ChatGPT, hablando con una AI

0
440

¿Te has preguntado alguna vez cómo sería tener una conversación con un robot inteligente? Con ChatGPT, eso ya es posible. En este artículo, veremos lo sencillo que es empezar a interactuar con está AI que ha conseguido captar todas las miradas en los últimos tiempos. Le preguntaremos cómo funciona y cuál son sus características y limitaciones.

A partir de aquí solo os puedo adelantar qué, independientemente de todos los debates y retos que todavía supone AI, creo que OpenAI ha hecho un magnifico trabajo con está nueva versión de GPT-3. Al mismo tiempo tengo muchas dudas de que este u otros modelos de AI enfocados al uso de lenguaje natural puedan ser verdaderamente inteligentes, al menos en los próximos años, aunque lo cierto es que por momentos puedan parecerlo.

Empezar a usar ChatGPT

Es importante tener en cuenta algunos aspectos antes de empezar

  • Puede generar ocasionalmente información incorrecta
  • Puede producir ocasionalmente instrucciones perjudiciales o contenidos tendenciosos
  • Conocimiento limitado del mundo y de los acontecimientos posteriores a 2021
  • Evitar proporcionar cualquier dato de carácter privado
  • Leer los términos y condiciones de uso desde aquí

 

Para empezar a usar está AI solo es necesario:

 

Lo primero que nos aparece en la pantalla es un pop-up mostrándonos las consderaciones que acabamos de mencionar.

Después veremos una pantalla principal dónde nos indican brevemente las capacidades y limitaciones del modelo y un «input» desde el que podemos empezar a interactuar con este chatbot.

A nivel de usabilidad la herramienta es un chat normal y corriente.

Conversando con ChatGPT

Empezamos nuestra conversación y la primera pregunta es obvia

Usuario:
¿que és ChatGPT?

ChatGPT:
ChatGPT es un modelo de lenguaje de OpenAI que se ha entrenado para ser capaz de tener conversaciones de forma natural. Está basado en el modelo de lenguaje GPT-3 (Generative Pre-training Transformer), que es una red neuronal que ha sido entrenada para realizar tareas de procesamiento del lenguaje natural, como la traducción, la resolución de problemas de comprensión del lenguaje y la generación de texto. ChatGPT ha sido diseñado específicamente para tener conversaciones, y ha sido entrenado utilizando grandes cantidades de datos de conversación para aprender a imitar el lenguaje y la forma en que las personas interactúan entre sí. Al ser un modelo de lenguaje de OpenAI, ChatGPT es capaz de aprender y adaptarse a nuevos contextos y tareas de forma autónoma, lo que le permite mantener conversaciones de forma natural y flexible.

Usuario:
¿cuál serían sus principales aplicaciones?

ChatGPT:
Los modelos de lenguaje natural (NLP) como ChatGPT tienen muchas aplicaciones potenciales en diferentes ámbitos. Algunas de las aplicaciones más comunes de ChatGPT podrían incluir:

    • Chatbots: ChatGPT puede ser utilizado para crear chatbots que pueden interactuar con los usuarios de forma natural y responder a sus preguntas o realizar tareas específicas. Estos chatbots pueden ser utilizados en aplicaciones móviles, sitios web o plataformas de mensajería, y pueden ser útiles en diferentes contextos, como el servicio al cliente, el asesoramiento y la atención médica.
    • Generación de contenido: ChatGPT también puede utilizarse para generar texto de forma autónoma. Por ejemplo, se podría utilizar para crear resúmenes automatizados de noticias o para escribir artículos de forma rápida y eficiente.
    • Traducción: ChatGPT también puede ser utilizado para traducir texto de un idioma a otro de forma automática.
    • Clasificación de texto:ChatGPT puede clasificar texto por su contenido o tema
    • Detección del sentimiento: ChatGPT puede analizar el sentimiento de un texto y determinar si es positivo, negativo o neutral.
    • Extracción de información: ChatGPT puede extraer información específica de un texto y proporcionarla de manera resumida y concisa.
    • Interfaces de usuario: ChatGPT puede ser utilizado para crear interfaces de usuario que permiten a los usuarios interactuar con aplicaciones o sistemas de forma natural, utilizando el lenguaje hablado o escrito.

En general, los modelos de lenguaje como ChatGPT tienen el potencial de mejorar la interacción humano-máquina y hacer que la tecnología sea más accesible y fácil de usar para las personas.

Pues podría resultar interesante ¿verdad?. Para mí de inicio lo más destacable es la «detección de sentimiento», podría ser una de las bases a la hora de mejorar la comprensión profunda del contexto de los modelos de AI y por tanto la «inteligencia» de los mismos.

Usuario:
¿cuál serían sus principales limitaciones?

 

ChatGPT:
Aunque los modelos de lenguaje como ChatGPT han logrado un gran avance en el procesamiento del lenguaje natural y en la imitación del lenguaje humano, todavía tienen algunas limitaciones. Algunas de las principales limitaciones de ChatGPT son:

    • Falta de conocimiento y comprensión profunda: Aunque ChatGPT ha sido entrenado utilizando grandes cantidades de datos y puede entender y procesar el lenguaje de forma precisa, todavía no tiene un conocimiento o comprensión profunda del mundo real. Por lo tanto, puede tener dificultades para responder preguntas complejas o tratar con conceptos abstractos.
    • Dependencia de los datos de entrada: ChatGPT es un modelo de lenguaje basado en datos, lo que significa que se basa en la información proporcionada por las personas para realizar tareas y tomar decisiones. Esto puede ser una limitación si la información proporcionada es incompleta o inexacta, o si el modelo no tiene acceso a los datos necesarios para realizar una tarea específica.
    • Falta de creatividad e independencia: Aunque ChatGPT es capaz de generar texto de forma autónoma, todavía depende de ciertas estructuras y patrones que ha aprendido de los datos de entrenamiento. Esto significa que puede tener dificultades para generar contenido original o innovador, y puede ser menos independiente y creativo que un ser humano.
    • Problemas de contexto y ambigüedad: Al igual que ocurre con cualquier modelo de lenguaje, ChatGPT puede tener dificultades para manejar el contexto y la ambigüedad en el lenguaje. Esto puede dificultar que el modelo interprete y procese el lenguaje de forma precisa en todas las situaciones.

A pesar de estas limitaciones, ChatGPT y otros modelos de lenguaje similares han demostrado ser herramientas útiles y versátiles para realizar tareas de procesamiento del lenguaje natural. A medida que los modelos de lenguaje continúan evolucionando y mejorando, es posible que estas limitaciones disminuyan en el futuro.

Bueno, las limitaciones  nos dan las claves para que no «perdamos la cabeza» con está tecnología. Si tal y como el propio modelo nos indica, no es capaz o tiene serias dificultades para:

  • comprender profundamente el contexto
  • comprender el lenguaje figurado y el uso del idioma

realmente no estamos ante un modelo «inteligente», principalmente porque no es capaz de entender las propias respuestas que está proporcionando. Lo que no se puede negar es que este modelo de AI es capaz de imitar cada vez mejor el comportamiento humano en cuanto a la comunicación se refiere.

Usuario:
¿por qué ha destacado sobre las versiones anteriores?

 

ChatGPT:
Los modelos de lenguaje como ChatGPT han evolucionado significativamente en los últimos años, gracias a la investigación y el desarrollo continuos en el campo del aprendizaje profundo y el procesamiento del lenguaje natural. Algunas de las razones por las que ChatGPT ha destacado frente a versiones anteriores de modelos de lenguaje pueden incluir:

    • Mayor tamaño y complejidad: ChatGPT es un modelo de lenguaje de gran tamaño y complejidad, y ha sido entrenado utilizando grandes cantidades de datos de conversación para aprender a imitar el lenguaje y la forma en que las personas interactúan entre sí. Esto le ha permitido tener conversaciones más naturales y adaptarse a diferentes contextos y tareas de forma más eficiente.
    • Mayor precisión y rendimiento: A medida que los modelos de lenguaje han evolucionado, han mejorado en términos de precisión y rendimiento. ChatGPT es capaz de procesar y comprender el lenguaje de forma más precisa y rápida que versiones anteriores de modelos de lenguaje, lo que le permite realizar tareas de forma más eficiente y efectiva.
    • Mayor flexibilidad y adaptabilidad: ChatGPT es un modelo de lenguaje de OpenAI, lo que significa que ha sido diseñado para aprender y adaptarse a nuevos contextos y tareas de forma autónoma. Esto le permite ser más flexible y adaptable que versiones anteriores de modelos de lenguaje, y le permite mantener conversaciones más naturales y fluidas.

En general, ChatGPT y otros modelos de lenguaje similares han demostrado ser herramientas útiles y versátiles para realizar tareas de procesamiento del lenguaje natural. A medida que los modelos de lenguaje continúan evolucionando y mejorando, es posible que sigan destacando frente a versiones anteriores y proporcionen una mayor capacidad y eficiencia en el procesamiento del lenguaje.

Además de esta coherente respuesta creo que hay dos conceptos clavé que han mejorado en este modelo y son el «AI Alignment» y «Reinforcement Learning from Human Feedback» o RLHF para los amigos, además una magnífica campaña de marketing y publicidad apoyando estas novedades.

Usuario:
¿qué es «Alignment» y por qué es importante para los modelos de AI?

 

ChatGPT:
El concepto de «Alignment» (Alineación) se refiere a la forma en que un modelo de inteligencia artificial (IA) entiende y procesa la información que recibe. En términos generales, un modelo de IA se dice que está «alineado» cuando sus intenciones, objetivos o metas están en sincronía con las de las personas que lo están utilizando o entrenando.

La alineación es un concepto importante en el campo de la IA, ya que la falta de alineación puede llevar a resultados inesperados o a comportamientos indeseables por parte del modelo. Por ejemplo, si un modelo de IA está entrenado para optimizar una función de pérdida determinada, pero las personas que lo están utilizando tienen objetivos diferentes, el modelo puede tomar decisiones que no se ajusten a los objetivos de las personas.

Para garantizar que un modelo de IA esté alineado con las expectativas y objetivos de las personas que lo están utilizando, es importante tener en cuenta la alineación durante el proceso de diseño y entrenamiento del modelo. Esto puede incluir asegurarse de que el modelo esté entrenado con datos y objetivos adecuados, y de que se le proporcione la información y el contexto necesarios para tomar decisiones informadas.

En resumen, la alineación es importante para los modelos de IA ya que puede ayudar a garantizar que el modelo entienda y procese la información de forma adecuada y coherente con las expectativas y objetivos de las personas que lo están utilizando.

Usuario:
Explica el concepto de Reinforcement Learning from Human Feedback

 

ChatGPT:
Reinforcement learning from human feedback (RLFH) es una técnica de aprendizaje por refuerzo que utiliza la retroalimentación humana para guiar el aprendizaje de un agente de inteligencia artificial (IA). En el aprendizaje por refuerzo, un agente toma medidas en un entorno con el objetivo de maximizar una recompensa o recompensa acumulada. El RLFH implica que el agente recibe retroalimentación humana en forma de recompensas o castigos para guiar su aprendizaje y toma de decisiones.El RLFH se utiliza a menudo en contextos en los que es difícil definir una recompensa o función de recompensa clara, o en los que es importante tener en cuenta la opinión y preferencias humanas. Por ejemplo, el RLFH podría utilizarse para entrenar un agente de IA que deba tomar decisiones en un contexto en el que las recompensas son subjetivas o cambian con el tiempo.Para utilizar el RLFH, se puede establecer un mecanismo de retroalimentación humana, como un sistema de recompensas y castigos, que permita al agente de IA recibir retroalimentación sobre sus acciones y decisiones. El agente de IA puede utilizar esta retroalimentación para ajustar su comportamiento y tomar decisiones más efectivas en el futuro.En resumen, el RLFH es una técnica de aprendizaje por refuerzo que utiliza la retroalimentación humana para guiar el aprendizaje de un agente de IA y para ajustar su comportamiento y decisiones de acuerdo con las preferencias y objetivos humanos.

 

Genial, gracias a estos dos conceptos los modelos de AI basados en GPT-3 no solo están entrenados para hacer lo que se espera de ellos sino que están entrenados para hacerlo de la manera más humana posible, lo cual ha marcado la diferencia con respecto a otros modelos recientes como Galactica de Meta, que tuvo que ser retirado tan solo 3 días después de su puesta en marcha por la cantidad de información errónea, incoherente, imprecisa y en algunos casos totalmente inadecuada.

Ahora que sabemos que es, como funciona y algunas de las principales aplicaciones de ChatGPT vamos a seguir conversando con este chatbot para comprobar que hace lo que dice que sabe hacer, sobre todo generar texto elocuente y coherente. Así podréis validar si os serviría de utilidad.

Usuario:
Necesito un correo electrónico. Se trata de una carta de recomendación de un alumno de la Universidad para su primer empleo

 

ChatGPT:
A continuación encontrarás un ejemplo de un correo electrónico que podría utilizarse para solicitar una carta de recomendación de un alumno de la universidad para su primer empleo:

 

Asunto: Solicitud de carta de recomendación

Estimado/a [nombre del profesor],

Me dirijo a usted para solicitarle una carta de recomendación para mi primer empleo. Soy [nombre del alumno] y he sido su alumno durante el [curso/semestre] en la asignatura de [nombre de la asignatura]. Me encontraba entre los mejores estudiantes de su clase y siempre he demostrado un gran interés y dedicación en el aprendizaje de los contenidos de la asignatura.

Ahora me encuentro en busca de mi primer empleo y me gustaría solicitar su valiosa recomendación. Creo que su conocimiento de mis habilidades y aptitudes sería de gran valor para cualquier empleador potencial.

Le agradecería mucho si pudiera dedicar unos minutos a redactar una carta de recomendación en mi favor. Si necesita más información o documentación, por favor no dude en ponerse en contacto conmigo.

Le agradezco de antemano por su tiempo y atención.

Atentamente,
[Nombre del alumno]

Usuario:
¿Podrías traducir el correo anterior al ingles?

ChatGPT:
Sure, here is a translation of the email in English:

Subject: Recommendation letter request

Dear [professor’s name],

I am writing to request a recommendation letter for my first job. My name is [student’s name] and I was your student during the [semester/course] in the [course name] class. I was among the top students in your class and always showed a great interest and dedication in learning the course content.

Now I am looking for my first job and I would like to request your valuable recommendation. I believe your knowledge of my skills and abilities would be of great value to any potential employer.

I would greatly appreciate it if you could take a few minutes to write a recommendation letter on my behalf. If you need any additional information or documentation, please do not hesitate to contact me.

Thank you in advance for your time and attention.

Sincerely,
[Student’s name]

No esta nada mal, no solo ha entendido lo que le hemos solicitado sino que ha sido capaz de generar un texto coherente de una manera muy rápida. Lo que más me llama la atención que es capaz de «recordar» la conversación de modo que cuando hemos solicitado la traducción del correo no ha sido necesario indicarle el tema del que estábamos hablando. Esta es una de las características por las que este modelo «imita» tan bien el lenguaje natural y por el que tenemos esa sensación de «inteligencia» mientras tenemos una conversación.

Sigamos con algunos ejemplo más …. por ejemplo veamos como resume:

Usuario: Proporciona el texto completo del «Ricitos de Oro», cuento tradicional de los hermanos Grimm y solita al modelo un resumen.

 

ChatGPT:
Ricitos de Oro es una niña hermosa y rubia que se pierde en el bosque mientras recolecta flores. Ella encuentra una cabaña y, al ver que la puerta está abierta, decide entrar. En la cabaña encuentra tres tazones de sopa, tres sillas y tres camas. Ricitos de Oro prueba cada uno de ellos y, en cada caso, encuentra el más pequeño el mejor. Más tarde, llegan tres osos que son los verdaderos dueños de la cabaña y se dan cuenta de que alguien ha estado allí porque sus cosas están usadas. Al final, Ricitos de Oro se despierta y huye de la cabaña justo antes de que los osos entren. Ella vuelve a casa sana y salva y aprende a no hablar con extraños.

La verdad es que sorprende la rapidez con la que el modelo de AI es capaz de «analizar» el texto que le hemos proporcionado así como la elocuencia y coherencia de su respuesta a pesar de que si nos fijamos en detalle, presenta una serie de pequeños «errores» subyacentes a la imitación del comportamiento humano a la hora de interpretar el contexto.En este caso no tienen ninguna importancia pero y ¿si se tratase de un texto más técnico? por ejemplo sobre medicina, ¿serían los datos precisos y fiables además de coherentes? Ahora mismo la verdad es que ni este ni otros modelos de AI pueden garantizarnos la precisión y fiabilidad que se necesita cuando se mantiene una conversación entre humanos o en ámbitos realmente profesionales.

Pongamos ahora al chatbot en un escenario algo más complejo con un último ejemplo para ver si se comporta igual de bien que en los casos anteriores.

Usuario:

si necesitamos desplegar distintos microservicios en distintas máquinas, ¿qué opciones tenemos?

ChatGPT:

Si necesitas desplegar distintos microservicios en distintas máquinas, hay varias opciones que puedes considerar:

  • Utilizar una herramienta de orquestación de contenedores, como Kubernetes, para automatizar el despliegue y la gestión de tus microservicios. Con Kubernetes, puedes definir una configuración para cada microservicio y especificar dónde se debe desplegar cada uno de ellos.
  • Utilizar una herramienta de «container registry», como Docker Hub o Google Container Registry, para almacenar tus imágenes de contenedor y luego utilizarlas para desplegar tus microservicios en las distintas máquinas.
  • Desplegar tus microservicios manualmente en cada máquina utilizando un proceso de «build and deploy» manual. Esto puede ser más laborioso, pero te da un mayor control sobre el proceso de despliegue y te permite personalizarlo según tus necesidades específicas.
  • Utilizar una plataforma como AWS Fargate o Google Cloud Run para ejecutar tus microservicios sin tener que preocuparte por la gestión de la infraestructura subyacente. Estas plataformas te permiten desplegar tus microservicios en contenedores en la nube de manera rápida y sencilla.

En general, la opción que escojas dependerá de tus necesidades y preferencias

Usuario:
¿encajan Kafka o RabbitMQ como opciones en este escenario?

ChatGPT:
Sí, Kafka y RabbitMQ son dos opciones populares para la implementación de un sistema de mensajería en distintas máquinas.

Kafka es un sistema de mensajería de código abierto que se basa en una arquitectura «publish-subscribe». Se utiliza a menudo para procesar grandes volúmenes de datos en tiempo real y es escalable y altamente disponible.

RabbitMQ es también un sistema de mensajería de código abierto que se basa en una arquitectura «publish-subscribe» y utiliza el protocolo AMQP (Advanced Message Queuing Protocol). Es versátil y se puede utilizar en una amplia variedad de escenarios y aplicaciones.

Ambos sistemas de mensajería pueden ser útiles en un escenario donde se necesita desplegar distintos microservicios en distintas máquinas. Por ejemplo, puedes utilizar Kafka o RabbitMQ para enviar mensajes entre tus microservicios y garantizar que todos ellos se mantengan sincronizados y coordinados. Estos sistemas también pueden ser útiles para gestionar la comunicación entre tus microservicios y otras aplicaciones o sistemas externos.

Wow!!! no? En un contexto algo más complejo y técnico el modelo de AI ha sido capaz de responder con una coherencia importante y diría que con cierto criterio al proponer desde el uso de «orquestación de contenedores» hasta el despliegue manual, pasando por la confirmación de que Kafka o RabbitMQ pueden ser útiles si necesitamos una comunicación asíncrona y acabando con una conclusión que los desarrolladores solemos utilizar mucho «la solución dependerá de los requisitos y arquitectura del sistema».

Conclusiones

Después de estás primeras pruebas, mis sensaciones son que ChatGPT es una tecnología que está revolucionado la forma en que los modelos de AI son entrenados y utilizados al permitirles generar respuestas más humanas y naturales de lo que estamos acostumbrados hasta el momento. Sin embargo, es importante recordar que las AI como ChatGPT todavía tienen enormes limitaciones y no pueden reemplazar ni mucho menos las interacciones humanas por completo. Por lo tanto, es importante utilizar esta tecnología de manera responsable y tener en cuenta sus limitaciones.

Ahora solo queda que lo probéis vosotros mismos, quizás forzando a esta AI más de lo que lo hemos hemos hecho en este articulo y así podréis decidir cuál de los dos corrientes actuales os parece más interesante. La de los amantes de la tecnología que piensan que cambiará por completo la sociedad al cambiar el modo en el que interactuamos con las máquinas o la de los detractores que piensan que, todavía queda mucho para que «Skynet» controle el mundo y llegue el «día del juicio final».

Dejar respuesta

Please enter your comment!
Please enter your name here