Curso Online ChatGPT-4

1.1.- Introducción a los Modelos de Comprensión del Lenguaje Natural

1.2. ¿Qué tipo de IA es ChatGPT?

1.3.- ¿Es necesario que la IA nos justifique o explique sus respuestas?

1.4.- Promesas y Problemas de la IA en Medicina e Investigación

1.5.- OpenAI, Base Tecnológica y Evolución de GPT

1.6.- ¿Puede un texto generado por ChatGPT ser identificado como Plagio o Puede ChatGPT utilizarse para controlar el plagio?

1.7.- Recomendaciones para Profesores, Estudiantes, e Instituciones en el uso de ChatGPT

1.8.- (Práctica) Introducción a ChatGPT y la importancia del Contexto

1.9.- (Práctica) Aprendiendo a Generar Instrucciones y Guiar Conversaciones

1.10.- (Práctica) Prevenir Inyección de Instrucciones y Estructurar las Respuestas

2.1.- Introducción a la Ingeniería de Peticiones

2.2.- (Práctica) Semántica de entrada y creación de meta-lenguajes. Ejemplo instrucciones rápidas

2.3.- (Práctica) Automatización de la Salida. Ejemplo PRISMA checklist

2.4.- (Práctica) El patrón Persona. Ejemplo ChatGPT actuando como Medical Writter

2.5.- (Práctica) Traducciones. Ejemplos de variaciones e Instrucciones Pivote

2.6.- (Práctica) Patrón Receta. Ejemplo para que ChatGPT te guíe en la elaboración de un resumen PRISMA

2.7.- (Práctica) Patrón Plantilla. Ejemplo de reaorganización de un resumen e inferencia de datos

2.8.- (Práctica) Patrón Lista Comprobación. Ejemplo comprobación de un resumen siguiendo guía PRISMA

2.9.- (Práctica) Patrón Reflexión. Ejemplo de explicación de una respuesta para distintos niveles de comprensión

2.10.- (Práctica) Patrón de Ajuste de la Pregunta. Ejemplo de optimización del alcance de la pregunta en función del objetivo

2.11.- (Práctica) Patrón de Aproximaciones Alternativas. Ejemplo de selección de test estadístico para un estudio de acuerdo.

2.12.- (Práctica) Pratrón de Verificador Cognitivo

2.13.- (Práctica) Patrón Rompedor de Rechazo

2.14.- (Práctica) Patrón de Interacción Inversa

2.15.- (Práctica) Patrón de Juego

2.16.- (Práctica) Patrón de Generación Infinita

2.17.- (Práctica) Patrón de Gestor de Contexto

A.1.1.- (Práctica) ChatGPT actuando como "Scientific Proofreader" y otros

A.2.1.- (Práctica) Extracción de Información de Artículos en Internet con el Plugin LinkReader

Los Modelos de Lenguaje a Gran Escala, también conocidos como LLM, son modelos de inteligencia artificial que han sido entrenados con enormes conjuntos de datos textuales. Estos modelos tienen la capacidad de comprender, generar y procesar el lenguaje humano de manera avanzada, lo que les permite interactuar fluidamente con usuarios humanos y generar texto coherente y relevante.

Los LLM son un componente clave en aplicaciones de inteligencia artificial generativa, para crear contenido nuevo, como texto, imágenes, audio, código y videos, en respuesta a instrucciones textuales. 

Sin la supervisión, guía y diseño responsable de los humanos, estas aplicaciones generativas de inteligencia artificial se plantean como un problema, por su gran potencial para crear y difundir información errónea, o contenido perjudicial e inexacto a una escala sin precedentes. Sin embargo, si se desarrollan y posicionan de manera responsable como asistentes del trabajo de los humanos, complementando pero no reemplazando nuestro papel en la toma de decisiones, la recuperación o generación de conocimientos y otros procesos cognitivos, podrían convertirse en herramientas altamente eficientes y fiables para la gestión de información.

La humanidad se enfrenta a un gran reto para los usuarios, desarrolladores, proveedores y reguladores de la inteligencia artificial generativa, quienes deben prepararse de manera colectiva, para adaptar esta tecnología dentro de los sectores de generación de la evidencia.

Algunos ejemplos destacados de LLM incluyen: Chat GPT de OpenAI, LaMDA y Bard de Google, y BioGPT de Microsoft. Estos modelos son capaces de abordar una amplia variedad de temas y adaptarse a diferentes contextos. A pesar de los avances significativos que los LLM, han logrado en el campo del procesamiento del lenguaje natural, aún se enfrentan a desafíos relacionados con el sesgo, la precisión y la ética en su uso. Es importante considerar estos aspectos al utilizar los LLM en diferentes aplicaciones y contextos, para asegurar que se utilicen de manera responsable y eficiente.

El uso de este tipo de modelos desde el punto de vista del usuario es extremadamente sencillo. Tan solo tenemos que introducir una pregunta o una serie de preguntas, de manera sucesiva en una aplicación, con el objetivo de obtener una respuesta. Estas preguntas, también conocidas en inglés como Prompts, se pueden llevar a cabo desde una frase muy sencilla, con palabras provenientes de un lenguaje informal, hasta párrafos extensos con lenguaje técnico o complejo. A partir de esta pregunta, obtendremos una respuesta, así de simple.

Más allá de la sencilla perspectiva del usuario, sometido a una experiencia mágica, es importante saber que estos modelos provienen de un extenso conocimiento estadístico, sobre qué palabras han precedido a otras en los textos con los cuales han sido preparados o entrenados. No comprenden el lenguaje con el que trabajan, ni las instrucciones que reciben, ni las respuestas que generan.

En algunas publicaciones científicas, a estas tecnologías se las ha denominado loros estocásticos, por poder repetir o crear de manera precisa un texto sin comprender el mismo. Entendiendo cómo se generan estos modelos, no es difícil ver que si los modelos se han entrenado en un amplio conjunto de datos de Internet con un filtrado limitado, como es el caso de ChatGPT. Éstos pueden haber sido entrenados tanto con información fiable como sesgada. Sin un medio para evaluar cualquiera de estos criterios antes de responder a una pregunta, los LLM corren el riesgo de reproducir, amplificar y difundir contenidos problemáticos o información errónea.

En ocasiones, un LLM puede decir la verdad o producir contenidos relevantes, aceptables, a veces sorprendentes, creativos y atractivos. Otras veces puede producir o defender la más flagrante y peligrosa desinformación. Además, el modelo no tiene medios para evaluar por sí mismo, y mucho menos para informar al usuario, si el material que produce contiene falsedades, tergiversaciones o contenidos inapropiados, o si dice la verdad.

El problema que plantean estos modelos no es más que el mismo problema que nos podemos encontrar, en la interacción entre humanos con diversas opiniones sin base en la evidencia.

Por último, es importante tener en cuenta que los LLM son algoritmos probabilísticos, es decir, cuando se les plantea la misma tarea o pregunta varias veces, el modelo devolverá respuestas diferentes que pueden ser versiones diferentes de respuestas previamente erróneas o problemáticas, o sustituciones de respuestas erróneas por respuestas mejoradas o correctas y viceversa, o constituir versiones diferentes de respuestas correctas anteriores, o combinaciones de las mismas. Este comportamiento plantea un problema de fiabilidad y reproducibilidad, que requiere una supervisión humana continua del funcionamiento del modelo.

En este curso online nos hemos marcado como objetivo, proveerte de las instrucciones más precisas y la forma de trabajar, para que puedas utilizar de manera eficiente esta nueva tecnología, no para sustituir a tu creatividad, sino para hacerte más eficiente a la hora de compartir tu conocimiento.

En este curso online verás que Chat GPT es un modelo de inteligencia artificial desarrollado por OpenAI, basado en la arquitectura GPT-4. Utiliza técnicas de aprendizaje profundo y aprendizaje automático para comprender y generar texto en lenguaje natural. Su objetivo es proporcionar respuestas coherentes y relevantes a preguntas en diferentes idiomas y contextos.

Chat GPT puede utilizarse en redes sociales y marketing para generar contenido automatizado, como publicaciones, textos, correos electrónicos y respuestas a preguntas frecuentes. Su capacidad para analizar el lenguaje humano y generar información relevante hace que sea una herramienta valiosa para mejorar la comunicación y la interacción con los usuarios en estas plataformas.

Chat GPT puede ser utilizado en cursos online y educación superior para ofrecer una amplia variedad de contenido y materiales de aprendizaje en diferentes idiomas y temas específicos. Además, puede ser utilizado como una herramienta de IA conversacional para responder preguntas, ayudar en tareas específicas, y fomentar el pensamiento crítico entre los estudiantes. También puede ayudar en la investigación, proporcionando respuestas y recursos adicionales en función de los datos y textos analizados.

Chat GPT utiliza big data y data science para analizar y procesar grandes cantidades de información en diversos formatos y fuentes. A través del aprendizaje profundo y el aprendizaje automático, el modelo es capaz de identificar patrones y extraer conocimientos útiles para generar respuestas coherentes y relevantes a preguntas complejas. Además, puede ser utilizado con fines estadísticos y para mejorar la precisión y calidad de los contenidos generados.