esto es lo que podría ver en Cachemira Además, lo que podemos entender es, digamos, quiero saber sobre diferentes tipos de opciones para comer que voy a conseguir. Para que también te pueda dar la información aquí. Si quiero ver una imagen de alguno de los alimentos, lo puedo ver también muy rápido. Y luego si estoy buscando algún tipo de actividades divertidas que quiera hacer en Cachemira, entonces puedo ver algunos ejemplos con imágenes de esta manera Así que muy rápido, tengo una idea clara, más información sobre qué opciones tengo antes de visitar alguna ciudad en particular. Y luego finalmente, también estoy mirando el costo, el gasto de gasto de visitar el lugar, así me puede dar una idea aproximada de los vuelos, alojamiento, costos de transporte, comidas, actividades y costo turístico, todos estos estimados. Por lo que el costo total estimado también puedo subir por viaje de siete días o el número de días que mencioné. Entonces esta es una información muy valiosa que puedo obtener ahora muy rápidamente. lo contrario, lo que tendría que hacer es tener que investigar mucho sobre diferentes motores de búsqueda. Para obtener esta información, lo que puede llevar mucho tiempo. Esta es información mucho más organizada, que puedo obtener rápidamente aquí mismo. Otra forma que se puede utilizar para hat RPT es en mi negocio donde es la creación de prosa, puedo darle un prompt como quiero saber cuál soy creador de cursos en ii y estoy buscando gente que esté dispuesta a cuáles son los cursos de mejor desempeño que puedo ver, que es de alta demanda en este momento, y la gente está dispuesta a tomar esos Así que también me puede dar algunas indicaciones en torno a eso. Entonces de esta manera, puede haber un sinfín de oportunidades o formas diferentes de obtener información esta herramienta y diferentes tipos de prompts que podamos dar, que pueden ser útiles para nosotros, y nos dará información organizada en base a eso Entonces espero que sean capaces de entender el potencial de esta herramienta, lo que todas las cosas puede hacer por nosotros y darnos soluciones para diversas cosas que estamos buscando en este momento. Entonces en los próximos videos, también veremos en profundidad ideas de diferentes escenarios, situaciones en las que podemos utilizar esta herramienta en particular para obtener información organizada, que puede ser de mucho valor. Muchas gracias, chicos, por escuchar esto, y los voy a ver en el siguiente video. 14. ChatGPT vs. Google: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queríamos hacer un adelanto de trabajo para entender la herramienta Google Gemini AI y también hacer una comparación rápida de la misma con Chat GPT. Entonces echemos un vistazo a esto. Entonces, como saben, que Google también ha construido su propia herramienta de IA, que es Gemini, puedes buscarla en Google y puedes ir a su sitio web para abrir una cuenta con ellos. Entonces puedes tener una versión gratuita de la misma, así como puedes ver aquí o también puedes tomar la versión paga, que es Gemini Advanced. Entonces aquí, se ve muy similar a Chat GPT. Puedes ingresar el prompt por aquí, y también puedes subir cualquier imagen, y puedes escuchar. Micrófono también está disponible aquí que usted puede hacer uso de. Entonces aquí podemos poner el prompt. Entonces veamos cómo salen las respuestas en este caso. De esta manera, podemos dar la información. Entonces ahora nos va a dar toda la información al respecto. Lo bueno de esto es que el formato es realmente agradable donde se puede resaltar la información importante de esta manera, y podemos leerla muy a la perfección. Así que eso es algo muy bueno, bonito al respecto. Junto con eso, también proporcionan un artículo de contenido relacionado adjunto que también puedes leer, lo que justifica con autentica el contenido proporcionado por la IA Además, vamos a ampliar esto aún más. Um, entonces ahora podemos dar un bosquejo también de un artículo. Digamos que queremos escribir un artículo para que podamos obtener algún esquema a su alrededor, te da algunos subtítulos, también Entonces, la información dada de esta manera particular, era dorada, héroes, era moderna, maestros, y así sucesivamente y así sucesivamente. Para que podamos obtener esa información también aquí. Además, puedes usar esta información y podemos convertirla en un artículo también. A Entonces ahora estamos pidiendo escribir el artículo. Por lo que aquí está produciendo el artículo basado en el esquema proporcionado anteriormente. Entonces de esta manera, podemos obtener la información. Entonces la información es bastante sencilla, simple. Podemos entender que el lenguaje es muy agradable. Ya puedes ver O legacy es un cuento tejido con oro, una saga de dominio sin paralelo que una vez definió el deporte en el escenario global Por lo que el lenguaje es muy exclusivo y muy avanzado y profesional, lo que llegamos a ver a través del Google Gemini AI dos Intentemos comparar las mismas indicaciones con ChANGEPT ahora, y veamos qué tipo de respuestas obtenemos ahí Entonces vamos a usar los mismos proms. Entonces estamos pidiendo el mismo baile de graduación, nos va a dar la información, así podemos ver que está usando el tipo similar de información, que obviamente es la misma persona que hemos visto aquí también, que nos está dando ahora mismo. Veamos también las otras indicaciones. Entonces ahora nos está dando un esquema para un artículo por aquí, de manera similar, la introducción Dancheno Bulwsing ahora está recogiendo a los jugadores específicos y sus especialidades específicas y su historia que se está compartiendo aquí, lo cual Información muy específica. Mientras que si nos fijamos en CHAT GPT, va un poco más información genérica sobre la evolución del hockey, hockey indio en los últimos años, en las décadas Entonces esta es información más precisa que sacamos aquí. Echemos un vistazo al artículo también. Entonces ahora, a Así que ahora estamos pidiendo proporcionar un artículo también, así que nos está dando esa información. Así que lo bueno es, de nuevo, crear una estructura en el artículo, como una introducción, luego hablar de cada uno de los actores importantes particulares esta manera en particular, llegamos a ver. Mientras que en el caso del Google Gemini, da una información general sobre toda la era y el tema que estamos cubriendo aquí. Aquí, el artículo está más estructurado en términos de subrecoger a cada uno de los jugadores especiales y hablar de ellos. Entonces, en general, si ves la experiencia con ambos es decente. Personalmente hablando, encuentro Chat GPT mucho más específico al punto Chris y dándonos información más precisa en cuanto a la información particular que estamos buscando comparativamente Espero que esto tenga sentido. Entiende ahora cómo ambas herramientas van a funcionar para nosotros. En los próximos videos, tendremos una sección particular donde los vamos a dedicar solo a mirar cómo funciona Chat GPT en diferentes escenarios Entonces también saltaremos a los escenarios de Google Gemini donde veremos cómo se puede usar esa herramienta. Muchas gracias chicos por escuchar esto y los veré en el siguiente video. 15. Interfaz y diseño de ChatGPT: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veremos el diseño de Chat GPT y la interfaz, cómo se ve para todos Entonces, una vez que inicies sesión en Chat GPT, así es como va a quedar la interfaz Puedes ver en la parte superior izquierda, podemos ver un panel izquierdo por aquí, cual puedes mostrar y puedes ver todos los detalles O si quieres ocultarlo, también puedes ocultarlo de esta manera particular. Entonces este va a ser un panel donde se pueden ver múltiples cosas ahora mismo. Si nos fijamos en la página principal de la misma, aquí es donde vamos a dar el prompt a hat GPT y en base a la cual nos va a dar las respuestas Ahora la versión del Chat GPT, puedes ver por aquí también en la parte superior izquierda, actualmente, soy miembro de Chat GPT plus, así que estoy usando GPT cuatro ahora mismo, pero puedes ver los otros modelos también disponibles, que puedes cambiar A partir de aquí, podemos dar el prompt y luego puedes seguir adelante con él. la izquierda aquí, obtendrá las opciones para explorar otros GPT que son creados por OpenAI y la comunidad que tienen Puedes venir aquí y puedes buscar diferentes GPT que te gustaría usar y puedes agregarlo a tu panel izquierdo y luego puedes hacer uso de él Aparte de esto, también puedes ver los chats particulares anteriores que habíamos hecho con Chat GPT aquí Idalmente si haces clic en alguno de estos, sin duda puedes seguir adelante y echarle un vistazo también De esta manera particular , te dará las respuestas por aquí. Ahora, una vez que obtienes una respuesta, hay múltiples cosas que puedes hacer con ella. Una es, sin duda puedes compartir esta respuesta en particular con alguien. Puedes compartirlo desde aquí en la esquina superior derecha donde puedes crear el enlace de la misma y podrás compartir el enlace con tus usuarios con tus amigos. Aparte de eso, una vez que se genera la respuesta, ChagPT te brinda múltiples opciones donde puede leerla en voz alta por Puedes hacer una copia de la misma para que puedas usarla en alguna parte. Puedes darle un pulgar hacia arriba o hacia abajo en función de la respuesta, o puedes pedirle que se regenere Eso también las opciones van a salir aquí. Ahora, además de esto, si quieres ir a un nuevo chat, puedes llegar de esta manera particular donde obtendrás múltiples opciones, lo cual es como que puedes adjuntar un archivo aquí y dárselo a Chat GPT para analizarlo y luego dar respuestas en base a eso También puedes usar la parte de inteligencia donde puedes pedirle que entre en el modelo de pensamiento donde piensa en tu consulta, tu prompt, y luego respuesta basada en eso. Esto va a ser buscar en la web, que puedas conectarlo a la web así como Internet en línea y luego investigar y darte los resultados en base a las búsquedas realizadas desde Internet. Luego hay otras herramientas también, que se integra ahora con Chat GPT, que es Dali, que es una plataforma de herramientas de IA generadora de texto a imagen, que puedes usar desde búsqueda de nuevo está disponible y piensa cuál estamos viendo. Estas son todas las opciones que sin duda sacarás aquí con respecto a cuatro oh, que nosotros conseguimos aquí. Ahora, además de esto, lo que estamos viendo aquí es si también puedes ver los planes de aquí, en qué plan estamos así que si quieres actualizar tus planes, puedes hacerlo desde aquí específicamente. Ahora, además de esto, lo que podemos ver son tareas que se avecinan en estos momentos. puedes comenzar a crear tareas, que puedes darle a Chat GPT, También puedes comenzar a crear tareas, que puedes darle a Chat GPT, y estará realizando esas tareas de forma regular, intervalos regulares en los que la estableces Además, puedes ver tu propio GPT que has creado. Si has creado un GPT específico para un propósito particular, ellos obtendrán todos listados en esta sección particular de la cuenta Ahora bien, personalizar el GPT va a ser un caso en el que podamos decir ¿cómo debería llamarte HGPT? Puedes dar tu nombre. Estas son todas las entradas que estás dando sobre ti mismo, tus intereses, disgustos y disgustos, que puedes contar aquí para que JAGPT ahora te dé respuestas basadas en tus propias entradas, tus propias entradas tus propias ¿Qué haces? ¿Qué rasgos debe tener TAGVT ¿Todas estas cosas a las que puedes entrar por aquí? Además, te da algunas sugerencias que puedes agregar desde aquí. ¿Algo más? Chat GPT debe saber de ti. Puedes dar toda esa información, tus antecedentes, tu experiencia laboral, todo lo que puedas ingresar por aquí para que ahora cuando lleguen las respuestas, vengan teniendo todo esto en mente. Esto es realmente genial porque esto realmente personalizará y personalizará las respuestas para tu trabajo que estás haciendo. Esta va a ser la parte de personalización. Si vas a ajustes, entonces también hay otras cosas, configuraciones generales en las que puedes cambiar el tema de las notificaciones de look and feel están ahí si quieres personalización, que hablamos, habla también Controles de datos, quieres mirar si quieres eliminar la cuenta por si acaso va a ser el perfil de Builder cuando estés creando un tu propio Chan GPT, cómo quieres que se muestre a la gente, quieres nombrarlo de cierta manera Quieres dar tu propio sitio web por aquí, puedes dar eso también. También puedes conectarlo a otras aplicaciones si quieres. Que puede ser un Google Drive, Microsoft One Word o una unidad o una unidad de trabajo o escuela, puedes conectarlo también para que puedas sacar detalles desde allí muy fácilmente. Con respecto a la seguridad, puedes ver que está habilitada una autenticación multifactor, esa suscripción, que está ahí, puedes administrarla, puedes eliminarla, todo lo que es posible Ahora, una vez que haces clic en el ícono particular sobre él, vienes al nuevo chat justo por aquí, y luego puedes dar el chat específicamente De esta manera particular. Ahora mirando eso, Chat GPT te va a dar la respuesta basada en ello, y luego puedes modificarlo también si quieres cambiarlo Todo eso será posible. Ahora puedes ver que tienes la respuesta de Chat JPT. Ahora, si quieres, puedes de nuevo, seguir adelante y modificar esto según tu requerimiento. Ahora puedes modificarlo fácilmente y luego puedes obtener la respuesta. Digamos que quieres una cierta respuesta, si quieres detener la respuesta, puedes detenerla también a mitad de camino De esta manera, la respuesta se detendrá a mitad de camino y luego podrás recopilar toda la información si quieres Estas son todas las características de la herramienta que idealmente obtendrá. También puedes buscar ciertos chats que has hecho en el pasado. A lo mejor puedes simplemente buscarlo de esta manera particular. E ir a esas charlas muy rápido de esta manera en particular. También puedes usar la opción de búsqueda. Espero que esto tenga sentido. Entiendes la interfaz, ahora, cómo va a ser la interfaz hat JPT para todos nosotros. Déjame mostrarte los otros modelos también. Si estás en hat GPT G four, la versión gratuita, sería de esta manera particular donde puedas usarlo Espero que esto sea claro para todos. Todo el mundo entiende ahora la interfaz y la interfaz de usuario, el diseño de hat JPT Muchas gracias chicos por escuchar esto y los veré en el siguiente video. 16. Funciones de ChatGPT Plus: Hola, sí. Bienvenidos a esta sesión. En esta sesión, solo queríamos comprobar cuáles son las características plus, que Chat JVT ofrece en su modelo Entonces, una vez que estás en la herramienta y estás en la función plus, hay un par de cosas adicionales que Chat JPT está dando El primero obviamente va a ser la parte de inteligencia. Se puede usar más inteligencia. Entonces aquí, Chat JBT empezará a pensar más y te dará información más precisa Entonces esto es algo adicional que obtienes en la función plus. Entonces echemos un vistazo a esto, cómo va a funcionar. De esta manera cuando des un prompt, empezará a pensar en la respuesta que necesita para dar discipulado, que puedas ver, y luego te dará la respuesta Esta va a ser una característica que realmente ayuda a obtener resultados de información más precisos en función de los cuales puede seguir adelante y utilizarla para su propio trabajo. Esto es realmente bueno, que sin duda puedes usar aquí afuera. Aparte de esto, las características adicionales que puedes ver aquí es podrás adjuntar aquí podrás adjuntar archivos de diferentes tipos, que pueden ser un código, que pueden ser imágenes y luego puedes pedirle TragIPT que lo analice y te dé respuestas en base a y te dé respuestas en base Veamos algunos ejemplos de esto. Digamos que queremos que Tragics PT siga adelante y depure un código, para que podamos darle un código de esta manera en particular y podamos solicitarlo Se va a mirar la imagen específicamente e intentar analizar qué le pasa al código y luego darnos algunos pasos de depuración Puedes ver que también nos está dando un código recomendado también de esta manera particular. Esta es una de las características que hay disponibles. Aparte de esto, digamos que quieres que siga adelante y descifra o simplifique una imagen compleja También podemos indagar en eso. Entonces digamos que esta es la imagen que le estamos dando y queremos que explique la imagen, civicle le hemos dado a esta imagen y le estamos pidiendo que la explique de manera sencilla Entonces ahora nos ha dado una descripción sencilla de la imagen también de esta manera particular. Estas son características adicionales que estás viendo, que obtienes en una versión plus, específicamente hablando. Además, si ves aquí afuera, um, las cosas adicionales que obtendrás en esta va a ser la parte del código. Aparte de la versión gratuita, todas las demás cosas están disponibles en la versión gratuita, pero en la versión paga, específicamente, obtendrás la parte del código donde podrás pedirle que escriba una función o simplifique cualquier código. Me puedes ayudar a aprender Python. También puede haber muchas maneras de pedirle que escriba un código. Ahora va a seguir adelante y hacer eso por nosotros también. Puedes ver que nos ha dado un código Python por aquí. Estas son las piezas adicionales que obtendremos con ATGPTPlus. Espero que esto tenga sentido. Entiende ahora las características adicionales de la versión plus de la herramienta. Muchas gracias chicos por escuchar esto, y los voy a ver en el siguiente video. 17. Tokens y ventanas contextuales: Hola, como. Bienvenidos a esta sesión. En esta sesión, queremos hablar sobre los tokens hA GPT que puedes ver por aquí Las fichas son que puedes considerar grandes piezas de palabras que se usan y cuentan aquí. Cuando das un prompt específicamente, los tokens se generan y las diferentes versiones de HGPT tienen límites diferentes, límites token por ahí. Por ejemplo, HaGPE 3.5 tenía un límite de tokens de 4,096 tokens, y ChAGPT cuatro más tarde Y ahora que tenemos nuevas versiones de la misma, son mucho mayor número de tokens que obtenemos por aquí. Cómo funciona es cada vez que hay un prompt que le das a hat GPT, el prompt tomará algunos de los tokens de ahí Digamos que le das un prompt realmente largo a hat GPT 3.5 en el que usa hasta de 4,096, usa hasta 4,000 Ahora nos quedan sólo 96 fichas para que el sombrero GPT responda de nuevo. Usted input y hat GPT output ambos se consideran en la cantidad total del token, el límite que tenemos aquí Por eso es posible que veas ciertos momentos los que estás teniendo una larga conversación con hat GPT, en la última etapa de la misma, las respuestas pueden no ser tan precisas, puede que no sean esa información sensata que estás obteniendo En tal escenario, el sombrero que se te ocurra es iniciar un nuevo chat. O lo que puedes hacer es seguir adelante y resumir la conversación completa, pedirle a hat GPT que resuma toda la conversación de manera concisa, toda la conversación de manera concisa, y luego copiarlo en un nuevo chat y comenzar desde allí nuevamente para que tengas el nuevo número de tokens nuevamente generados para el Por lo tanto, también hay diferentes formas averiguar la cantidad de tokens ocupará un mensaje en particular. Para que también tengamos herramientas como un tokenizador con herramienta que puedes usar por aquí Entonces, primero, veamos cómo Open AI define los tokens en su plataforma. Las fichas se pueden considerar como piezas de palabras que tienen. Se puede ver que una ficha es casi aproximadamente igual a cuatro caracteres en inglés, una a dos oraciones se convierte en alrededor de aproximadamente 30 fichas, un párrafo, aproximadamente 100 fichas, y así sucesivamente y así sucesivamente. Aquí puedes leer sobre los límites de tokens, los precios de los tokens, incluso la exploración de tokens. Aquí puedes ver, cada palabra en particular obtiene un token específico. Por ejemplo, M es tres triples seis. El color es 312, cuatro, luego el rojo es 2266 Ahora bien, si nos fijamos en el periodo, el periodo es el 13, que sigue siendo el mismo en todas partes. Segundo período también se da como 13. Sin embargo, si miras el rojo en minúsculas es 2266, mientras que el rojo con mayúsculas es 2297 Así, difiere y así es como se puede ver que los tokens se agotan en nuestros prompts. Ahora bien, si quieres calcular un prompt en particular, vamos a tomar la cantidad de tokens. Puedes usar tokenizer por aquí. Se puede ver que esta frase en particular tomará alrededor de siete fichas caracteres son 28. Si elegimos un texto más grande, digamos que estamos recogiendo este texto grande, en ese caso, está tomando 81 fichas y los caracteres son 371. Cada uno de ellos ha sido codificado por colores ahora de esta manera, puedes entender. Esta es la idea detrás los tokens que hay que tomar en consideración. Siempre que estés usando CHAPT por diferentes razones, ten esto en mente en el fondo de tu mente para que estés al tanto de ello y puedas optimizar en consecuencia para que obtengas mejores respuestas Muchas gracias chicos por escuchar esto, y los veré en el siguiente video. 18. Función de SearchGPT: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queremos hablar sobre la función de búsqueda GPT, que recientemente lanzó Chat GPT SarchPT es una característica particular que utiliza Bing para proporcionar información en vivo desde Internet y le brinda todos los datos actualizados Activa las necesidades en tiempo real. Search GPT detecta cuándo tu pregunta necesita información actual, por ejemplo, noticias o clima Recuperará datos a través de Bing. Reúne datos confiables de Bing, resume múltiples fuentes en una respuesta clara También te proporciona enlaces. Cada respuesta incluye enlaces para que puedas verificar la información muy fácilmente. El uso de la ubicación también está ahí donde los datos generales de ubicación se basan en su dirección IP para que las respuestas de Chat GBT se adapten de acuerdo a eso Además, miras la disponibilidad de la misma, la función HatGpt Search GPT está disponible para usuarios de GPT 40 en planes plus El GPT de búsqueda está optimizado para datos generales. Carece de información hiper local y también solo está disponible para usuarios de GPT 40 La privacidad sigue siendo prioridad aquí. Ahora, cuando miras cuáles son las nuevas funciones en la búsqueda GPT, puedes ver que es información en tiempo real Extrae los datos más recientes de la web para obtener respuestas de datos actualizadas. Resume las respuestas, te da respuestas claras y concisas en lugar de dar enlaces a un listado También, las fuentes son la transparencia. Cita las fuentes con cada respuesta para facilitar la verificación Los seguimientos contextuales mantienen el contexto, permitiendo preguntas de seguimiento naturales y formatos flexibles, puede presentar datos en tablas, listas o viñetas para facilitar la comparación. Así que echemos un vistazo a esta función de GBT en Char GPT dos. Entonces, una vez que estés en Chan GPT, estamos en la versión mini Char GPT 40 Puedes ver esta es la búsqueda, la opción web que obtenemos. Ahora aquí, puedes seguir adelante y buscar cualquier información. Digamos que estamos diciendo RichelObama, ahora va a estar buscando en la web, mirará diferentes artículos y en base a los cuales sacará la información de ahí Ahora puedes ver también nos ha dado algunas noticias recientes sobre el tema también. Por lo que podemos ver diferentes artículos desde aquí también. Se proporcionan las fuentes. Entonces, si quieres, puedes ver las fuentes aquí también de donde han salido adelante y recabado la información. Esto es realmente genial porque luego verifica la información para nosotros desde enlaces acreditables y eso autentica y da más crédito a la información que la herramienta Chan GPT Entonces así es como vamos a utilizar la función de búsqueda GPT lanzada recientemente en Chan GPT Muchas gracias chicos por escuchar esto y los veré en el siguiente video. 19. Qué es la ingeniería rápida: Hola, sí. Bienvenidos a esta sesión. Entonces en esta sesión, hablaremos de ingeniería rápida. Comprender la ingeniería rápida en detalle cómo funciona esto realmente en la herramienta Chat GBT Entonces, ¿qué es la ingeniería rápida? Entonces, vamos a leer esto y entenderlo con claridad. La ingeniería rápida es un proceso de diseño y optimización de prompts utilizados en modelos de procesamiento de lenguaje natural como hat GPT o asistente virtual Esto implica elaborar indicaciones que sean claras, concisas y efectivas para obtener el resultado deseado Por ejemplo, la ingeniería rápida está haciendo un señuelo de pesca efectivo, así como el señuelo bien diseñado es más probable que atrape a los peces. Un prompt bien elaborado también será más probable que nos dé los resultados deseados. Hay tres principios principales de ingeniería rápida que debes tener en cuenta mientras trabajas con esta herramienta. El primero puede ser específico. Cuantos más criterios des, más enfocada estará la salida. Cuanta más información específica le vamos a proporcionar a la herramienta Chat GPT, nos va a dar respuestas mucho más adecuadamente deseadas, estructuradas basadas en eso Trabajar en pasos. Entonces tenemos que descomponer una tarea en trozos más pequeños de tarea que le damos. No podemos seguir adelante y pedirle a ChagPT que nos escriba un libro. Entonces tenemos que estructurarlo hacia abajo en pequeños, pequeños pasos. Entonces tal vez discutiendo sobre el tema del libro, ¿cuál será el tema del libro? Después pensando en la tabla de contenido. Cuales serán los temas, Capítulo uno, Capítulo dos. ¿Cuáles serán los capítulos para ello? Después trabajando en cada uno de los capítulos uno tras otro. Trabajar en pasos realmente ayuda a obtener respuestas mucho mejores de los dos, la otra cosa que puedes tener en cuenta es iterar y mejorar Entonces, una vez que obtengas una respuesta de Chat IPT, también podemos reelaborar las entradas que estamos dando Además, podemos mejorar las salidas que Chat JBT nos está proporcionando. Podemos seguir adelante y modificar eso. Podemos preguntar de otra manera. Podemos sacar diferentes versiones de la salida que tenemos y pedir nuevamente improvisar sobre eso Todas esas cosas tienen que ser un proceso continuo. Entonces así es como su pronta ingeniería va a evolucionar y mejorar a lo largo de un periodo de tiempo. Ahora bien, ¿qué hace que un buen prompt? Grandes indicaciones todas se resumen a los datos en los que se entrenó el modelo Los datos de Chat GPT, que están en el back end que han estado tirando hacia arriba, todo está basado en los datos que han sacado y ahora en base a eso, nos está dando las respuestas Son parámetros, buena incitación. Ya que solo podemos controlar uno de estos, es como se ve el buen prompting Entonces la buena incitación, hay que tener en cuenta un lenguaje claro y conciso Eso es directo e inequívoco. Cualquiera que sea el aviso que le estés dando a la herramienta tiene que ser muy claro y conciso hasta el punto que las indicaciones vagas producirán respuestas vagas Entonces solo tenemos que seguir adelante y tenerlo en mente. La persona a la que te asignen hat GPT, también conocida como a quién va a actuar como en el prompt, puede haber un aspecto de la misma También hablaremos de ello donde puedas Puedes pedirle a CHAPT que actúe de cierta manera, como filósofo, quizá médico o ingeniero Entonces de esa manera, puedes pedirle a HAG que actúe cierta manera y dé las respuestas La otra cosa es la información y los ejemplos que proporcionas, también conocidos como tu insumo. Cuanto más ejemplo, información específica vas a dar en tu aporte, las respuestas serán así de muy bien. Respuestas de alta calidad que obtendrás. Una tarea específica que estás solicitando a CHATPT para completar, también conocida como la salida deseada Tenemos que asegurarnos de que tenemos que pedir una tarea específica para que sólo entonces podamos esperar obtener un resultado deseado de ella. Refinamiento según sea necesario una vez que reciba su primera respuesta, también conocida como reeración hasta recibir la Esto es nuevamente, refinamiento de los resultados que estamos obteniendo y nuevamente, pidiendo de otra manera obtener mejores resultados de ChargV Ahora, principales pasos de incitación, lo que puedes tener en cuenta es definir el problema o meta de una manera clara, articular claro lo que quieres GBD para ayudarte con el uso de palabras clave y frases relevantes En el prompt, necesitas ingresar los términos más útiles relacionados con la industria y el tema en el baile de graduación para obtener el resultado deseado , escribe el prompt. Elaborar un fromm conciso que comunique claramente la información y la tarea que se requiere que realice la herramienta Además, aparte de esta prueba, su proceso de iteración del proceso de evaluación tiene que ser parte de él. Genera respuestas con Ctrip. Una vez que obtienes las respuestas, evalúas los resultados. Sigues adelante e iteras sobre él y pides mejorado, modificas y pides de otra manera tragibty para obtener las Esto es lo que va a ser ingeniería pronta. Cómo le das tu baile de graduación a la herramienta, que va a definir las amables respuestas que obtendrás de ella. Espero que esto tenga sentido. Entiende ahora la ingeniería rápida. Muchas gracias chicos por escuchar esto, y los veré en el siguiente video. 20. Intuición detrás de las indicaciones: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queremos discutir sobre la intuición detrás de los prompts Entonces, cuando empiezas a dar las indicaciones a los modelos LM o a la herramienta, la intuición o el patrón desde el que intentas acceder hace mucha diferencia Entonces, dependiendo de qué aviso estés dando y qué tipo de referencias tenga la herramienta fuera de los datos pasados hace mucha diferencia. Entonces, sea cual sea el prompt que le des a todas y cada una de las palabras, ya sea que haya si era común y tiene mucho patrón en el pasado o no, hará mucha diferencia en el tipo de salida que vas a sacar aquí. Entonces hace mucha diferencia que la intuición detrás del prompt sea muy clara, y eso va a definir el tipo de respuesta que vas a obtener de esos prompts Para darte un ejemplo sencillo de lo que queremos decir con esto. Entonces digamos que doy un sencillo prompt para tener GPT, donde digo para completar esta historia, que es María Tenía un poco Ahora bien, esta frase en particular Mary Little es un patrón que es bien conocido, que es bien conocido, y posiblemente a través de Internet, hay una enorme cantidad de contenido alrededor de María tenía un corderito y todo el poema está ahí. Entonces hay muchas referencias y en las que se ha capacitado a la herramienta. Entonces ya tiene muchos datos al respecto. Y por lo cual, te va a dar respuestas de la misma manera porque esos puntos de datos se ha entrenado, está encajado en él, para que pueda recuperar esos datos y darte alguna información al respecto. Por lo que esto va a ser muy específico esos datos en los que se ha entrenado. Así se puede ver que este patrón es extremadamente común común y bien conocido y repetitivo en todos los ámbitos Mientras que si doy un aviso particular, que es completo el cuento, una niña llamada María tenía un microscópico Ahora bien, cuando hago esto, cuando agrego microscópico, esto se vuelve muy específico Posiblemente el número de patrones alrededor de esto, la herramienta no está entrenada en. La herramienta no está entrenada, no tiene esas tantas referencias de la misma. Una chica llamada Mary es genérica, posiblemente tenga muchas referencias para eso, pero microscópico será algo que es muy específico En este caso ahora, como no tiene tales referencias, va a construir sobre eso y tratar de generar la siguiente palabra. A medida que se entrena la herramienta, va a mirar la palabra y crear una historia alrededor. Como puedes ver aquí. Así es como queremos asegurarnos cada vez que estamos dando algún aviso a estas herramientas de IA, ¿cuál es el patrón ¿Hay algún patrón en el prompt que estás dando? ¿El patrón es bien conocido o muy específico? Eso va a definir el tipo de salida que vas a sacar de la herramienta. Entonces, tener esto en mente hace mucha diferencia porque así es como podrás personalizar la herramienta para dar respuestas de acuerdo a tu requerimiento. Si se trata de un escenario específico en el que desea una solución específica, entonces necesitamos dar indicaciones donde el patrón es bien conocido y estamos buscando una salida deseada Pero si estamos trabajando en un proyecto en particular donde queremos mirar lo que es posible, cuáles son las posibilidades y hay cosas nuevas con las que queremos experimentar, entonces tal vez el patrón que queremos seguir sea muy específico. Podemos dar algunas palabras raras, palabras únicas como estas, que no tienen muchas referencias del pasado, y la herramienta solo puede aportar nuevas ideas en torno a eso. Espero que esto tenga sentido. Espero que entiendas cómo debemos mirar las indicaciones y la intuición que hay detrás de ellas y cómo debemos elegir nuestras palabras que puedan definir los resultados que sacamos de 21. Todos pueden programar con indicaciones: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queríamos entender que con Chat JBT ahora, todos pueden seguir adelante y programar con prompts Lo que queremos decir con esto es que puedes entrenar la herramienta para dar respuesta según tu requerimiento. Ahora bien, esto puede ser realmente útil y así es como se puede decir que funciona un asistente ideal. donde das cierta formación específica y quieres un cierto tipo una salida de tu asistente y en base a la cual te va a dar esas respuestas. Así que ahora todo el mundo puede simplemente dar esas indicaciones para programar Chat GPT, o cualquier otra herramienta de IA para dar respuestas según sus requisitos Para ver esto prácticamente, lo que queremos decir con esto es. Digamos que estoy dando una primera, estoy configurando algunas expectativas con la herramienta en la que, estoy diciendo que cada vez que generes salida, la conviertas en una lista de valores separados por comas Ese es un ajuste de expectativas que he hecho, lo que reconoce, y ahora estoy dando mi punto de datos. Donde estoy diciendo que mi nombre es Tami Das y estoy impartiendo un curso de IA generativa para profesionales de RRHH Entonces ahora que puse esta expectativa antes, me está dando la respuesta de esa manera particular. Entonces ahora cuando me da esto, quiero retocar esto Quiero cambiar esto y darle más reglas a la herramienta Cha GBT para que se capacite Entonces estoy diciendo que a partir de ahora, las columnas de la lista de valores separados por comas deben ser nombre, curso, y rol, otra expectativa de ajuste Entonces esto también lo va a tener en cuenta, y luego me va a dar la salida. Entonces automáticamente me da. Entonces no lo hace la gran parte de esto es que no tengo que proporcionar el punto de datos una vez más. Ya lo ha tomado en consideración, y ahora de inmediato salta a la salida, que es toma las columnas particulares como nombre, curso, y rollo, y me da esa y ahora de inmediato salta a la salida, que es toma las columnas particulares como nombre, curso, y rollo, y me da esa salida correctamente. Entonces esto es realmente genial. Se está programando. La herramienta se está programando o entrenando sobre las diferentes reglas o expectativas que estás estableciendo con ella. Además, nuevamente haciendo algunos cambios donde estoy diciendo que además de lo que escriba, generar ejemplos adicionales que se ajusten generar ejemplos adicionales que al formato de DCS felist Ahora, de nuevo, no necesito dar ejemplos yo mismo. Se trata de crear automáticamente esos ejemplos en ese mismo formato. En ese mismo formato que estoy aportando aquí. Entonces ahora ves siguiendo todos estos pasos, ahora hemos programado la herramienta Chat GPT para dar respuesta de cierta manera Ahora bien, cuando doy un simple prompt como este, enseguida me da la salida de esta manera particular porque a estas alturas, ya está entrenado , ya está Sabe que tiene que considerar estas tres columnas. Tiene que proporcionar la primera salida, luego dar ejemplos adicionales también. Entonces todo eso entra en conjunto de una sola vez. Entonces entiendes cómo va a funcionar la herramienta, en donde si quieres un tipo específico de respuesta o salida para tu negocio, para tu trabajo, la herramienta se puede programar. Cualquiera puede programar la herramienta según sus requisitos estableciendo estas expectativas, dando estas reglas, y luego comienza su trabajo, da sus indicaciones y obtiene los resultados deseados 22. Introducción rápida: Hola, chicos. Bienvenidos a esta sesión. Entonces en esta sesión, hablaremos de cebado rápido. Por lo tanto, el cebado rápido es un concepto que se refiere a la práctica de proporcionar alguna entrada inicial al modelo a la herramienta hat GPT antes de generar cualquier tipo de respuesta Por lo que esta entrada inicial realmente ayuda a guiar la herramienta hacia la generación de una respuesta que sea más relevante y personalizada para usted. Entonces, la entrada pretendida del usuario. Por lo que es muy crucial e importante que cada vez que estamos dando indicaciones a la herramienta HatGpt, estemos dando algún contexto, algún contexto, algún trasfondo de qué tipo de información es exactamente qué tipo de información estás buscando Como, por ejemplo, sin cebar, digamos, estoy diciendo, a dónde debo ir en mis próximas vacaciones Ahora bien, esto es algo que es súper genérico. Ahora, HattPT lo encontrará extremadamente genérico como entrada dada y le dará una respuesta muy genérica Me va a dar todo tipo de lugares alrededor del mundo, bien, e información sobre eso. Pero ahora piénsalo si le doy algo de contexto detrás de ello, ¿de acuerdo? Entonces digamos que estoy diciendo, me gustaría ir a mis próximas vacaciones. Me voy de viaje con mi esposa e hijos. La ubicación debe ser tropical. Me encantaría ir a una playa. Me gustaría un vuelo directo de mi casa a LAX, y tengo un presupuesto de viaje de $5,000 ¿A dónde debo ir en mis próximas vacaciones? Entonces, ¿ahora qué pasa? He dado algo de contexto. He dado algunos escenarios, cosas específicas que estoy buscando, mis intereses, mis gustos y disgustos, todo lo que he dado contexto Y ahora por ello, la pronta será la respuesta será mucho mejor, mucho más relevante y personalizada a mi particular necesidad. Entonces esto es a lo que nos referimos como cebado rápido. Veamos un ejemplo más. Digamos que estoy diciendo, por favor crea tres títulos potenciales de mi nuevo curso en línea que enseñe a las personas a usar la IA. Ahora esto vuelve a ser, súper genérico porque Chat GPT me va a dar todo tipo de títulos posibles, lo que sirve para este propósito Pero ahora, si le doy algún contexto, donde lo digo, por favor cree tres títulos potenciales para mi nuevo curso en línea que enseñe a la gente a usar la IA. Aquí hay un ejemplo de algunos títulos de cursos recientes. Por favor emula el estilo y el formato escrito de estos. Digamos que estoy dando algo de contexto, mis nombres actuales de cursos son masterclass de edición de video Edita tus videos como un profesional, clase magistral de cinematografía, el tipo completo de videografía Ahora cuando dé algún contexto como este, los resultados serán mucho mejores. La herramienta emulará el estilo de escritura en estos ejemplos particulares que he compartido y me dará respuestas basadas en eso Entonces así es como hay que tener esto en cuenta que cada vez que estás dando un prompt a hat GPT, tenemos que darle información de contexto con él también tenemos que darle información de contexto con él para que obtengas la respuesta más específica deseada de ella 23. Indicaciones fundamentales: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hemos querido entender el concepto de indicaciones raíz que tienen estos modelos de IA Entonces, por lo general, lo que va a pasar es que tendrán algunas indicaciones básicas de root back end que se están ajustando en ellas, lo que establece las reglas básicas en torno a cómo van a entrar las salidas Por lo tanto, también tiene sentido para nosotros identificar y establecer estas reglas básicas para obtener un tipo específico de respuesta de. Entonces puedes usar la herramienta neumática de tal manera donde puedas entrenarla para tener estas reglas básicas teniendo en cuenta cada vez que estén dando algún tipo de salida. Tal vez perteneces a una industria específica y requieres respuestas personalizadas a esa industria. Para que puedas alimentar esa información en la herramienta para que tenga en cuenta todo el tiempo siempre que esté dando algún tipo de respuesta. Así que esto realmente ayuda a personalizar las soluciones según sus requerimientos, y hay mayores posibilidades de llegar a la solución mucho más rápido. Entonces solo para darte un ejemplo práctico de lo que nos estamos refiriendo, digamos que tomamos un ejemplo donde estamos estableciendo la regla básica con la herramienta de IA donde decimos que eres mi asistente personal. Siempre que proporcione salida, por favor asegúrese de que está dando las recomendaciones más eficientes en el tiempo, solo recomiende cosas que me ahorren tiempo. No sugieras cosas que no ahorren tiempo. ¿Bien? Entonces estas son mis expectativas, y se puede ver que dice actualizado ahorrado ingresos, memoria. ¿Bien? Entonces lo que está haciendo es en el back end, está haciendo que se guarde en la sección de memoria que así es como deberían salir las respuestas en el futuro. Entonces ahora tomemos un ejemplo. Yo digo que tengo que ir de compras de abarrotes. ¿Qué sugerirías que haga para comprar mis abarrotes? Si ves cada respuesta que va a dar ahora será con esa regla básica en particular en mente, ¿de acuerdo? Al igual que la opción más rápida, ordena en línea y entrega a domicilio. Ahorra tiempo, ¿de acuerdo? Reordenar artículos pasados, dos a 5 minutos en total, tardará Así que no hay viajes, no hay señales. Entonces nuevamente, refiriéndose al mismo punto que nos va a ahorrar mucho tiempo. Bien. Si debes ir físicamente, mínimo tiempo requerido, puedes abrir una app de Notes, hacer una lista estricta que quieres comprar. Así que no hay otras cosas que estés comprando. Acude a la tienda más cercana, no a la más barata. Bien, te ahorra mucho tiempo. Recoge artículos para recoger en un solo pase, ¿verdad? Tu auto checkout o tarjeta, UPI te ahorra tiempo, vete inmediatamente Así que ya ves que las respuestas van a atender en torno a esa única expectativa que he establecido con la herramienta. De igual manera, digamos otro escenario, necesito comprar un auto nuevo. ¿Qué sugieres que haga? ¿Bien? Entonces en esto también, se va a tener eso en mente, lista corta solo dos autos. ¿Bien? Un agregador, que puedes filtrar por presupuesto , tipo de cuerpo y punto completo en dos opciones Yo es igual a tiempo perdido. ¿Bien? Así que sigue refiriéndonos al punto de que necesitamos ahorrar el tiempo tanto como podamos en cada respuesta. Bloquear el presupuesto y EMI. Para que pueda ver que las respuestas ahora van a ser completamente personalizadas en torno a esa expectativa establecida. Por lo que configurar estos proms raíz de antemano, antes de usar las herramientas de IA ayuda mucho a obtener soluciones mucho más personalizadas a nuestras consultas, lo que va a resolver efectivamente muchos problemas mucho más rápido 24. Limitaciones de tamaño por instrucciones: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queremos platicar sobre las rápidas limitaciones de tamaño. Entonces, según entendemos, las herramientas de IA se están desarrollando a lo largo de un período de tiempo, por lo que las limitaciones de tamaño rápido también están aumentando. No van a ser los anteriores como 3.5, 4.1 con versiones AGBT En este momento estamos sentados en Tra GBD 5.2. Por lo que estas limitaciones de tamaño rápido también han aumentado. No obstante, teniendo esto en cuenta, todavía no tiene sentido que vayamos a volcar toda la información posible a Chat GPT y solo pedirle que analice y presente soluciones Entonces solo para darte un trasfondo sobre cómo ha cambiado a lo largo de un periodo de tiempo. Por lo que actualmente, si ves cuándo comenzó GPT 3.5, tenía aproximadamente 16,000 tokens que podría tomar en consideración Y luego una vez que GPT cuatro entran en la imagen cuatro oh, estos números aumentaron ¿Verdad? Entonces, a lo largo de un periodo de tiempo, esto se ha vuelto mucho mejor. Entonces, cuando miramos específicamente con respecto a, digamos, los actuales, que tenemos, GPT 5.2 también tiene un límite de tamaño de prompt específico, que es muy alto, que es aproximadamente 400 K tokens que podemos dar, lo que básicamente significa que se pueden pegar documentos muy largos, que pueden ser libros enteros, bases de códigos grandes, contratos legales largos, todos estos pueden poner en fácilmente sin romperlos. Entonces así van a funcionar las fichas, los límites particulares, el tamaño del baile de graduación. Dicho esto, la idea, la forma correcta de hacerlo va a ser si tienes un documento enorme que quieres que TragPT siga adelante y analice y te dé soluciones para una mejor manera de hacerlo en lugar de volcar todo el documento en la herramienta va a estar recogiendo las secciones específicas del documento Recogiendo las secciones específicas de un documento y dárselo a Cha GPT para resumir para sacar a relucir la esencia del mismo o ponerlo en diferentes punteros, encontrando una solución Entonces de esa manera, podrás hacer uso de la herramienta de una manera mucho más efectiva. Entonces lo que puedes hacer es, digamos que tienes un documento de 1,000 word, puedes escoger segmentos específicos. Digamos que hay cinco segmentos de ese documento, puedes elegir uno por uno y puedes pedirle a Cha JPT resuma y luego tendrás cinco resúmenes diferentes del mismo, cuales podrás armar de manera concisa, nuevamente con la ayuda de Cha GPT, y luego podrás usar eso para Entonces ese será el enfoque correcto que deberías usar cuando estés tratando con una gran cantidad de datos y quieres que Cha GBT los analice Entonces el punto básico este que si tienes una gran cantidad de datos, puedes averiguar cuál es la parte más importante de esos datos en particular, lo que te va a dar la salida correcta. Entonces tienes una tarea específica que completar para hacer esa tarea en particular. Qué aspecto de ese documento es el más crucial que sólo usted puede proporcionar a CHAGPT para analizar y sacar la solución de él Espero que esto tenga sentido. realmente te va a ayudar porque entonces lo que va a pasar es que estás usando la herramienta de una manera muy efectiva, yendo al quid de la misma y entendiendo cuál es el área principal y qué información específica es más valiosa para HAGPT para obtener las respuestas correctas. 25. Cómo introducir información nueva en el LLM: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, entenderemos otro enfoque que puedes usar con estos modelos LLM, que va a estar introduciendo nueva información a ellos. Lo que va a pasar es que gran parte de la información que se le ha proporcionado se ha proporcionado a una fecha y hora determinada, ¿verdad? Entonces ahora por lo cual tiene mucha información en la que se entrena, pero no podemos decir que es una información completa que tienen. Por lo que puede haber mucha información de la que no están al tanto. Entonces la gran parte es que cuando estás usando estas herramientas, podemos agregar esa información. Podemos introducirles esa nueva información, y la herramienta automáticamente lo tomará en consideración al momento de dar salida. Entonces esto va a ser realmente poderoso porque entonces puedes usarlo en varios formatos. Entonces, por ejemplo, si lo estás trabajando para tu negocio, así podrás dar antecedentes sobre tu negocio. Puedes decir cuántos empleados tienes, qué tipo de productos vendes, cuáles son tus productos ganadores y perdedores. Puedes dar mucha información y luego pedirte que des tu estado de cuenta del problema. Por lo que tomará en consideración esa información que has dado a la hora de dar solución de Yoga. De igual manera, puede proporcionar informes, puede proporcionar análisis de datos. Puedes proporcionar encuestas del pasado. Puedes dar información sobre el comportamiento de tu cliente. Puede haber mucha información que puede dar desde su extremo hasta la herramienta y luego va a tomarla en consideración y brindarle la salida según su requerimiento. Darle un ejemplo práctico de lo que nos estamos refiriendo aquí. Digamos que le doy un prompt, solo un prompt que dice, volviendo al ejemplo anterior que ¿cuántas aves hay afuera de mi casa? Ahora, la herramienta prácticamente no puede darnos una salida para esto. Entonces nos está dando una respuesta corta, que es que no tengo idea, es temprano en la mañana y dándome un ala básica, no tiene suficiente información para darnos una respuesta para esto. Ahora lo que estoy haciendo es darle algunos puntos de datos. Digamos que estoy diciendo que la observación histórica de aves promedio fuera de mi casa ha sido enero fue 120, febrero, 150, y así sucesivamente y así sucesivamente. Le he dado algunos datos. Entonces va a tomar eso en consideración y ahora se viene con la salida que, ya que estamos en enero, entonces va a estar alrededor de 120. Entonces ahora por esta información que usted le ha proporcionado, ha recogido y dándonos una solución de salida para eso. Ahora bien, si construyo sobre esto, digamos que construyo sobre esto y doy más información, digamos, mi casa está cubierta por una cúpula de cristal. Ahora los animales pueden entrar y salir. Todos los animales viven para siempre dentro de la cúpula de cristal, y luego doy la pregunta. Por lo que va a tomar eso en consideración de nuevo. Entonces puedes ver que dice, esto lo convierte en un problema lógico, no en un problema predecible. Bien. Reafirmemos aquí las limitaciones La casa está bajo cúpula de vidrio sellado, ¿de acuerdo? Entonces así, va a tomar en consideración la información adicional para crear una solución personalizada o una respuesta para su pronta Entonces la idea es que a partir de aquí, lo que necesitamos entender es cuando estás usando la herramienta, puedas proporcionar tu información que tienes en su lugar. Y como documento de respaldo como recurso de apoyo, que puede referirse, y luego con la ayuda del mismo, le brindará los resultados deseados. Espero que esto tenga sentido. Espero que entiendas la estrategia, cómo puedes usar la herramienta de una manera muy efectiva al proporcionar toda esta información adicional de tu lado. 26. 30 simples ideas iniciales: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, solo quería compartir algunas indicaciones sencillas que puedes tener a mano contigo mismo Tal vez puedas colocarlo en tu computadora, en tu sistema en alguna parte, lo que te puede ayudar fácilmente a obtener alguna información muy rápidamente de carga. Entonces echemos un vistazo a esto. Estas son unas 30 indicaciones que había esbozado aquí, que son bailes concisos y simples destinados a inspirarte y obtener información más rápida Y así va a ser donde tal vez, digamos, definir el siguiente término y dar una metáfora Elaborar sobre el propósito de algo, crear una plantilla para algo, construir un esquema para este podcast. Ayúdame a crear un presupuesto para las cosas que quieras. Sugerir algunas indicaciones de escritura creativa para comenzar. Lluvia de ideas sobre diez ideas para mejorar la redacción de la transcripción Redacte una lista de capítulos bien pensada para un libro sobre, digamos, un libro que estés escribiendo. Algunas recetas que utilizan estos ingredientes. Estas son unas 30 indicaciones, cuales puedes sacar una impresión y guardarla contigo mismo y usarla cuando sea necesario Espero que esto sea realmente útil porque entonces podrás obtener tus respuestas más rápido. No tienes que pensar mucho, solo puedes mirar esto, escribirlo y sacar las respuestas muy rápidamente. Muchas gracias chicos, por escuchar esto, y los voy a ver en el siguiente video. 27. Nuevas ideas y generación de textos publicitarios: Hola, Dice. Bienvenidos a esta sesión. En esta sesión veremos algunas de las indicaciones cotidianas prácticamente útiles que vamos a ver y practicarlas y verlas en la herramienta, cómo va a funcionar para nosotros Entonces estos van a ser indicaciones que van a ser útiles para nuestro trabajo diario y nuestra ideación Estos están diseñados para proporcionar un marco práctico para las personas que buscan mejorar rápidamente su productividad y producción creativa Entonces estos son algunos de los. El primero que vamos a ver es la lluvia de ideas nuevas, donde hemos creado esta fórmula, en la que decimos que estoy buscando explorar un tema en un formato particular ¿Tienes alguna sugerencia sobre los temas que puedo cubrir? Entonces tomemos algunos ejemplos de esto. Me interesa crear una página de Instagram que cubra viajes. ¿Qué ideas tienes sobre temas que podría incluir como destinos económicos y gemas ocultas para visitar? Otro ejemplo puede ser, estoy trabajando en un boletín que se centra en la tecnología. ¿Puedes recomendar temas que sean atractivos para mi audiencia, como los últimos gadgets y actualizaciones de software? Veamos esto en acción, cómo va a funcionar esto para nosotros. Digamos que estamos tomando este aviso en particular y usarlo en hat GPT y ver qué tipo de respuesta nos da. Entonces ahora va a mirar el prompt y darnos la información. Así que destinos económicos, gemas ocultas, bien, de lo que podemos hablar aquí, guías gastronómicas locales. Nos está dando desafíos de viaje, trucos de viaje, historias de viajes en solitario, viajes sostenibles. Estos son todos los diferentes tipos de ideas de página que estamos obteniendo ahora, que podemos explorar. Y ahora puedes sumergirte profundamente en él. Entonces, digamos que quieres explorar más sobre historias de viajes en solitario, puedes pedirle a Tat GPT que amplíe más sobre eso Entonces así es como podemos hacer uso de estos prompts muy rápidamente y obtener los resultados deseados Otro ejemplo que podemos tomar aquí es la generación de copias, que es básicamente otro prompt que hemos creado donde estamos diciendo que me interesa un tipo de texto que destaque los beneficios de un tema en particular. Ahora por favor escríbeme un número sobre ese tema. Ahora digamos que el ejemplo puede ser Necesito una campaña de correo electrónico que muestre las características de mi nuevo producto ¿Puedes escribir uno para mí sobre la facilidad de uso y asequibilidad del producto Otro ejemplo puede ser, me interesa una página web que describa los beneficios de mis servicios de coaching. ¿Puedes escribir uno para mí sobre el enfoque personalizado y los resultados comprobados de mi programa de coaching? Ahora podemos ver esto también cómo va a funcionar esto. Entonces nos va a dar la respuesta. Por lo que es tomar información de chats anteriores también y darnos toda la información. ¿Por qué elegir nuestro programa de coaching? Estrategia personalizada para tu negocio. Éxito probado con resultados reales, expertos, orientación, soporte continuo y optimización, lograr un crecimiento sustentable. Bien, listo para dominar tus anuncios. Entonces ahora también está dando un llamado a la acción al final de la misma. muy efectiva, muy estructurada Manera muy efectiva, muy estructurada de darnos la respuesta, cual estaremos esperando. Entonces este es el tipo de indicaciones diarias, chicos, que pueden empezar a mirar En el siguiente video, vamos a ver algunas indicaciones cotidianas más prácticas de este tipo que puedes hacer uso 28. Correos electrónicos de clientes y escritura masiva: Hola, chicos. Bienvenidos a esta sesión. Entonces, continuando con el video anterior, veamos algunos escenarios más diferentes de los prods prácticamente cotidianos Otro escenario puede ser de atención al cliente y al cliente. La fórmula rápida que se nos ha ocurrido es, quería actuar como asistente de atención al cliente que tenga una característica particular. ¿Cómo responderías a un texto como representante de nuestro tipo de empresa? Entonces ejemplo, quiero que actúes como asistente de atención al cliente, ¿quién es analítico? ¿Cómo responderías a un cliente que ha experimentado un error mientras usa nuestro software como representante de nuestro inicio tecnológico? O otro ejemplo puede ser, quiero que actúes como un asistente al cliente que encarna la confianza y la empatía ¿Cómo ayudaría a un cliente con un problema de facturación como representante de nuestra compañía de servicios financieros? Entonces veamos algunos ejemplos de esto. Entonces digamos que estamos tomando el primero. Ahora puedes ver que está escribiendo la respuesta para nosotros por aquí y está pidiendo la información específica con respecto al error, mensaje de error exacto, versión del software. Toda la información requerida se solicita en el correo electrónico. De igual manera, veamos otros escenarios. Otro escenario puede ser generar analogías. Las analogías pueden ser realmente útiles cuando son temas complejos y es difícil entender el concepto Tales casos, una analogía realmente ayuda a simplificar el tema y entender mejor El aviso que estamos usando aquí es, estoy tratando de entender el concepto de un concepto en particular, lo que me ayudó a entender mejor este concepto al crear una analogía práctica y fácil de entender Por ejemplo, estoy tratando de entender mejor el concepto de fotosíntesis Por favor, ayúdame a entender mejor este concepto creando una analogía práctica y fácil de entender Entonces tomemos este ejemplo. Otro ejemplo es, estoy tratando de entender el concepto de optimización de motores de búsqueda. Por favor, ayúdame a entender mejor este concepto creando una analogía práctica y fácil de entender Entonces tomemos el primero y veamos esto. Entonces estamos tratando de entender el concepto de fotosíntesis, así que aquí lo está descomponiendo. De esta manera particular. Descomponer la fotosíntesis en un uso que sea sencillo de entender Imagina que tu planta es como una fábrica con energía solar. La analogía es que están viendo como una fábrica. El trabajo de la fábrica es hacer comida, pero en lugar de usar electricidad, usa luz solar. Así es como funciona. Ahora te está dando una analogía con una fábrica para explicar el concepto de fotosíntesis Esto es realmente genial porque esto va a simplificar muchos temas complejos para entender en cada esfera del trabajo. Otro ejemplo práctico indica ¿ podemos, chicos, creación de copias masivas? Entonces, la fórmula que estamos usando aquí es, por favor, llegar a una cantidad de contenido para un tipo de contenido para una plataforma que incluya algunas referencias. Entonces, por ejemplo, por favor, venga con ocho boletines por correo electrónico para mi sitio de inversión que incluya informes de la industria y análisis de datos. Por favor, crea cuatro guiones de video para un canal de YouTube de marketing que incluya opiniones de expertos e ideas sobre las tendencias de marketing digital. Entonces veamos el último Así que ahora nos va a dar cuatro guiones de video. Se puede ver que el guión de video se da con segmentos particulares, que es el narrador, intro, cuerpo Todo eso se da también a la Sección dos, conclusión, luego Video dos. el guión completo de video específico con la estructura que se proporciona y los juegos de rol particulares menciona muy claro el guión completo de video específico con la estructura que se proporciona y los juegos de rol particulares. Entonces así es como estos graduales cotidianos van a ser realmente útiles comprender al hacer algún trabajo, lo cual será muy productivo para nuestro negocio Espero que esto tenga sentido. Entiendes el concepto de indicaciones cotidianas, graduaciones prácticas que puedes usar Muchas gracias chicos por escuchar esto, y los voy a ver en el siguiente video. 29. Modificadores para obtener mejores resultados: Hola, es bienvenido a esta sesión. En esta sesión, queremos ver cómo podemos hacer uso de modificadores para mejorar nuestros prompts. Puede haber diferentes tipos de modificadores que puedes usar aquí como calificadores, palabras como algunos pocos, muchos, todos, realmente ayudan a dar una visión más específica del prompt Adjetivos también que pueden describir o modificar sustantivos y pronombres, también pueden ayudar mucho, como rojo, feliz, grande, emocionante Cuando dices, quieres querer que Chat ZIP escriba un blog lo cual es emocionante, entonces comprenderá exactamente el tono en que necesita para dar la respuesta. Del mismo modo, adverbios, verbos que describen palabras que modifican los verbos, adjetivos o adverbios, como rápido, bueno, ruidosamente, intensificadores, que puedes usar por aquí, que pueden ser extremadamente, totalmente negativos son muy buenos usar porque estos modificadores realmente ayudarán a negar todas esas palabras u oraciones que no quieres que HazIBt te proporcione lo que nunca puede ser. Los agregas en tu prompt para que hat JPT no dé respuestas con esos términos particulares Numere palabras que también puedes usar, es mucho mejor dar un baile de graduación específico en particular que un prompt genérico. Como por ejemplo, puedes dar un prompt a hat JPT que puede ser, ¿ puedes enumerar las diez mejores películas en EU O se puede decir, que es un prompt muy específico versus preguntar cuáles son las mejores películas para ver en EU. Dar palabras numéricaspuede ser realmente útil para obtener información muy específica. Aparte de eso, también puedes mirar palabras de tiempo, palabras que indican cuándo sucedió o sucederá algo . Si estás pidiendo información específica sobre cuándo ocurrió la independencia de Estados Unidos, puedes usar esas indicaciones particulares , modificadores de ahí Colocar palabras como aquí, allá en algún lugar sería realmente bueno para usar porque eso también se vuelve muy específico. Palabras de grado totalmente completamente ligeramente. Estas son algunas cosas que realmente pueden ayudar a obtener información muy específica de JAGP la intención es entender esta cosa chicos La elección de los modificadores realmente ayuda a mejorar la calidad de las respuestas que obtiene de ellos. La idea es que la idea principal sería que cada vez que escribas tus indicaciones en Chat GPT, dale algo de tiempo y pensaras cómo quieres la respuesta, qué tipo de respuesta estás realmente esperando de Cha JPT y luego formula tu prompt usando todos estos modificadores para obtener una información específica muy personalizada, que puede ser de muy buena utilidad para ti en el futuro. 30. Sugerencias de pocas tomas: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queremos hablar un tipo de estilo prompting que es breve prompting indicaciones cortas son básicamente un concepto en el que cuando estás dando tu prompt, puedes darle algún tipo de contexto también puedes darle algún tipo de contexto al prompt para obtener información más específica Ahora en esto, puede haber tres niveles. El primer nivel va a ser tiro cero, es decir, como se puede entender por el propio nombre, en donde estás dando un prompt sin contexto alguno, sin contexto, sin datos, sin pautas que le des a hat GPT, y ahora hat GPT tiene completa mano libre para darte información desde todas las direcciones El segundo puede ser una toma donde le estás dando una pieza de datos o pauta a Cha GPT, y en base a la cual el Chat GBT producirá la respuesta para nosotros Y el tercero que también puedes usar aquí pocos disparos que incitan donde das múltiples piezas de datos o pautas porque estás esperando un tipo muy específico de información de Cha GPT Entonces puedes hacer algunos disparos. Por ejemplo, en un escenario de realización, un prompt de tiro cero puede ser escribir un script de YouTube para mi canal de revisión tecnológica. Ahora esto es tan genérico y tan básico, puede ir en cualquier dirección posible y Chat GPT te va a dar todo tipo de información aquí Una toma puede ser usar este ejemplo una como referencia, escribir un guión de YouTube para Mi canal de revisión tecnológica, y ahora mira pocas tomas. Algunas tomas estarán usando estos ejemplos uno, dos y tres como referencia, escribe una toma de YouTube de cinco minutos en las últimas especificaciones de la cámara iPhone para el canal MTechrView Ahora tenemos dar cada vez más específicos porque hay algunos requisitos que queremos cumplir y en base a los cuales queremos ver la respuesta. Esto se llama una técnica de incitación corta que también se puede hacer uso de 31. Sugerencias en formato tabular: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, vamos a hablar de otro tipo de estilo prompting que es el formato tabu También puede obtener respuestas en un formato tableau de HAG PT con este tipo particular de solicitud. Esta va a ser una forma en la que vas a dar una serie de indicaciones a Chat GPT, y te va a dar la información en ese formato en particular Esto permite a Chat GPT organización y presentación clara de los datos, facilitando a los usuarios analizar, comprender y comprender La fórmula va a ser donde vas a dar la pregunta primero, y luego puedes dar segundo prompt. Una vez que obtengas la respuesta para ello, puedes dar un segundo prompt, que es cuáles son las diferentes categorías que puedes romper tu respuesta. En para más descriptividad. Ahora, te adentras un poco más en ello y obtienes una respuesta relacionada con eso. Una vez que obtienes esa respuesta, entonces das tu tercer prompt, que ahora es crear una tabla que incluya tu respuesta original con estas categorías separadas en diferentes columnas. Entonces de esta manera, toda la información se transforma en un formato tabular Veamos esto en acción cómo se verá esto. Digamos que estamos tomando la primera pregunta, cuál es cuáles son los principales factores de crecimiento de nuestro canal de YouTube? La primera es que solo estamos haciendo una incitación inicial sin otras cosas adicionales, así que estamos obteniendo la información Ya, esto es en un punto por punto *** que nos fue dado . Obtienes la información. Ahora, lo que hacemos es que podemos hacer el segundo prompt pidiéndole que rompa la respuesta en más descriptividad Ahora puedes ver que se está volviendo más descriptivo por aquí. Una vez que tenga esta salida con usted, puede solicitar el formato tableau para esta información. Te va a dar todas las respuestas en el formato tableau, específicamente con esta información fuera. Y eso sería mucho más fácil de entender, comprender y usar también Por lo que puedes ver aquí ha ido adelante y creado eso para nosotros categorías subcategoría descripción, De esta manera particular, se ha creado toda la tabla Este es el formato tableau de las indicaciones, chicos, que también pueden usar para obtener su información en cierto formato Si te sientes muy cómodo con Excel y datos, quieres hacer mucho análisis de datos. Puedes pedirle a Chat GBT que te dé la salida en ese formato en particular y luego se vuelve mucho más fácil para ti trabajar en eso Muchas gracias chicos por escuchar esto, y los voy a ver en el siguiente video. 32. Cadena de pensamiento: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, se quiere ver otro tipo de estilo de incitación, que puede ser una cadena de incitación al pensamiento cadena de incitación al pensamiento es una técnica sencilla que puedes pedirle a CHAIPT que explique la respuesta en un formato paso a paso En lugar de saltar a la respuesta de inmediato, quieres que HaTipt te lleve a través de los pasos completos para llegar a esa quieres que HaTipt te lleve a través pasos completos para llegar a Ahora va a trabajar en eso y darte una comprensión paso a paso de cómo llegó y llegó a esa respuesta que obtuviste. Entonces de esta manera, el entendimiento es mejor. A veces cuando nos interesa un tema en particular, nos gustaría saber el proceso, cómo se evaluó lo particular. Entonces en tales casos, este tipo de respuesta es muy útil. Por ejemplo, el formato, la fórmula prompt que podemos usar es que puedes dar tu pregunta y luego solo puedes decir, pensemos paso a paso. Ahora Chat GPT te dará la solución en un formato paso a paso Como, por ejemplo, ¿cuál es el diámetro del sol? ¿Cuál es el peso de una molécula de oxígeno? Veamos esto en la práctica cómo esto marcará la diferencia. Entonces comencemos con primero sin nuestro prompt y veamos qué respuesta en GPT nos da. Se puede ver simplemente que hemos saltado a la respuesta y nos ha dado la respuesta muy claramente, que está ahí. Pero ahora hagámoslo paso a paso. Ahora se puede ver que ha ido paso a paso donde comienza con la comprensión del tamaño del sol. El sol es una bola masiva de gas caliente y da una definición clara de comprensión del tamaño del sol. Ahora, ¿qué es un diámetro? También está definiendo cuál es el diámetro como una unidad a medir. Después midiendo el diámetro del sol. Es mirar ahora están llegando al punto en el que están tratando de ver el diámetro del sol como medir. Ellos están dando esa comprensión. Entonces el diámetro del sol, con base en estas observaciones, diámetro es de 1.3 millones. Se les ocurren las cifras que han dado y finalmente, lo están concluyendo con los laboratorios finales. De esta manera, la han desglosado en múltiples partes, definiendo cada parte, y luego uniéndolas a todas para llegar a la conclusión final. Esto realmente ayuda. Veamos otro. Vamos primero con la pregunta. ¿Cuál es el peso de la molécula de oxígeno? Ahora bien, en este caso, lo que está sucediendo es que automáticamente está tomando en consideración la conversación anterior y dándonos la salida en un formato paso a paso. Esto es lo que esperábamos por la metodología de incitación paso En donde nos está diciendo la molécula de oxígeno. La composición es lo que es tanto la masa del átomo de oxígeno, luego convirtiendo las unidades de masa atómica a kilogramos, resulta ser tanto. Ahora estamos obteniendo toda la información en un formato muy paso a paso. Espero que esto tenga sentido. Entiendes este tipo de indicaciones que también puedes usar para entender mejor las respuestas que obtienes, entender todo el proceso, entender todo el proceso, cómo ChatGPT procesó toda la información y te da Muchas gracias chicos por escuchar esto y los veo en el siguiente video. 33. Pregunta antes de la respuesta: Hola, Ajes. Bienvenidos a esta sesión. Entonces en esta sesión, hablaremos de otro tipo de incitación, que es preguntar antes de responder Esta es una técnica en la que guias HAGBT para pedir aclaraciones antes de dar una respuesta Esto realmente ayuda a garantizar que las respuestas del modelo sean mucho más precisas y lo más específicas posible. Entonces la fórmula que usamos aquí es el primer prompt que damos es que le decimos a ChagPT que usted es un experto en el campo de la industria Te voy a pedir algunas tareas específicas para completar, pero antes de que respondas, quiero que hagas lo siguiente. Si tienes alguna duda sobre mi tarea o incertidumbre sobre entregar la mejor respuesta posible, siempre haz preguntas de viñetas para aclaración antes de generar tu respuesta. ¿Eso se entiende? Este es el primer aviso que das. Una vez que le das eso y Chat GPT lo reconoce, entonces pasamos al segundo baile de graduación, lo cual es genial Mi pregunta es, tu tarea es esta, por favor haz cualquier duda que tengas para que pueda mejorar mi prompt antes de completar tu tarea. Entonces de esta manera, ahora te va a hacer las preguntas relevantes, y luego podrás responder esas preguntas para obtener una información muy personalizada, precisa, específica. Veamos esto en acción cómo se verá esto. Lo primero que vamos a hacer es que vamos a darle a esta púa, el primer prompt Digamos que estamos hablando una industria que es la consulta. Ahora entiende que lo ha reconocido, y ahora damos el segundo prompt. Entonces ahora con base en esto, nos va a hacer las preguntas. Se puede ver público objetivo, ¿quién es su cliente ideal para la consultoría? Estrategia actual, ¿qué estrategias de marketing y ventas estás usando actualmente? Consultoría poker, ¿cuál es la principal área de consultoría que ofreces? Objetivos, ¿cuáles son sus objetivos de ventas para los próximos seis a 12 meses? Branding y posicionamiento, ¿cómo te posicionas en el mercado? Presupuesto y recursos, ¿qué presupuesto y recursos están disponibles para los esfuerzos de mercadotecnia? Embudo de ventas, ¿tienes un embudo de ventas estructurado? Ahora nos ha hecho todas las preguntas relevantes que podemos responder. Podemos empezar a responderla una a la vez, público objetivo, Puedes seguir adelante y dar el resto de las respuestas de esta manera particular, dar todas las respuestas. Entonces, una vez que des tus respuestas, tomará esas respuestas en consideración para darte la respuesta más personalizada en base a eso. Espero que esto tenga sentido. Entiendes esta técnica que es preguntar antes de responder a las indicaciones, que también puedes usar con tra gibt 34. Revisiones rápidas eficaces: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queríamos ver cómo también podemos mejorar las revisiones o los prompts o los outputs que obtenemos de Chat GPT y ponerlo a través en un formato mucho mejor La mejor parte de Chat TPT va a estar en contraste con cualquier motor de búsqueda que tengamos el buscador convencional como Google Chat TPT posee la capacidad de memoria, lo que básicamente significa que recuerda las conversaciones anteriores que tuvimos y en base a las cuales puede darte respuestas personalizadas Ahora, una vez que obtenga alguna respuesta de Chat GPT, puede ir a un seguimiento adicional sobre eso y luego puede mejorar esas respuestas Estas son algunas de las formas por las que puedes hacer eso. Entonces, por ejemplo, una vez que obtenga la respuesta de CHGPT, puede pedirle a HatJPT que ponga las palabras clave más importantes en formato negrita para que sepamos qué otras palabras clave importantes en esa otras palabras clave importantes Puedes solicitarlo para organizar la información por fecha, ubicación, precio. Puedes pedirle a ChaJPT que consiga resultados más novedosos y poco comunes, posiblemente Se le puede pedir que proporcione unas imágenes adecuadas. Digamos que tienes la información en un formato moneda por punto, y ahora quieres que también tenga respectivos Imoges relativos Chat GBT puede hacer eso por nosotros. También, puedes pedirle que explique toda la respuesta en forma de nivel de un niño de 5 años para que pueda entender Otras cosas que puedes hacer es transformar todo el prompt, toda la respuesta en un formato tableau. Eso también es posible. Puedes pedirle a AGBT reescriba todo desde la perspectiva de un experto de la industria Se le puede pedir que lo escriba de manera formal o informal. Puedes pedirles que arreglen la gramática o cualquier hallazgo y reemplazo. Quieres reemplazar ciertos términos de la respuesta, también puedes hacerlo. Puedes pedirle que agregue algo de personalidad, algo de humor a todo el contenido. Yo puedo hacerlo. Uh, aparte de eso, puedes pedirle que escriba esto desde la perspectiva de o en la voz de tu autor favorito o de una celebridad de personalidad. Puede transformar eso de esa manera. Así se puede ver que hay muchas cosas que podemos hacer. También puedes pedirle que resuma todo en un solo tuit Puedes pedirle que amplíe este resumen a tres partes. Bien. Así que todas las respuestas que tienes se pueden modificar en múltiples formas diferentes. Puedes solicitarlo para comparar y contrastar la información más importante. Y entonces puedes pedir tal vez que solo enumere todos los mejores, diez conclusiones clave de ella Entonces otra cosa que puedes hacer es que puedes pedirlo desde un punto de vista experto. ¿Cómo lo mejorarías aún más? Después poniéndolo a través en una lista de viñetas. Hay tantas cosas que puedes hacer una revisión de tus respuestas que obtienes de Cha GPT, que pueden mejorar y mejorar aún más la calidad de la información que estás recopilando de ella Espero que esto tenga sentido. Entiendes este concepto de revisiones rápidas, que también puedes hacer con Cha GPT 35. Aleatoriedad en la salida: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, hemos querido entender la aleatoriedad en la salida que obtenemos de estas herramientas de IA Entonces necesitamos entender el hecho que con las herramientas de IA como Chat GPT, las respuestas, lo que obtendrá de la herramienta no será lo mismo todo el tiempo Y vimos esto también en la sección anterior que la salida va a ser diferente todo el tiempo, y así es como que la salida va a ser diferente todo el tiempo, y así va a ser diferente todo el tiempo, se ha capacitado a la herramienta para dar respuestas para. La intención de todo esto es que queramos probar y ver diferentes tipos de respuestas. Entonces así es como se ha construido y entrenado la herramienta y se le han dado datos. Y es por eso que cada vez que veas las respuestas van a ser muy diferentes entre sí. Ahora bien, así es como va a operar, y tenemos que aceptarlo de alguna manera y convivir con eso y trabajar solo por eso. Ese es el estado actual de estos modelos o herramientas LLM que tenemos donde la salida va a ser diferente entre sí Se pueden constreñir dentro de una sección específica de respuestas que estamos recibiendo, pero no serán idénticas. Las respuestas siempre serán un poco diferentes entre sí y neu respuestas estarán ahí porque eso es lo que queremos ver con las herramientas de IA, la intención es siempre que queremos ver respuestas únicas, algo en lo que nunca hemos pensado, y eso es lo que se ha arraigo en las herramientas, y es por eso que las salidas siempre son aleatorias Entonces solo para darte un ejemplo sencillo de cómo va a ser esto, digamos, si le doy un prompt a Chat GPT donde digo que cuántas aves hay afuera de mi casa Ahora bien, esta es una pregunta muy abierta que estoy haciendo sin dar mucha información. Esto me va a dar un tipo de respuesta donde obviamente está diciendo que no tengo manera de ver fuera de tu casa. Bien, si quieres hacer una estimación rápida, me está dando algunos pasos ciertos que buscan y cuentan método, método sonido, método de foto. Hay varias formas en que me está ayudando a contar y a encontrar la solución yo mismo. Entonces esa es una solución, una respuesta que está dando. Ahora bien, si vuelvo a dar el mismo aviso , de nuevo, es ante todo, aceptando que puede hacerlo. Pero si quieres el número, tendrás que mirar, escuchar o compartir una foto. Otro tipo de salida. El primero fueron los pasos dados para averiguarme a mí mismo. El segundo es que puedo compartir mirar y escuchar o compartir un video o un pie. De la misma manera. Ahora bien, si vuelve a dar el mismo aviso, va a admitir que no puede hacerlo, y ahora mismo se desconoce el número de palabras afuera. Es solo darme la respuesta que desconocida, no se sabe hasta que la investigo y me lo muestro. Bien. Entonces así es como van a ser las respuestas donde las salidas van a ser aleatorias para los mismos prompts que damos Ahora bien, esto no es un problema técnico. Es la forma en que la herramienta ha sido construida y entrenada para estas aleatoriedades. Ahora, también hay un pro y una estafa para esto. Entonces, cuando estamos tratando de entender las cosas y estamos tratando de construir algo, y esa vez, esta aleatoriedad o diferentes tipos de respuestas realmente son útiles porque entonces porque estamos ejecutando nuestras ideas y queremos ver algo diferente, así que posiblemente eso pueda ser realmente útil Si estamos en una situación que se trata de un trabajo de investigación y quieres respuestas o soluciones específicas para hacer ese trabajo de investigación, entonces esta salida aleatoria podría no ser muy útil, ¿de acuerdo? Lo único que la herramienta puede hacer posiblemente es mantenerse dentro del ámbito de ese tema en particular y darte respuestas. No va a ser arbitra respuestas realmente vagas, sino que va a permanecer dentro ese dominio y darte respuestas dentro de ese Así es como tenemos que empezar a aceptar que la herramienta se va a comportar y trabajar con ella a nuestro favor. 36. Indicaciones para rellenar en blanco: Hola, sí. Bienvenidos a esta sesión. En esta sesión, hablaremos sobre el relleno en el estilo de incitación en blanco, que también puedes usar Este es un formato que permite al usuario enfocarse en un aspecto específico de una oración o idea y fomenta el pensamiento más profundo. Entonces veamos la fórmula en sí, lo que podemos usar aquí afuera. Entonces comenzaremos primero con un prompt, que va a ser donde le digamos a chat GPT que eres un experto en crear prompts que generen crear prompts que generen las respuestas más concisas e ingeniosas ¿Qué detalles adicionales de viñetas puedo agregar a la siguiente solicitud para mejorar la salida? Mi pronta es que te das un prompt y luego una vez que obtienes la respuesta, en base a eso, vuelves a dar la segunda respuesta, que es la segunda pronta, lo cual es genial. Ahora convierte estas viñetas en un relleno en el formato en blanco en el que puedo poner mis datos. De esta manera, lo que estamos haciendo es que estamos tratando de obtener indicaciones más relevantes de Cha JBT Estamos pidiendo a la propia Chat GPT que nos dé algunas indicaciones más relevantes, lo que debería estar preguntando también a HAGPT y luego obtener mejores resultados de ello. Veamos esto en acción como va a ser esto. Lo primero que vamos a hacer es que vamos a dar este aviso. El prompt que estás usando es, tengo $100,000 en ahorros y ¿en qué debo invertir Ahora en base a esto, me va a dar las preguntas, ¿ Estás apuntando a un crecimiento a corto o largo plazo? Tolerancia al riesgo. ¿Te sientes cómodo con horizonte de tiempo de alto riesgo, tipo de inversión preferido Ahora me ha hecho esas preguntas. Ahora, en base a esto, voy a dar el segundo prompt donde estoy pidiendo que convierta esto en un relleno en el formato en blanco, que luego puedo llenar. Ahora me ha dado el relleno en el formato negro con ejemplos también. Puedo llenar esto y esta se convertirá en mi información particular la cual podré usar más para obtener mejores resultados. Este es otro tipo de estilo prompting, que sin duda puedes usar con ChatGPT para obtener 37. Indicaciones de perspectiva: Hola, chicos. Bienvenidos a esta sesión. Entonces, en esta sesión, queríamos mirar otro estilo de incitación, que es el incitador de bombas de perspectiva Ahora aquí, lo que estamos viendo es este marco básicamente ayuda a ampliar su comprensión y proporciona una visión más completa del tema en cuestión Entonces ahora lo que sucede es, para un tema específico, estamos pidiendo a Chat JBT que brinde diferentes perspectivas de cómo mirar ese tema en particular Entonces, cuando te da eso, tienes una idea holística de información, y autorización sobre ese tema en particular. Entonces el entendimiento es mucho, mucho mejor. Entonces esto se puede hacer de dos formas particulares. Una es una perspectiva singular. La otra son múltiples perspectivas. Tan singular perspectiva es que se puede dar un baile de graduación, que es por favor escribir sobre un tema en particular desde la perspectiva de un punto de vista particular. Eso es directo y sencillo. La otra que puedes hacer es múltiples perspectivas donde le pides a Hagipt que escriba un argumento a favor o en contra del tema del tema que tienes desde múltiples perspectivas diversas Entonces esto incluye los nombres, el punto de vista de diferentes perspectivas, como también los puntos Veamos esto en acción cómo va a suceder esto. Entonces digamos que estamos viendo el primero con perspectiva singular. Queremos que Chad GPT escriba sobre kickboxer desde la perspectiva de un entrenador de kickboxing Entonces ahora nos va a dar una perspectiva de un entrenador de kickboxing, mejorando como kickboxer lo que se pueden hacer todas las cosas, perfeccionar tus fundamentos, construir acondicionamiento, mejorar tu defensa, desarrollar dureza mental, juego de pies y movimiento, incorporando pies y Puedes ver todas estas son sugerencias de nuestro entrenador de kickboxing, ¿verdad Ahora, lo mismo podemos preguntar desde una perspectiva diferente donde pedimos dar una perspectiva de un experto en anatomía humana. Entonces veamos qué tan diferente va a ser esto. Entonces, desde una perspectiva experta en anatomía humana, lo importante es optimizar tu postura y postura, involucrar tus músculos centrales, comprender el papel y las caderas de las caderas en el movimiento, mejorar la agilidad con tobillo y rodilla , movilidad, etc. Se puede ver cómo diversas perspectivas pueden estar ahí para un mismo tema. Esto puede ser interminable. Puedes pedir diferentes perspectivas, y al final de leer todo eso, obtienes una comprensión mucho mejor y más profunda del tema en particular que estás abordando. Espero que esto tenga sentido. Entiendes este estilo también. Muchas gracias chicos por escuchar esto, y los veo en la próxima. 38. Sugerencias comparativas: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hablaremos de incitación comparativa. Entonces, la incitación comparativa es tan simple como resaltar las similitudes y diferencias clave entre varios factores, que le ayudan a tomar decisiones mucho mejor informadas y obtener una comprensión más profunda de las fortalezas y debilidades de las dos opciones Entonces aquí, lo que hacemos es pedirle a At GPT comparar y contrastar los siguientes ejemplos de texto, delineando las similitudes, diferencias, características cualitativas, factores cuantitativos, funcionalidad, claves para llevar, y otros factores en Y luego damos las dos piezas de cont. Ahora en base a lo cual lo analizará y nos dará la información en un formato tableau tanto para el tipo de contenido. Esto realmente ayuda a hacer comparaciones y la comprensión de ambos se vuelve mucho mejor. Veamos esto en acción cómo vamos a hacer esto. Vamos a dar el primero. Este es el primer baile de graduación que estamos dando donde nuestro contenido va a estar este. Ahora, lo va a poner en un formato tableau, como puedes ver, filosofía empresarial. ¿Bien? Podemos ver filosofía de diseño, estrategia de producto , imagen de marca, innovación, todo eso, que podemos ver aquí ahora dado a nosotros de esta manera particular. Lo mismo se puede hacer con otro ejemplo también. Veamos otro ejemplo. Invertir en bienes raíces versus invertir en criptomonedas. Tipo de inversión, naturaleza de la inversión, niveles de riesgo, ROI, liquidez, volatilidad, dinámica de mercado, barreras de entrada. Podemos ver ahora que nos ha dado la diferenciación entre los dos tipos de contenido con respecto a las características, los temas que queríamos darnos. Esto es realmente útil, fácil de entender y digerir, comprender, y luego podemos hacer uso de él en nuestro negocio 39. Indicaciones inversas: Hola, Gins. Bienvenidos a esta sesión. En esta sesión, queremos que veas otro estilo de prompting, que es el prompting inverso Invierta la solicitud o la ingeniería inversa de la solicitud. Entonces de lo que básicamente estamos hablando aquí es cómo puedes seguir adelante y realizar ingeniería inversa en cualquier pieza de contenido para volver al prompt que generó ese contenido. Entonces, la intención de aquí es comprender el contenido que recibes, que ves ahora mismo, qué prompt puede generar ese contenido particularmente. Eso es lo que estamos tratando de realizar ingeniería inversa por aquí. Entonces hemos ideado dos fórmulas rápidas que puedes usar aquí para este propósito en particular, en donde puedes dar el prompt y esto ayudará a realizar ingeniería inversa el contenido para volver al prompt original que se le dio para sacar ese contenido. Entonces, si ve el primero es donde le pedimos a STIPT que actúe como un experto en ingeniería rápida que sea capaz de realizar ingeniería inversa con indicaciones basadas en el texto que se le proporcione Por lo que le damos primero este aviso en particular y configuramos todo el escenario espacial para AGPT que funcione como un prompt de ingeniería inversa a un experto incitador. Y luego una vez que StratPT lo reconozca, entonces podemos darle el texto particular, y realizará ingeniería inversa al prompt y nos dirá el prompt original que se le dio para ese contenido Esta es una opción. La segunda opción es prompt puede ser que estamos dando múltiples indicaciones diferentes a hat GPT para configurar la conversación Claramente, en donde primero decimos inicialmente que hablemos de ingeniería rápida inversa. Por ingeniería rápida inversa, me refiero a crear un prompt a partir de un texto dado. ¿Me pueden dar algunos ejemplos sencillos de ingeniería rápida inversa? Chat GPT nos dará algunos ejemplos. Entonces diremos, ¿se puede crear una plantilla de ingeniería de prompt inverso muy técnica? Lo que estamos haciendo es que estamos cebar la herramienta. Preparando la herramienta específicamente para tener datos históricos previos de conversación para que entienda mejor la ingeniería rápida inversa Y luego finalmente, damos el prompt, que ahora es reverse prompt Engineer, el siguiente texto, asegúrese de capturar el tono, sintaxis, lenguaje y estilo de escritura del texto. Con estos dos enfoques diferentes, posiblemente podrás seguir adelante y realizar ingeniería inversa en el prompt y volver al prompt original que generó el contenido que tienes ahora. La intención de hacer esto es que una vez que obtenga el mensaje original, puede usarlo en otros productos. Entonces, si te encuentras un contenido realmente bueno en cualquier lugar, puedes usar ATGPT para realizar ingeniería inversa y llevarte de vuelta al prompt original que puede generarlo Ahora que tienes el prompt original contigo, puedes aplicarlo en otros productos, tus propios productos en tu propio negocio también. Veamos esto en acción cómo va a suceder realmente esto. Lo que vamos a hacer primero es mirar la primera opción. Vamos a seguir adelante y tomar el primer prompt y dárselo a ChatPT Diremos que el tipo de contenido es, digamos, una empresa tecnológica. Descripción del producto. Yo entendí. Bien. Y luego vamos a dar el segundo prompt. Genial el texto, me gustaría hacer ingeniería inversa es, y vamos a dar el ejemplo a partir de aquí. Digamos que el ejemplo es este. Este es el contenido del que nos hemos apoderado y lo que esperamos de ChachPTS nos da el prompt original para ello, lo que generará este tipo de Se puede ver que también ha generado el prompt particular, lo que nos ayudará a generar este contenido, italmente hablando Este es un enfoque, que puedes usar fácilmente aquí. El segundo enfoque, echemos un vistazo a eso también. En el segundo enfoque, iniciamos la conversación con esto donde decimos, entiende ingeniería pronta inversa, qué es. Entonces pedimos a Chat GPT que nos dé un ejemplo de ingeniería rápida Nos dará algún ejemplo de ingeniería rápida, ingeniería rápida inversa. Ahora mismo, todavía nos está dando el resultado para el primer prompt. Ahora estamos preguntando el segundo, pidiendo un ejemplo de una ingeniería rápida inversa. Ahora vamos a pedirle a AratGBT que cree una plantilla para ingeniería de prompt inverso Estamos cebar la herramienta. Estamos dando una gran cantidad de datos a hat GPT para entender desde ingeniería rápida inversa porque nuestra intención es pedirle que cree un prompt particular para el contenido original al final Ahora bien, este es el prompt final que queremos dar. Se puede ver que nos está dando la respuesta para el tercer prompt en este momento. Ahora podemos dar le pediremos a HAGPT que realice ingeniería rápida inversa el siguiente texto Digamos que este es un producto que tiene unas críticas muy altas, número de reseñas, buena calificación ya. Queremos aplicar ingeniería inversa al prompt. Queremos conocer el prompt original, que puede generar este tipo de titular. Podemos realizar ingeniería inversa para esto. Podemos realizar ingeniería inversa para la descripción del producto aquí mismo, múltiples cosas. Cualquiera que sea lo que necesite para su propio listado de productos, puede pedirle que realice ingeniería inversa y lo lleve de regreso al mensaje original Estoy tomando el titular para el momento. Yo he dado el titular. Y ahora te estamos pidiendo realizar ingeniería inversa ese texto original que está tomando. Ahora puedes ver que está generando el prompt de ingeniería inversa para nosotros. Esto lo podemos usar para generar este tipo de titular en el futuro. Ahora, una vez que tengas el prompt original contigo, puedes usarlo en cualquier producto. Simplemente puedes cambiar el nombre del producto por aquí y el tono de estilo, sintaxis sigue siendo la misma. Pero puedes usarlo en cualquier otro producto propio para las descripciones de tus productos, y escribirá en ese estilo en particular. Espero que esto tenga sentido. Entiende ahora el concepto de incitación inversa Muchas gracias chicos por escuchar esto, y los veré en el siguiente video. 40. Indicaciones críticas constructivas: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queríamos ver y mirar un tipo diferente de estilo incitador, que es la crítica constructiva Ahora lo que queremos es que en esta en particular, este prompt pueda proporcionar retroalimentación objetiva y experta sobre su escritura, destacando áreas de mejora, y ofrecer críticas constructivas para ayudarlo a refinar y mejorar su copia. Entonces aquí la fórmula del baile de graduación que podemos dar es que queremos Chat JPT actúe como experto y crítico en el tema de su industria Ahora, vamos a querer que critique nuestro contenido, que se da y me convenza de por qué es malo y me dé críticas constructivas sobre cómo se debe mejorar Para algún contexto, por lo que le das a tu producto y servicio los detalles del propósito de mi producto es este, le das a tu objetivo de contenido. Pensemos paso a paso, y quiero que abordes cada pieza de contenido individualmente, y aquí está mi contenido a la crítica Entonces ahora la idea es obtener algunos comentarios sobre nuestro contenido de Chat GPT como crítica, y en base a esa retroalimentación, luego trabajar en él y mejorarlo Entonces veamos esto en realidad cómo puedes usar esto de manera efectiva. Entonces digamos que estamos usando este prompt en particular, Así que después de esto, puedes seguir adelante y proporcionar tu contenido que tienes en su lugar, e iba a seguir adelante y criticar eso y darnos todos los comentarios particulares sobre él, que luego puedes incorporar Entonces esta también es una manera realmente genial de incitar, que puedes usar para que puedas tener a alguien que tenga mucho mejor conocimiento sobre el tema o servicio y te dé críticas constructivas al respecto 41. Descripción de patrones: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hablaremos sobre los patrones prontas. Entonces entendemos ahora que cuando estamos dando un prompt a modelos LLM como CHAPT, el patrón que usamos en él hace mucha diferencia en el tipo de salida que obtenemos de Entonces, si estamos buscando un tipo específico de salida, entonces tenemos que asegurarnos de que el patrón de la elección de las palabras tenga que ser específico en ese orden particular. Entonces eso va a controlar el tipo de respuesta que vas a obtener de los modelos LM, las salidas que esperas de ella. Esto se vuelve crucial en cualquier tipo de tarea o trabajo que vayas a hacer y estás usando los modelos LLM o las herramientas específicamente para un objetivo específico Conocer los patrones correctamente va a ser crucial cuando estés usando estas herramientas. Sólo por un ejemplo, digamos, cuando estoy dando un prompt algo como Mary tenía un poco sabemos que tenemos una salida específica cual estamos esperando fuera de la herramienta. Ahí es cuando obtenemos esta salida que estás buscando. Se hace muy evidente que para obtener una salida, que es la siguiente línea, es freeze era blanco como la nieve, tengo que asegurarme de que mi patrón prompt esté en ese formato en particular. Porque si voy a dar alguna otra salida en particular, posiblemente, lo más probable es que la salida pueda ser un poco diferente. Como en este caso, lo estoy volviendo a dar por aquí, así que nos está dando la misma salida. Por lo tanto, debe asegurarse de que los patrones que estamos eligiendo la elección de las palabras que estamos teniendo en un prompt sean muy cruciales y específicos y u al punto para que dé la salida correcta que estamos buscando. Por eso en el futuro, lo que vamos a ver diferentes tipos de patrones en este curso, que te va a dar salidas de cierta manera. Espero que esto tenga sentido. Espero que entiendas ahora la criticidad y la importancia de tener esos patrones específicos en nuestros prompts que damos a estas herramientas 42. Patrón de personaje: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, discutiremos sobre el patrón de persona. Este es uno de los patrones que pueden ser muy efectivos, que puedes usar para hacer uso de las herramientas de IA, los modelos hat GPT o LL de una manera muy efectiva Lo que queremos decir con un patrón de persona va a ser un escenario en el que digamos que queremos un tipo específico de consejo de un experto o digamos que queremos algún tipo de ayuda o una respuesta de cierto experto específicamente, realmente no sabemos cuál será su respuesta, cómo van a hablar y qué información tienen. En tales casos, por ejemplo, digamos, quiero que me den algunos consejos de un dentista. Entonces no tengo la pericia de ser dentista. Entonces estaría acercándome a esta persona y le proporcionaría mis problemas los cuales tengo, y voy a obtener una respuesta basada en su pericia, su experiencia, y ellos me van a dar el consejo específico. Entonces de manera similar, podemos hacer uso de la herramienta de IA para comportarnos de cierta manera, siendo un per ser una herramienta de experto en un campo específico y darnos la salida de esa manera particular. Podemos pedirle a la herramienta de IA que actúe como un experto específico en un campo específico y obtenga esos resultados. Eso es lo que queremos decir con un patrón de persona. Entonces la herramienta puede comportarse en ciertas personas diversas y luego darnos la respuesta en base a eso. Veamos esto en la práctica a qué nos referimos exactamente con esto. Digamos, voy a decirle a la herramienta de IA que actúe como escéptico por lo que necesita actuar como un escéptico que esté bien versado Entonces tiene un conocimiento de la informática, cómo funcionan las computadoras, y lo que sea que le voy a decir, entonces va a proporcionar una respuesta escéptica y detallada basada en Entonces ahora ha aceptado que va a responder como un escéptico experto en informática Y ahora vamos a decir que digamos que existe preocupación de que la IA se vaya a apoderar del mundo. Entonces esta es mi declaración. Entonces me va a dar la respuesta con escepticismo, que es AI no es un agente. Es una caja de herramientas. Cuando la gente llama a la IA hoy en día, es una colección de sistemas específicos de tareas estrechas, clasificadores, predictores, optimizadores y modelos de lenguaje grande La inteligencia no es igual al poder o al control. Entonces nos va a dar toda la información en base a lo que ahora, si cambias, también puedes cambiar estas personas según tu requerimiento. Entonces digamos, voy a decir, de nuevo, que el vendedor de la tienda de informática local me está diciendo que necesito al menos 64 GB de RAM para navegar por la web Entonces nuevamente, para esto, me está dando el escepticismo porque lo he definido He establecido esa expectativa de que necesita comportarse como un escéptico Entonces me está diciendo que esa afirmación merece escepticismo inmediato por motivos técnicos, es casi seguro que es una tontería o, en el mejor de los casos, tremendamente que veas que la herramienta ahora está entrenada para ser escéptica, y se está comportando en esa persona en particular con un conocimiento sobre informática y dándonos todos los punteros Cambiemos esto y podremos tener una persona completamente diferente. Digamos, estoy diciendo que actúan como un escéptico de 9 años. Ahora la persona está cambiando. Se trata de una persona de 9 años que es escéptica y lo que sea que le vaya a decir esta persona necesita responder de esa misma manera, teniendo en cuenta que esta persona Entonces cuando digo ahora la IA va a apoderarse del mundo, dice, no lo creo. Al igual que, ¿cómo haría eso? La IA es solo cosas dentro de las computadoras. No puede caminar afuera. No tiene brazos y ni siquiera se puede enchufar a la pared. Se puede ver la diferencia en la respuesta. En la respuesta anterior, esta persona tenía conocimientos sobre informática o tenía mucha información específica para compartir. Pero ahora esta siendo una persona de una persona escéptica de 9 años, puede ver que la respuesta ha Esto es realmente efectivo. Esto es realmente poderoso como una herramienta donde le pides a la herramienta se comporte de acuerdo con una persona específica y luego obtenga resultados basados en eso. Digamos que tengo un requisito específico con respecto a comercialización en mi negocio o digamos ventas o digamos RRHH. Entonces puedo pedirle a la herramienta que se comporte como una persona con experiencia en recursos humanos o un genio del marketing o digamos un inconformista de ventas y me dé salidas basadas en eso Entonces voy a obtener respuestas en consecuencia, y eso va a ser realmente útil para nuestro negocio. Espero que esto tenga sentido. Espero que entiendas ahora cómo van a funcionar los patrones de persona. 43. Patrón de persona para el público: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hablaremos de otro patrón rápido que sin duda puedes usar va a ser el patrón de persona de audiencia. Entonces hemos hablado sobre el patrón en el le pedimos a HAGPT la herramienta de IA que actúe como una determinada persona y luego nos dé la salida en base a eso Actuar como investigador o analista de mercadotecnia o director de una empresa en particular. Entonces ese es el patrón de persona del que habíamos hablado. Ahora bien, aquí se va a tratar de que queremos que HAGPIT nos dé una salida particular para un tipo específico de público Entonces es por eso que este es un patrón de persona de audiencia que estamos buscando. Entonces vamos a hacerle a JagPit una pregunta repentina y le pediríamos que responda, teniendo en cuenta a un público específico y luego formular la respuesta en torno a eso Entonces eso es lo que queremos decir con un patrón de persona de audiencia. Un ejemplo sencillo puede ser que digamos que quiero que HaJipit le explique cómo funciona el cricket como juego a un niño de 5 años Entonces ahora el público de aquí es un niño de 5 años. Por lo que la herramienta de IA intentará explicar el concepto teniendo en cuenta la mentalidad de un niño de 5 años e intentará darnos la salida de esa manera particular Veamos un ejemplo práctico de cómo va a funcionar esto realmente. Entonces cuando lleguemos a ja GPT, podemos darle un prompt específico Digamos que ahora mismo le estoy dando un prompt donde le estoy pidiendo que explique los modelos de lenguaje grande me explique los modelos de lenguaje grande y cómo funcionan, o asuma que no tengo experiencia en informática. Este es el público que he definido aquí. Bien. Entonces no tengo experiencia en informática. No tengo ningún conocimiento sobre informática. Entonces, teniendo eso en mente, la herramienta necesita explicarme los LLM y cómo funcionan para nosotros. Entonces esto es lo que queremos decir con patrón de persona de audiencia, que también puedes usar en donde la herramienta podrá darnos la salida, teniendo en cuenta la audiencia específica a la que está atendiendo. Entonces se puede ver ahora, así que nos está dando la salida por aquí donde dice que los modelos de lenguaje grande son máquinas avanzadas de predicción para palabras. Lo está haciendo términos legos muy simples. Se trata de explicar los LLM a una persona de cero antecedentes técnicos Qué es LLM LLM es un sistema AIS capacitado para entender y generar el lenguaje humano. Ahora bien, por lo general, esta no sería la definición ideal que obtendremos para los LLM Vamos a obtener una definición mucho más técnica que vamos a sacar de ella. Pero como hemos definido una audiencia por aquí en el primer prompt mismo, ChagPT está personalizándolo y dándonos la salida en base a eso 44. Patrón de interacción invertido: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, queremos hablar otro patrón de prompt que sin duda se puede utilizar va a voltear el patrón de interacción. Esto va a un patrón en el que solemos estar haciendo preguntas herramienta, la herramienta Cha JBT Pero aquí, vamos a darle la vuelta y pedirle a Cha JBT que nos haga preguntas. Puede ser útil cuando buscamos una respuesta determinada, pero no tenemos mucha información sobre la solución, cómo llegar a la solución. Para eso, nosotros mismos no tenemos suficiente información. En tal caso, le pediríamos a Chat JBT que nos haga esas preguntas relevantes que también podamos responder y en base a las cuales luego podrá brindarnos la solución Eso es lo que queremos decir con patrón de interacción volteado donde volteamos todo el proceso de la herramienta de IA haciéndonos las preguntas y brindamos las respuestas necesarias en función de las cuales se llega a la salida final Tomemos un ejemplo práctico para entender cómo va a suceder esto. Digamos que doy este aviso particular en el que le digo a Chagp que me haga preguntas sobre los objetivos de fitness hasta que tenga suficiente información para sugerirme un régimen de entrenamiento de fuerza para Cuando tengas suficiente información, muéstrame el régimen de entrenamiento de fuerza. Hazme la primera pregunta. La primera pregunta que me está haciendo es, cuál es tu objetivo principal de fitness este momento y darme todas las opciones. Le doy digamos pérdida de grasa y ganancia muscular. segunda pregunta es, ¿cuál es tu peso corporal, estatura, edad y género actuales ? Doy la información. Entonces entra la tercera pregunta, ¿cuál es tu nivel actual de experiencia formativa? Yo también lo proporciono. Entonces viene la cuarta pregunta relacionada con ello, ¿tienes alguna lesión, dolor articular o limitaciones de movimiento? Yo también proporciono información para eso. Entonces finalmente, sobre tu espalda baja, entonces me hace más preguntas en base a eso. Entonces así, podemos llegar a la salida final, que será un régimen de fuerza, específicamente, un plan de rutina, que el tayipto puede crear para nosotros a partir todas las respuestas que doy a sus preguntas Por lo que esto puede ser realmente útil y nos ayuda a encontrar respuestas a preguntas difíciles. Puede haber muchas preguntas, escenarios, problemas a los que podrías estar enfrentando profesionalmente, donde no eres capaz de llegar a la solución con claridad porque no estás al tanto de toda la información que se necesita para ello. Ahí vamos a hacer uso de esta herramienta de IA para obtener ayuda en formas de preguntas que nos puede hacer, las preguntas importantes que nos puede hacer y podemos dar las respuestas para ello, lo que nos ayuda a llegar finalmente a la respuesta principal. Espero que esto tenga sentido. Espero que entiendas ahora cómo el patrón de interacción volteado también se puede usar en nuestra ingeniería rápida con Hagipt 45. Patrón de refinamiento de preguntas: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queremos discutir sobre un patrón de prompt diferente que puede considerar es el patrón que puede considerar es de refinamiento de preguntas Esto va a ser un patrón en el que le estamos pidiendo a Tha JBT específicamente que afine nuestra pregunta Entonces estamos pidiendo proactivamente TAJibt que mire nuestra pregunta y posiblemente nos sugiera una mejor Ahora bien, esto va a ser muy útil porque como entiendes, el uso de herramientas de IA depende puramente del tipo de indicaciones que estamos dando, y ahí es donde también estamos tomando ayuda del anuncio Entonces esto puede ser muy útil para obtener las respuestas correctas, posiblemente, que no podemos obtener con nuestras propias preguntas que estamos dando como baile de graduación a la herramienta. Y ahí es donde entra en existencia el patrón de refinamiento de preguntas donde podemos hacer uso de él. Entonces quedaría la intención que vamos a mejorar la calidad de nuestra pregunta y luego pedirla a la herramienta para que obtengamos mejores resultados. Entonces este puede ser un patrón que puedas incitar, que puedes dar de antemano para cobrar a Bit para establecer las expectativas. En donde decimos que cada vez que hago una pregunta, sugiero una mejor pregunta y pregúntame si me gustaría usarla o no. Entonces aquí estamos haciendo dos cosas. Uno, obviamente estamos pidiendo la ayuda de la IA para mejorar nuestra pregunta. Segundo, también le estamos pidiendo que nos dé la opción de elegir si queremos tomar esa nueva pregunta en la mano que nos ha dado, o queremos volver a nuestra pregunta original. Veamos cómo va a funcionar esto en la práctica. Uh, así que doy el prompt cada vez que hago una pregunta, sugiero una mejor pregunta y me pregunto si me gustaría usarla en su lugar o no. Han actualizado la memoria guardada y le han confirmado que lo hará. Ahora digamos que hago una pregunta que es como, ¿debería visitar China? Ahora bien, cuando doy este aviso, francamente, este es un aviso muy vago que estoy dando. ¿Bien? No hay mucha claridad en torno al contexto del prompt específicamente, para que no tenga, aún con eso, GPT intentará mejorar la pregunta y tratar entender y dar algún contexto detrás la pregunta también y darle una mejor pregunta para hacer Lo que puede ser, es visitar China en los próximos uno o dos años una decisión de viaje de alto retorno de la inversión para mí, considerando el costo, la complejidad de la visa, comodidad familiar y la experiencia general. Entonces te dará la respuesta. Este patrón, sugeriría que todos deberían estar usando donde se establece la expectativa de antemano con HAGPT y en base a lo cual tratamos de refinar nuestras indicaciones Tratamos de refinar nuestras preguntas que le estamos dando a HAGBT para obtener mejores resultados 46. Patrón de verificador cognitivo: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hablaremos de otro patrón que sin duda puedes usar con hat GPT, que va a ser patrón de verificador cognitivo Entonces este va a ser un caso en el que los LLM pueden ser realmente útiles cuando estamos tratando de hacerles preguntas específicas Ahora bien, para mejorar la calidad de nuestras preguntas, podemos incitarlo en donde pedimos específicamente a Chat GPT divida nuestra pregunta en múltiples otras preguntas y luego nos dé la resolución final Entonces de esta manera, lo que está sucediendo es que estamos tomando la ayuda de IA para mejorar la calidad de nuestra pregunta dividiéndola en más preguntas y luego respondiéndolas en su totalidad para llegar a la solución final o la respuesta que estamos buscando Esto es lo que llamamos un patrón de verificador cognitivo que podemos usar Esto realmente ayuda porque lo que estamos haciendo es que estamos desglosando nuestra pregunta original en diferentes partes. Entonces eso da claridad. Eso le da claridad a la pregunta y a la respuesta real que estás buscando. Y por lo cual, la herramienta de IA es mucho más capaz de brindar una respuesta mucho mejor. Este es el prompt que le podemos dar a Chapit donde decimos que cuando se le haga una pregunta, siga estas reglas Genera una serie de preguntas adicionales que ayudarían a responder con mayor precisión la pregunta. Combina las respuestas a las preguntas individuales para producir la respuesta final a la pregunta general, ¿verdad? Entonces de esta manera, estamos tratando de obtener una mejor respuesta mejorando la calidad de nuestra pregunta, y estamos tomando la ayuda de IA para descomponer nuestra pregunta en múltiples preguntas y en base a la cual nos da la respuesta. Entonces veamos esto en la práctica cómo estaría sucediendo esto. Entonces digamos que primero establecemos esta expectativa con AlgeBD Y ahora podemos hacer una pregunta específica, digamos Entonces ahora esta va a ser una pregunta poco vaga que estoy haciendo Bien. Y ahora, en base a eso, me va a dar ciertas preguntas. Entonces, si ves, para responder a esta pregunta específica, estas son las preguntas que ha surgido la IA, cuál es en qué ciudad y clima te encuentras, ¿verdad? Entonces, que tiene sentido, lo que es relevante para obtener la respuesta. ¿Qué temporada es ahora mismo? ¿Hay agua estancada cerca, verdad? ¿Tamaño áspero de tu patio delantero? ¿Es urbano, suburbano o rural? ¿Es de noche o de noche o de día? ¿Correcto? Se puede entender a partir de las preguntas en sí, estas no son preguntas vagas Son absolutamente relevantes para encontrar la respuesta adecuada a la pregunta que hemos hecho. Así es como podemos usar el método de incitación también en el que tratamos de mejorar nuestro prompt tomando la ayuda de una herramienta de IA como Cha Gibt donde pedimos a la herramienta de IA que subdivida nuestro prompt en múltiples preguntas, y luego con la ayuda de esas respuestas de esas preguntas, finalmente obtenemos nuestra Espero que esto tenga sentido. Gracias chicos por escuchar esto, y los veré en la próxima semana. 47. Patrón de receta: Hola, As. Bienvenidos a esta sesión. En esta sesión, nos fijamos en otro tipo de patrón que puedes usar va a ser patrón de receta. Este va a ser un escenario en el que estás haciendo una pregunta específica desde la herramienta Chat DPT y no tienes la solución completa para ello Tienes parte de la solución que tienes en mente, pero el resto, no lo sabes, y ahí es donde necesitas la ayuda de la herramienta de IA para llenar ese vacío. Eso es lo que queremos decir con un patrón de receta, en donde estamos buscando una solución específica para un problema, pero tienes parte de la solución contigo, pero requieres de la ayuda AIS para brindar el resto de la solución. Bien. Entonces veamos un ejemplo práctico de cómo esto va a ser útil. Digamos que estoy buscando un viaje, específicamente, estoy haciendo un viaje de un lugar a otro. Entonces quiero que la herramienta de IA me lo diga específicamente. Aquí estoy dando el prompt, que es que vamos a agregar una característica. Te diré mi destino de inicio y fin. Y me proporcionará una lista completa de paradas donde pueda parar incluyendo lugares para parar entre mi inicio y destino y haber definido mis lugares de inicio y destino también. Entonces tengo claro lo que se necesita, pero quiero la solución completa. Tengo parte de la solución conmigo, pero estoy buscando el resto de la información. Entonces eso es lo que hace ahora CAPIT. ¿Bien? Entonces me está dando áreas donde puedo parar, ¿de acuerdo? Me está diciendo por qué parar aquí para que se esté dando un desvío opcional. ¿Bien? Entonces de manera similar, otras zonas de paradas que se están proporcionando. Lo mismo. Ahora puedo hacer donde ahora puedo usar esto como modelo de entrenamiento para otros escenarios también Para que pueda dar un inicio Y destino. Entonces ahora me está dando las paradas particulares que puedo tener para destino diferente. Puedes entender que esto es a lo que nos referimos un modelo de recetas en el que estás buscando una solución, pero no eres capaz de alcanzarlo porque no tienes el proceso completo, cómo llegarás a esa solución. Tiene parte de la solución con usted y necesita ayuda de IA para brindarle el resto de la solución para que podamos obtener el resultado deseado. Ese es nuestro patrón de recetas que también puedes usar en Chat JV. 48. Pide un patrón de entrada: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queremos hablar otro patrón que podemos usar, que es pedir patrón de entrada, que puedes usar como prompt en Chat JBT Entonces este es un escenario en el que cuando buscamos un tipo específico de solución de la herramienta Chat JBT AI, definimos ciertas reglas Ahora, definimos las reglas y en base a las cuales queremos que nos dé la salida, el resultado que estamos buscando. Ahora, por lo general, lo que pasaría es el momento en que definas las reglas, dará una salida y te dará una lista de información sobre el conjunto. Bien. Eso es lo que no quieres. Lo que quieres hacer es querer que la herramienta de IA tome todas las entradas, las reglas que se han dado y espere, espere a que llegue su entrada, venga su pregunta y luego nos dé la solución en base a nos dé la solución en base las reglas que se definen. Ahí es donde vamos a hacer uso del patrón de pedir entrada. Este es un patrón en el que defines las reglas y le dices a la herramienta de IA específicamente que mantienen estas reglas en consideración y no das ninguna información adicional en este momento. Cuando pido un insumo, es cuando nos das la solución con base en las reglas proporcionadas. Entonces eso es lo que queremos decir con pedir patrón de entrada. Veamos esto en acción, cómo va a ser esto. He dado un prompt particular donde digo que cada vez que te pido que escribas un prompt para que logre una tarea, enumere cuál es la tarea. Enumere enfoques alternativos para completar la tarea y luego escriba un mensaje para cada enfoque. Entonces ahora estoy definiendo que no necesita proporcionar ninguna otra información extra aparte de lo que he definido aquí. Cuando termines, pídeme el siguiente prompt para crear alternativas para. Entonces ahora lo ha guardado en la memoria y ahora me está dando escribir para escribir un prompt para lograr una tarea. Definiré claramente los enfoques alternativos de la lista de tareas, escribiré un prompt separado y le pediré el siguiente prompt. Entonces así es como podemos hacer uso del patrón de pedir entrada, que principalmente nos ayudará a controlar la herramienta de IA para que no nos brinde información abrumadora y que puede llegar a ser difícil de manejar más tarde para nosotros. Entonces vamos a abreviarlo, y definir las expectativas establecidas, definir las reglas, y también definir cuánta información queremos de ella. Y ahí es donde este patrón puede ser realmente útil. 49. Pocos ejemplos tomados: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queremos mirar otro patrón de prompt que sin duda puedes usar va a ser algunos ejemplos cortos. Ahora bien, esta es una forma incitadora en la que estamos tratando de entrenar a la herramienta para que nos dé un tipo específico de salida Entonces, cómo lo hacemos es darle ciertos ejemplos. Le damos una entrada particular y en base a la cual y le damos una salida deseada. Entonces le damos múltiples ejemplos de este tipo a la herramienta e intentamos entrenar. Tratamos de entrenarlo para entender el tipo de entradas y en base a lo cual nos da la salida correcta para eso. Esto puede ser muy útil cuando lo que estás haciendo es que estás entrenando la herramienta de IA en sí para dar un tipo específico de respuesta que sea adecuado para tu propio negocio, para tu propio yo. Entonces este es otro tipo de indicaciones que sin duda puedes usar aquí. Entonces tomemos un ejemplo de lo que estamos haciendo aquí. Digamos que doy una entrada donde digo que la película estuvo buena pero un poco demasiado larga. Y el sentimiento en torno a eso fue la idea era, es una revisión neutral que estamos tratando de dar Del mismo modo, vamos a otra entrada que doy es que realmente no me gustó este libro. Me faltaron detalles importantes y no terminé teniendo sentido El sentimiento en torno a esto es negativo. De igual manera, doy un insumo, que me encanta este libro. Fue muy útil para aprender a mejorar mi salud intestinal. El sentimiento es positivo. Ahora he dado estas entradas y la salida a la herramienta de IA para entrenarla y entender de dónde vengo y qué tipo de salida estoy buscando. Ahora doy un nuevo insumo, que es, no estaba seguro de qué pensar de este nuevo restaurante. El servicio fue lento, pero los platillos estaban bastante buenos y dejo la salida para ser contestada por la herramienta. Entonces ahora, como pueden ver, la herramienta me da una salida que es neutral. Esto es lo que queremos decir con pocos ejemplos cortos, que sin duda puedes usar donde estés entrenando la herramienta de IA para darnos una salida de una manera específica basada en el tipo de ejemplos que le has dado como para entender para que entienda de dónde vienes y cuál es tu expectativa de ello. Espero que esto tenga sentido. Espero que la gente entienda los diversos proms que estamos tratando aplicar aquí en AGPT específicamente para mejorar el tipo de resultados que obtenemos de ella 50. Pocos ejemplos de acciones de fotos: Hola, chicos. Bienvenidos a las sesiones. En esta sesión, veremos algunos otros ejemplos de pocos disparos, lo que está más atendiendo a tomar algún tipo de acción Entonces entendimos cómo somos capaces de usar este tipo de indicaciones para entrenar el modelo de IA para darnos cierto tipo de salida Entonces eso es lo que estamos extendiendo más aquí con mirar otros escenarios donde se puede usar este patrón, el patrón de pocos disparos y obtener una salida diferente, que puede estar más relacionada con atender a diferentes situaciones, atendiendo a diferentes acciones a tomar en una situación específica. Entonces veamos cómo podemos usar esto en este escenario específico. Digamos que estoy dando una situación específica. La situación es que estoy viajando 60 millas por hora y veo las luces de freno en el auto frente a mí. Vamos. La acción debería ser, tenemos que detenernos, detenernos ahí, entonces la acción es freno. Entonces acabo de entrar a la autopista desde una rampa on y estoy viajando 30 millas por hora, así que necesito acelerar. Entonces un venado se ha lanzado frente a mi auto mientras viajo 15 millas por hora y la carretera tiene un gran hombro Estamos diciendo romper y servir en el hombro. Otra situación es, estoy retrocediendo del lugar de estacionamiento, y veo que las luces de reversa se iluminan en el auto detrás de mí. Entonces, qué tenemos que hacer. Esto es lo que espero como salida de la IA. Entonces ha aprendido la situación y la acción que estamos esperando y en base a la cual me está dando la salida que necesitamos parar de inmediato y esperar. Entonces puedes ver que ahora hemos entrenado la herramienta de IA para que nos dé un tipo específico de respuesta en función de las situaciones proporcionadas. Para ampliar esto aún más, uh, podemos pedirle a la propia herramienta de IA que nos dé más ejemplos de situaciones y ejemplos de análisis de acción que queremos hacer. Entonces ahora puedes ver que también ha proporcionado esos ejemplos particulares. Como por ejemplo, el semáforo se vuelve amarillo y estoy a diez pies de la intersección. Continúe conduciendo con seguridad, no frene de golpe ¿Bien? El semáforo se vuelve amarillo y estoy a 100 pies de la intersección, luego freno sin problemas y prepárate para parar. Entonces así, es capaz de proporcionarnos diversas situaciones y acciones también. Entonces este puede ser otro caso de uso de pocos ejemplos cortos que puede usar prompting, que puede usar, que puede ayudarle a entrenar la IA de una manera particular para darnos nuestros resultados deseados 51. Pocos ejemplos con pasos intermedios: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veremos otro escenario, algunos ejemplos cortos que puedes considerar usar cuando estás usando cuando estás solicitando el Cha GPT Aquí, lo que estamos viendo en un escenario en el que muestran algunos ejemplos cortos no necesita ser solo de dos tipos donde estamos dando una entrada y estamos obteniendo una salida, una cosa de acción de situación. ¿Bien? Entonces aquí, lo que también podemos introducir son algunos pasos intermedios, lo que básicamente significa que cuando das una situación particular, puede seguir ciertos pasos. Se puede pensar en ciertos escenarios y luego llegar a una acción. ¿Bien? Eso también puede ser una posibilidad. Por lo que no tiene que ser un formato de entrada y salida corto. Para que puedas entrenar la herramienta de IA de diferentes maneras. Entonces necesitamos expandir nuestra mente y entender que estamos tratando de entrenar a la IA en diferentes formatos. Este es uno de esos formatos que solo una entrada y salida podrían no funcionar, y puede ser una situación complicada en la que se deben tomar en consideración múltiples cosas se deben tomar en consideración y luego se debe proporcionar la salida. Entonces aquí, vamos a incluir ciertos pasos intermedios en el medio, y luego se está tomando la acción. Esto realmente va a ser efectivo cuando digamos que en un escenario de la vida real puede estar atendiendo a la atención al cliente, atendiendo a las consultas de los clientes. Para que puedas tener una herramienta de IA de tren que pueda responder puedo dar diferentes tipos de salidas, pasos intermedios que puede dar a los clientes y en base a los cuales intenta abordar sus consultas y responder y resolver sus problemas. Veamos un ejemplo práctico de lo que estamos tratando de decir aquí. Volvamos al mismo ejemplo, el ejemplo anterior en el video anterior que habíamos visto. Esta es una situación que hemos dado. Situación es que estoy viajando 60 millas por hora y veo las luces de freno en el auto frente a mí, vamos, ¿verdad? Entonces creo que ahora los pasos intermedios son, creo que necesito frenar el auto antes de chocar con el auto frente a mí, ¿verdad? La acción tomada sería presionar el fotón, frenar ahora, de nuevo, empiezo a pensar que el auto no va a parar en línea Entonces la acción que puedo tomar es verificar si el hombro es lo suficientemente ancho como para desviarse hacia Entonces empiezo a pensar que el hombro es lo suficientemente ancho. Entonces la acción tomada es desviarse hacia el hombro, ¿verdad? Otra situación puede ser que acabo de entrar la autopista desde una rampa on on y viajando 30 millas por hora. Entonces pensando que necesito acelerar hasta el límite de velocidad para que no me golpee me golpeen por detrás. Entonces la acción es descansar pie sobre acelerador. Entonces empiezo a pensar que he llegado al límite de velocidad. Entonces la acción sería dejada arriba en el acelerador. De igual manera, puedo darle a una acción una situación que es que estoy retrocediendo del estacionamiento y veo que las luces de reversa se iluminan en el auto detrás de mí Entonces, ¿cuál puede ser la acción? Por lo que ahora está entrenado. Se entrena una herramienta para darnos la salida en este formato en particular, así empieza a pensar. El auto detrás de mí también está a punto de dar marcha atrás. Podríamos chocar. Por lo que la acción es presionar inmediatamente el freno para dejar de invertir. Entonces necesito asegurarme de que el otro chofer me vea, bien, eso estoy pensando. Así que mantén el freno presionado y toca la bocina ligeramente para alertarlos. Entonces puedes ver ahora la herramienta Air nos está dando la salida de esa manera particular, y se está entrenando de la manera queremos que piense y nos dé salidas. También podemos pedirle que genere otro ejemplo. Entonces ahora se genera otro ejemplo, que es que estoy conduciendo por una intersección, semáforo se vuelve amarillo, necesito decidir rápidamente si es más seguro parar o continuar a través de la interacción. Entonces la acción puede ser comprobar mi velocidad y distancia de la línea de parada. ¿Bien? Ahora, digamos que ya he dado la acción específica. Como puedes ver, la herramienta se está entrenando, ahora puedes desviar la conversación en el formato que quieras Al igual que la última acción es, digamos que escanee a izquierda y derecha mientras pasa y continúe conduciendo de manera segura una vez despejado. Entonces digo que digamos que me estoy quedando sin gasolina. Entonces, ¿qué pasará? Estoy manejando y noto que la gasolina está casi vacía, así que me estoy quedando sin gasolina, así se puede tomar la acción. Entonces ves que este es otro tendido de formato de f shot prompting que puedes usar donde estás dando ciertos pasos intermedios que deben tenerse en cuenta antes de llegar a la salida final 52. Escribir ejemplos eficaces de pocos tomas: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veremos cómo podemos escribir algunas indicaciones cortas efectivas también en Cha GPT específicamente La intención de esta sesión en particular es entender cómo a veces cuando estamos dando estos pocos ejemplos breves de indicaciones a la herramienta de IA, puede haber ciertos errores que cometemos En tales casos, cómo podemos rectificar eso y mejorar nuestras indicaciones. Entonces intentemos entender cómo va a funcionar esto. Digamos que estoy dando un prompt específico en este momento, que es este, que es un formato corto prompt, entrada, ladrillo, salida dura, almohada de entrada, salida suave, entrada auto, y salida ahora requerido, ¿verdad? Entonces en este caso, la herramienta de IA nos está dando un prompt, que va a ser el auto es rápido. Ahora como pueden ver, lo que está sucediendo aquí se basa en mirar el prompting que hemos hecho, la herramienta I está tratando de entender cuál debería ser la salida ideal, y nos está dando la salida lo más rápida posible Ahora por lo cual, lo que está sucediendo es, que posiblemente no sea la salida correcta esperada que está buscando , y esto es culpa nuestra. Esta es nuestra culpa en donde no hemos dado un buen prompt a la herramienta de IA. El principal problema con este aviso particular es la falta de información. No hemos dado contexto, no hemos dado información extra. ¿Qué tipo de salida estamos buscando? Eso es lo que falta. Es por eso que la herramienta de IA nos está dando una salida basada en cualquier información o conocimiento limitado que sea capaz de recopilar a partir del prompt que hemos proporcionado. Entonces por eso lo que tenemos que hacer es que tenemos que hacerlo. Entonces damos la salida que no estamos buscando. Buscamos salida solo en suave y duro, bien. Entonces entonces hemos dado algún contexto que como queremos que sea la salida. Entonces entonces viene con la salida el auto es duro. Material sabio. ¿Bien? Entonces ahora, de nuevo, lo que hacemos es, digamos que le damos un prompt específico, que le hemos dado aquí, objeto es plano, la velocidad es rápida. Gusano de objeto, la velocidad es lenta, el objeto es carro, la velocidad es rápida. Entonces obtienes el taladro como queremos que sea el formato. Y aquí es capaz de proporcionar la salida correcta. Ahora, de nuevo, lo que está sucediendo es en estos escenarios particulares el Ahora, si nos fijamos en un escenario específico ahora, ahora le hemos dado al objeto es bola. ¿Bien? De nuevo, un contexto vago que estamos dando aquí, idealmente hablando, ¿bien? No va a ser otra vez, balón puede ser rápido. Está dando una salida ahora mismo tan rápido, pero también puede ser lento, una pelota que está siendo jugada por un niño, por lo que puede ser lenta. Entonces todas esas cosas posiblemente puedan pasar. Entonces la idea es que cada vez que estamos dando pocas indicaciones cortas, también tenemos que asegurarnos de que el formato esté bien, pero el contenido del formato necesita ser suficiente información, el ser suficiente información, contexto tiene que ser proporcionado correctamente, y entonces solo podemos esperar la salida correcta Tienes que dar suficiente información, contexto en torno a cómo quieres la salida, y luego podemos obtener los resultados deseados. 53. ¡Gracias por tomar este curso!: Hola, chicos. Quería felicitarte por haber llegado al final de esta clase. Muchas gracias por tomar esta clase. Espero que esto haya sido útil. Somos capaces de aprender las estrategias e implementarlas en su negocio en el futuro. Espero verlos pronto en una nueva clase, chicos. Gracias, chicos.