IA generativa: cómo comenzar

1. IA generativa: introducción al curso: En este video curso, aprende sobre la IA generativa y sus conceptos La IA generativa es un subconjunto del aprendizaje profundo. Utiliza redes neuronales de IA y puede procesar datos etiquetados y no etiquetados utilizando métodos supervisados, no supervisados y semi supervisados . Se refiere a una clase de modelos y algoritmos de inteligencia artificial diseñados para crear nuevo contenido. Estos modelos pueden generar texto, imágenes, música y otras formas de datos. Que imitan el contenido creado por humanos. Las aplicaciones generativas de IA se construyen sobre modelos de lenguaje grande Estos grandes modelos de lenguaje son modelos de aprendizaje profundo. Con tableros de chat AVA Generativos, como CA GPT, Google Gemini, Microsoft Co Pilate Puedes crear fácilmente imágenes como logotipos, banners, etcétera Escanea imágenes y busca documentos PDF. También escribe correos, blogs y artículos profesionales en segundos. Estos tableros de chat también pueden enseñarte codificación. Escribe anuncios por ti. Arregla la gramática, planifica tu vocación y B tu asistente diario de IA. Las siguientes lecciones están cubiertas en este curso, Empecemos con la primera lección. 2. IA vs ML vs DS vs DL: En esta lección, entenderemos la diferencia entre inteligencia artificial, ciencia de datos, aprendizaje automático y aprendizaje profundo. También veremos cómo estos están relacionados entre sí. Con eso, también entenderemos que cómo se relaciona la VA generativa con estos términos. Empecemos. Como te dije que voy a estar discutiendo esto primero. ¿Por qué? Porque nuestra A generativa también forma parte de esta IA La IA es un superconjunto, como puedes ver en este diagrama de viento Es un superconjunto. Incluye tu aprendizaje automático , aprendizaje profundo y ciencia de datos. Pero el ecosistema de la ciencia de datos también supera a AA. ¿Qué es AI A significa crear máquinas inteligentes para imitar el comportamiento humano O podemos decir que se refiere a la simulación de la inteligencia humana en máquinas que básicamente están programadas para pensar y aprender como los humanos. Debes haber visto AA en muchos dominios estos días porque puedes analizar fácilmente grandes cantidades de datos, reconocer patrones y tomar decisiones. Se utiliza principalmente en los campos de finanzas, transporte y entretenimiento de la salud . Estos días. Luego viene tu aprendizaje automático, que es un subconjunto de inteligencia artificial que es AA. El aprendizaje automático es un subconjunto de AA, como dije antes. Y se utiliza para construir un modelo basado en datos de entrenamiento para hacer predicciones. Utilizando el aprendizaje automático, puedes construir un modelo para hacer predicciones, digamos, para predecir al ganador de este mundial. Se enfoca en desarrollar algoritmos y modelos estadísticos que permitan a una computadora aprender y tomar predicciones o decisiones basadas en datos sin estar explícitamente programado para hacerlo Sus técnicas incluyen tu aprendizaje supervisado, no supervisado, semi supervisado y de refuerzo También se utiliza en diversos campos como el reconocimiento de imagen y voz PNL, es decir, el procesamiento del lenguaje natural Pronosticar diagnósticos médicos y otros. Ahora viene tu ciencia de datos. La ciencia de datos es el subconjunto de AA, como dije anteriormente. Es un área de estadística, métodos científicos, et c para extraer significado y percepciones a partir de datos Entonces voy a dar un ejemplo. Digamos que fuiste a Instagram y te gustaron algunos videos de autos como MG, Kia, Honda, Tesla. ¿Qué va a pasar? Le diste tus datos a Instagram que me gustan esos videos. Tales carretes de Instagram, canales de Instagram, cuentas de Instagram. Entonces, ¿qué va a pasar? La próxima vez que abras Instagram, The Instagram te lanzará automáticamente con tales carretes, tal publicación, digamos algunos descuentos en autos. Entonces, ¿cómo sucedieron estas cosas? Todas estas cosas sucedieron debido a los signos de datos porque Extrae significado y percepciones de los datos. Ahora, digamos que una compañía de autos quiere acercarse a algunas personas que aman los autos. Siempre que agreguen una publicación o historia patrocinada en Instagram, saben que A estas personas les gustan los videos de autos, por lo que se les lanzará lo mismo Lo que hizo la ciencia de datos, conectaron al cliente con la empresa. De esta manera, ambas partes se beneficiaron, el cliente obtuvo ese descuento, y la empresa vendió su producto. Entonces ese es el valor de la ciencia de datos. Decimos, los datos son el nuevo le porque un dato sin procesar no sirve de nada De igual manera un OL no sirve si no se procesa adecuadamente. Por lo tanto, se procesan los datos y se generan insights significativos. Ahora viene tu deep learning, deep learning, puedes considerar como un subconjunto de machine learning. De acuerdo con el diagrama n, se puede ver. Es una clase de algoritmos de aprendizaje automático para resolver problemas complejos. Se enfoca en el uso de redes neuronales artificiales con múltiples capas para modelar y comprender patrones complejos en los datos. Los algoritmos de aprendizaje profundo están inspirados en la estructura y función del cerebro humano, específicamente, es una red interconectada de neuronas. ¿Por qué estamos discutiendo esto? Porque la VA generativa es parte del aprendizaje profundo. 3. Tipos de aprendizaje profundo: En esta lección, entenderemos los tipos de aprendizaje profundo. Esto también nos ayudará a entender que qué tan generativo está relacionado con el aprendizaje profundo También veremos un ejemplo. A ver. Los tipos de aprendizaje Dep incluyen tu discriminativo así como el generativo Anteriormente, todos discutimos sobre esto, digamos clasificar entre un perro o un gato a partir de un montón de imágenes de algunas imágenes Bien. El aprendizaje profundo discriminativo se utiliza para clasificar o predecir Se discrimina entre diferentes tipos de instancias de datos Digamos que tienes algunas imágenes y quieres clasificarlas como un perro o un gato, así podrá discriminar entre ellas, y predeciremos que cuál de ellas es la púa de un perro o un Pero la IA generativa es un concepto completamente diferente. Generará nuevos datos que sean similares a los datos en los que se entrenó. Genera nuevas instancias de datos. Eso significa que en este caso, va a generar un nuevo gato Mage. Digamos que subirás tu pick y generará tu IA de TA. O digamos que agregaste un mensaje de texto. Digamos que quieres saber de todo lo relacionado con el cricket. Entonces preguntarás el prompt, y generará nuevos datos o contenido que se asemejen a los datos originales en los que se entrenó. ¿Bien? 4. Qué es la IA generativa: En esta lección, entenderemos ¿qué es la VA generativa? También entenderemos su proceso que como genera nuevos contenidos. A ver. Ahora, ya que discutimos sobre yo generativo, te dije que es parte del aprendizaje profundo Se puede ver. La VA generativa es un subconjunto del aprendizaje profundo Utiliza redes neuronales AA y puede procesar datos etiquetados y no etiquetados Eso significa como antes los tipos de aprendizaje automático, un método supervisado no supervisado y semi supervisado GI, eso significa que la IA generativa es una clase de modelos de IA. Eso está diseñado para crear nuevo contenido. Puede generar no sólo texto, sino imágenes, música y otras formas de datos. Está construido sobre modelos de lenguaje grande. También discutiremos modelos de lenguaje grande más adelante. Estos LLM, eso significa que los lenguaje grandes son modelos de aprendizaje profundo Este es el proceso de IA generativa. Te dije que crea nuevo contenido basado en lo que aprendió del contenido existente. Eso significa los datos en los que se entrenó. Aquí, la capacitación significa aprender del contenido existente. Se creará un modelo estadístico. Eso se utilizará para predecir una respuesta esperada. Cuando escribes un prompt. Cuando se escribe un prompt, este generativo voy a utilizar el modelo estadístico Generar nuevo contenido en forma de texto, imágenes, música, video, tarea, y otros. 5. Técnicas para implementar IA generativa: En esta lección, entenderemos algunas técnicas para implementar AA generativa También se puede considerar como los enfoques o los modelos generativos de IA Debes haber oído hablar de los modelos GPT tres y GP cuatro de pluma AA Estas también se basan en estas técnicas. A ver. Ahora, veamos las técnicas para implementar A generativa, o también puedes considerarla como modelos generativos de IA El primero es GAs. Redes generativas adversarias . Bajo esto, se entrenan simultáneamente dos redes neuronales. La primera es una red generadora, y la segunda es una red discriminadora El generador crea datos mientras el discriminador los evalúa. Se puede decir la lente de red del generador para generar muestras de datos como imágenes o texto que se asemejen a sus datos de entrenamiento. Mientras que la red discriminadora aprende a distinguir entre muestras de datos reales y las generadas por el generador El segundo son los autocodificadores variacionales. Estos se utilizan básicamente para codificar y reconstruir datos También es un tipo de modelo generativo utilizado en machine learning y deep learning Los codificadores auto variacionales, pueden generar nuevos datos que son similares a los datos de entrada en los que han sido entrenados Puede usarlo para crear nuevas imágenes que se asemejen a un conjunto de datos dado. VA se utilizan en modelación generativa, compresión de datos, etcétera. Ahora, veamos los modelos basados en transformadores. Usando estos, podemos manejar fácilmente grandes secuencias de datos, particularmente en tareas de PNL Este es el tema que estaremos discutiendo. Porque esto está detrás de algunos de los modelos de lenguaje más avanzados como AI GPD tres y GPD cuatro Dos de los modelos a generativos más potentes. Estos se basan en la arquitectura del transformador. La arquitectura del transformador fue acuñada por Indian en 2017 Estos modelos se utilizan para generar texto similar al humano. También te puede ayudar con tareas de codificación y traducir de un idioma a otro. Aprendamos más sobre esto. El GPT significa transformador preentrenado generativo. Por eso estamos discutiendo este tema. 6. IA generativa: transformadores: En esta lección, entenderemos qué es un transformador. Veremos qué es un modelo transformador, su arquitectura, quién lo acuñó con eso también veremos su proceso Mientras usa transformadores, puede encontrarse con un problema llamado halucinación También cubriremos qué son las alucinaciones y por qué puede suceder. Empecemos con el concepto de transformadores. Aquí vienen tus transformadores. Es un tipo de modelo generativo. Ese es un tipo de generativo un modelo llamado modelo de transformador Se puede considerar que el poder de la A generativa proviene del uso de estos transformadores Te dije que fue acuñado por Indian en 2017, Ashish asi. Bien. Ayudó a sentar las bases para avances en el campo de la PNL y el aprendizaje automático Bien. Los transformadores incluyen codificador y decodificador. También voy a dar un ejemplo más adelante. El codificador codificará la secuencia de entrada. Digamos que tienes un texto en idioma español, y quieres convertirlo en idioma inglés. ¿Qué va a pasar? El codificador codificará la secuencia de entrada y la pasará al decodificador, cual aprenderá a decodificar las representaciones para la tarea relevante. A ver. Aquí está el proceso que te dije codificador decodificador. Es el componente principal de la arquitectura del transformador. L et's dicen que tenemos un texto mi nombre es amet y lengua española ¿Qué pasará con los transformadores? Se codificará primero. Eso significa que el codificador incluirá tu auto atención y mecanismos de avance . ¿Qué va a pasar? Cada palabra estará relacionada con cualquier otra palabra en la secuencia de entrada. Esto permitirá que el proceso se centre en las palabras clave en esto. Ahora, el siguiente mecanismo avance, ¿qué pasará? Esto refinará aún más la comprensión de cada palabra, y se pasará al decodificador. Además, el decodificador generará el texto en español en idioma inglés. Eso significa un texto en español procesado en su equivalente inglés usando transformadores Puede surgir un problema al usar transformadores. Eso significa haucinaciones. Debes haber escuchado sobre AA mostrando resultados irrelevantes, resultados engañosos, cuestiones gramaticales Todos estos vienen bajo alucinaciones. Aquí puedes ver resultados engañosos. Las alucinaciones son palabras o frases que son generadas por el modelo Eso a menudo son sin sentido o gramaticalmente incorrectos. Puede deberse a diversos factores. Digamos que los datos son ruidosos. No es tener suficiente contexto o el modelo no está entrenado con suficientes datos. Entonces, las ilustinaciones, ya que esos son resultados engañosos, hacen que el texto de salida sea difícil de entender 7. Modelos de lenguaje grande (LLM) y sus casos de uso: En esta lección, aprenderemos sobre los LLM. Eso son modelos de lenguaje grande. Siempre que discutas sobre I generativo, entonces este tema siempre será considerado Tanto el LLM como los VA generativos son subconjuntos de aprendizaje profundo. Permítanos entender qué son los LLM, y también discutiremos un tipo o puede considerar un caso de uso de LLM A ver. Bien. Ahora vamos a estar discutiendo sobre modelos de lenguaje grande. Te dije que la VA generativa es parte del aprendizaje profundo, y los LLM también son parte del profundo. Ambos están relacionados. Los LLM también son un subconjunto del aprendizaje profundo. Como acabo de decir, Bien, debes haber oído hablar de CAT GPT, copiloto, Google Gemin, eso significa mal Los LLM son modelos de IA. Puedes considerar ese poder, todos estos bots de chat. Los LLM son modelos de idiomas grandes. Eso significa grandes modelos de lenguaje de propósito general. Eso puede ser pre entrenado y luego afinado para fines específicos. Puede preentrenar LLM con un dataset grande, y afinar significa afinarlo con una M particular con un dataset más pequeño de ese dataset grande LLM también representan una clase de modelos de IA que se utilizan para entender y generar texto similar al humano, o se puede decir que proporciona un motor que alimenta el bot AHD Ustedes los bots AHD se basan en Estos LLM. Estas LLM permitirán que tu bot de chat cree fácilmente recomendaciones formuladas de forma natural para que el contenido sea generado por IA generativa de acuerdo a tu Por eso LLM es considerado como la columna vertebral de los bots AHD, todos los bots AHD Ahora veamos un escenario o un caso de uso. Los modelos de lenguaje grande se entrenan con petabytes de datos y generan miles de millones de parámetros Para resolver diferentes tareas. Estas tareas pueden ser cumplimentación de oraciones, clasificación de textos, traducción de idiomas. Podemos ver este ejemplo de Palm PLM. Se trata de un modelo de lenguaje grande basado en transformadores. Google acaba de anunciar Palm dos también. Se trata de un modelo de lenguaje de vías, un 540 mil millones de parámetros, es decir, un conjunto de datos de entrenamiento más grande con una gran cantidad de parámetros. También es un modelo de transformador. Te acabo de decir que el modelo de transformador incluye tus codificadores y decodificadores . Ya lo discutí antes. Entonces, la especialidad de los LLM es que aún puede obtener un rendimiento mayor o decente con pocos datos de entrenamiento de dominio Por lo que se puede utilizar para pocos escenarios de tiro o incluso de tiro cero. Entonces estos dos escenarios, si vas a aprender más sobre LLM y todos estos modelos, estarás recibiendo esos términos una y otra vez Entonces déjenme explicarlo rápidamente. Si estás entrenando un modelo con menos datos con una cantidad mínima de datos, entonces se llamaría pocos disparos como su nombre indica. ¿Y qué pasa con el tiro cero? Significa que un modelo puede reconocer cosas que antes no se habían enseñado en la formación. Eso significa tiro cero, nada. LLM el rendimiento de LLM crece cuando agrega más datos y parámetros Aquí acabamos de ver f 40 mil millones de parámetros. Podemos conocer más sobre Palm más tarde. Se considera como un modelo de lenguaje de próxima generación. Con las capacidades mejoradas de razonamiento y codificación multilingües . Bien. Google también anunció Audio Palm para la traducción de discurso a discurso en junio de 2023. 8. IA generativa: aplicaciones y desafíos: En esta lección, aprenderemos, ¿cuáles son las aplicaciones y desafíos de la VA generativa Podemos generar fácilmente imágenes de contenido, logotipos, banners, así como resumir PDF usando VA generativa Pero también debemos entender los retos que hay detrás de esto. Porque esto también es un tema a cubrir ya que la VA generativa también se usa para algunos fines poco éticos A ver. Ahora, veamos algunas aplicaciones y desafíos de la IA generativa Todos sabemos que el AA generativo se puede utilizar para crear contenido, prueba re fecha, podemos escribir correos electrónicos También podemos crear personajes, tres imágenes D, juegos. Podemos crear paisajes y escenarios completos. También puede ser utilizado por artistas y diseñadores fácilmente. También puedes generar logotipos, banners, publicaciones en redes sociales. ¿Cuáles son los retos que me gustaría discutir más sobre esto? Vimos que estos modelos generativos de IA se consideran básicamente como preocupaciones éticas, control de calidad, sesgo También las imágenes que estás generando, los textos que estás generando. Algunas personas dicen que puede tener problemas de copyright o incluso en YouTube, están preguntando que es tu video generado por AA o no? Por lo que se puede mencionar explícitamente. También en Instagram, hay una opción para agregar tu etiqueta de IA. Bien. Con eso, uno de los retos o problema con el INB. Aquí está. En Google Gini, una vez estaba mostrando algunos resultados engañosos, como, la gente puede comer rocas y pueden pegar pizza Entonces alguien surgió y Google AI surg reveló los siguientes resultados Entonces estos son muy cary. Cuando aprenderás sobre Google Gemini. Ahora están mostrando un descargo de responsabilidad de que si estás creando un plan de acondicionamiento físico o un plan de comidas usando estos pájaros Hed, hay un descargo de responsabilidad de que debes ponerte en contacto con un dietista registrado o un experto en fitness antes de seguir nuestras respuestas antes de seguir cuál es el resultado rápido Estas cosas son realmente importantes. 9. IA generativa: chatbots (tipos de modelos): En esta lección, aprenderemos sobre los tipos de modelos generativos vía chat bot Debes haber escuchado sobre el modelo texto a texto, modelo texto a imagen, texto a video, texto a modelo de música. Veamos qué son estos. Ahora, veamos los tipos de modelos, así que esto también cubrirá tus bots de chat EI actualmente. Bien. Texto dos texto, todos sabemos, OP EI Cat GPT, Microsoft Co Pilot y Google GMI, estaremos escribiendo un prompt de texto para generar un correo electrónico para generar un artículo para generar un bloque Con eso, podemos usar texto dos imágenes sobre el modelo Dalí y Md Jury El modelo Dali ahora forma parte de Microsoft Copilot, por lo que estarás obteniendo alrededor de 15 potenciadores en un día dentro de la versión gratuita de copilot para que puedas Texto a video, Open A Sa, y ahora también tenemos máquina Kling y Luma AI Dream presentada Así puedes intentar generar texto a video ahora. Fácilmente. Envía un mensaje de texto a dos canciones, debes haber escuchado sobre la creación de canciones usando mensajes de texto usando un prompt de dos líneas con So AA Bien. Esto se puede lograr fácilmente con texto modelo de dos canciones. Luego viene tu texto a tarea como agentes de software, asistencia virtual, automatización. Así que a Microsoft se le ocurrieron las PC copiloto, el estudio copiloto también como en asistente virtual para facilitar el trabajo 10. IA generativa: características y ejemplos: En esta lección, aprenderemos sobre características generativas vía chat board, así como algunos ejemplos Con las características, veremos algunos ejemplos relacionados con texto a imagen a imagen, así como texto a video. Empecemos. Ahora las características de los bots de AHD, ya he mostrado estos bots de chat antes Ahora las características, acabo de amalgamar todas ellas. Puedes crear fácilmente banners con logo. También puedes usarlo para codificar, arreglar tu código, generar sintaxis. Con eso, también puedes subir y escanear imágenes. Esto significa que si estás teniendo una imagen y quieres que el adb AH la lea, la escanee Eso ¿Qué incluye esta imagen? Entonces nuestro tutorial también incluye ese caso de uso completo. Puedes preguntar directamente que ¿qué incluye esta imagen? Aplouding EPEC. Bien. Con eso, puede trabajar fácilmente en la búsqueda y escaneo de documentos PDF. Por lo que 20 páginas, diez, 20, 50 páginas documentos Los documentos PDF se pueden escanear en segundos en menos de un minuto. Definitivamente, te ahorrará tiempo. Se ahorrará al menos cinco a siete 8 horas de su trabajo. Si va a resumir un documento de 30 a 40 páginas. Puedes escribir blogs y artículos de correo electrónico. También puedes establecer el tono, el número de palabras que quieras. Si quieres contar historias para tu artículo, puedes agregarlo fácilmente Con eso, podrás encontrar fácilmente empleos, crear currículums, cartas de presentación a partir de ese currículum Ya dije antes que también podemos usarlo para la codificación. También puedes escribir anuncios. Puede generar cronogramas de productos. Arregla la prueba gramatical, lee, tu contenido completamente. Planifica tus vacaciones, genera recomendaciones hoteleras por completo. Puedes escribir un plan de comidas, un plan de acondicionamiento físico basado en tu recomendación. Digamos que si alguien quiere un plan de acondicionamiento físico sin usar equipo de gimnasio, plan de ejercicios, tu tablero de chat también puede hacerlo por ti. Con eso, también puedes obtener ideas para regalos. De hecho, en Google Gemini, también obtendrás imágenes y el enlace para conseguir algún regalo. Digamos que quieres un regalo para un niño de seis años. Puedes mencionar que quiero un regalo para un niño niño de seis años. Entonces obtendrás resultados relevantes. Estos son algunos ejemplos. Los generé usando el modelo de imagen de texto. Digamos Dali, Dali forma parte de copiloto ahora. Puede generar imágenes fácilmente con solo escribir indicaciones de una a dos líneas Entonces así es como lo generé. Generé esta línea tres D con gafas de sol, una imagen de robo, un perro jugando en una carretera, y estos también. Este era un modelo de imagen de texto. También puedes generarlos usando mid Journey, encraft, Daly y otros Este es el modelo Image two Mage. Entonces tomé esta imagen de Internet. Entonces estas son las imágenes de los cricketers cuando eran niños, y esta es mi imagen generada por una imagen dos modelo de imagen 11. Qué son las indicaciones: En esta lección, aprenderemos qué son las indicaciones. Con eso, también aprenderemos qué es la ingeniería rápida, así como quiénes son ingenieros pronto. El papel de los ingenieros pronto se está volviendo popular. A ver. Ahora, veamos qué es un prompt. Prompt es básicamente la entrada que escribe un usuario. Te dije texto dos imagen texto a texto texto a video. Entonces esas fueron las indicaciones. Qué pasará cuando un usuario escriba la entrada, irá al modelo de IA para obtener una respuesta específica. Se generará una nueva respuesta. Ese es el propósito de la A generativa para generar nuevos contenidos en forma de videos de imágenes de texto Bien. También puedes considerarlo como una consulta. Describe las tareas que debe realizar un AA. Digamos que t quiero escribirle un correo electrónico a mi jefe por cinco días de licencia. Bien, entonces se generará la respuesta. ¿Qué es la ingeniería rápida? Significa elaborar instrucciones específicas que puedan ser entendidas por el modelo AA Y para obtener respuestas en tiempo real. Eso significa lo que escribirás y el resultado se generará de inmediato. Acabo de mostrarte las imágenes que generé. También puedes generar texto a partir de tu prompt de texto. Ahora bien, ¿qué hacen los ingenieros pronto? Entonces, el papel de los ingenieros pronto se está volviendo popular porque si sabes cómo elaborar indicaciones correctamente, puedes generar resultados fácilmente porque muchas de estas indicaciones son limitadas Copiloto proporcionó diariamente, pero solo obtienes 15 aumentos en un También para texto, tienes algunas fichas, Token, puedes considerar media palabra o 0.75 de una palabra. Bien. Entonces esos también están limitados por un día. Esos siguen cambiando. 12. Chatbots populares de IA: En esta lección, aprenderemos sobre algunos populares bots de chat de IA. Algunos de ellos son ampliamente utilizados. El primer bot de chat fue introducido por OPA. Eso es Cgb. Después vinieron tu copiloto y Google Gemini. Chicos, los siguientes son algunos de los chat bots de IA populares. El primero fue presentado por OPA, es decir Open Gb. O pene también presentó a Daly para imágenes, y también introdujeron Open SRA para videos Microsoft lanzó copiloto. Mucha gente no sabe que CAD GPT es compatible con Microsoft Se financió por Microsoft. Por eso en Copilo, ahora tenemos Open Dal para generación de imágenes Bien, Google Gemini era conocido como malo y obviamente fue desarrollado por Google. Entonces veamos el diseño rápidamente. Estos son los enlaces donde puedes acceder a ellos. Aquí están los diseños. El siguiente. El primero es para Gráfico GPT. Bien. Esta es la versión gratuita. Si vas a escribir algún prompt, digamos, para que ahora puedas ver que tienes GPT cuatro gratis Aquí está, GPT cuatro f gratis con indicaciones limitadas y generación de imágenes Entonces tenemos a nuestro copiloto. Se trata de copiloto GPT. Digamos que quieres imágenes, puedes hacer clic aquí, y puedes generar imágenes de logotipos. El sitio web es copilot microsoft.com. El último es Google Gemini. ¿Bien? Estas son las indicaciones sugeridas, y estas son las indicaciones que escribí. En ajustes, puedes seleccionar el tema oscuro o también puedes seleccionar extensiones para trabajar en tuks. Bien chicos, chicos, vimos como podemos trabajar fácilmente alrededor de VA generativa, lo que es VA generativa , sus modelos También aprendimos sobre sus características y los tipos, el modelo de transformador, su proceso, el proceso de VA generativa, y también trabajamos alrededor algunos grandes ejemplos para entender el texto texto a imagen, así como los modelos de texto a video Gracias por ver el video. 13. Descripción rápida de ChatGPT-4o y casos de uso (indicaciones): Entonces el g4o está aquí. O significa Omni. Incluye tu acceso a audio visión y texto en tiempo real. Aquí está O para Omni, y acepta como entrada cualquier combinación de audio de texto e imagen Se pueden escanear imágenes así como mejorar el texto en idiomas no ingleses. Además, la APA es 50% más barata. Veamos cómo acceder a él. Sólo tienes que ir al gráfico. Ya me encerré para la versión 3.5, así que directamente me está dando la opción de probarla ahora. Te dije que puede entender imágenes, puede navegar por la web y habla más idiomas. Haré clic en Pruébalo ahora. Aquí puedes ver g4o. Ahora, comencemos ya sea que esté conectado a Internet o no. Entonces GPT 3.5 no estaba conectado con Internet. Pero a esto afirma, que hay una conexión a internet para G cuatro. ¿Cuál es la temperatura hoy en día? Deli India? Aquí está la temperatura actual es visible. Eso significa que está conectado a Internet. Bien. A partir de aquí, se puede cambiar el modelo también. Ahora mismo, estamos en GBT cuatro. Ahora déjenme generar un logo. Cree un logotipo para una empresa de compras en línea con el texto one stop shopping destination. Veamos si va a generar un logotipo o no. No, no está proporcionando. No, subamos una imagen. Aquí está el tipo. ¿De qué trata esta imagen? Veamos, ¿podrá verificar la imagen, escanearla o no? Bien, es un teléfono inteligente portátil apple. Bien. También podemos aprender sobre esto. Ahora vamos a subir otra imagen. Subiré mi imagen abierta? A ver. Enviar. Bien. Lo ha representado. Ahora, voy a dar click en esta imagen de zapato. Voy a escribir. ¿Has visto esto antes? Así que solo lo estoy escaneando. Enviar. Fue capaz de adivinarlo perfectamente el nombre del zapato. Bien. No resolver esta ecuación lineal. Yo dirijo a resolver. Está mostrando los pasos también. Bien. Aquí está la respuesta. Se pueden ver los pasos. Ahora puedes ver cuando voy a dar click aquí, has llegado a tu límite de phyplod Puedes actualizar a chat GPT plus o intentarlo de nuevo. Bien. Escribamos un artículo sobre un tema actual. Escribe un artículo sobre IPL, Premier League india está aquí, y nos estamos acercando a su fin Quedan diez a 15 partidos. Digamos cuánto se actualiza. Está buscando las noticias. Bien. Aquí está. Házmelo saber sobre los partidos actuales de IPL 2024. De, debería estar apagada. Yo lo edité. Del mismo modo, también se puede editar. Lo guardé y edité. Has llegado a nuestro límite de mensajes. Por favor, inténtelo de nuevo. Región. Así demostré la versión 4.0, la siguiente. Se le puede cambiar el nombre. G four Primeras impresiones en Laptop. Bien. Entonces definitivamente, si quieres el acceso de voz también, necesitas ir a tus teléfonos móviles y descargar Chat GPD ahí Descarga e instala Chat GPD ahí para la versión GPT 40 Entonces chicos, vimos algunas primeras impresiones de GPT cuatro. Gracias por ver.