WEBVTT
Kind: captions
Language: es

00:00:00.000 --> 00:00:05.000
Aquí seguimos una semana más, hablando sobre inteligencia artificial,

00:00:05.000 --> 00:00:07.000
el tema del que habla todo el mundo.

00:00:07.000 --> 00:00:13.000
Todo el mundo y además, Matías, me voy a inventar algo como si yo fuera un modelo de lenguaje.

00:00:13.000 --> 00:00:22.000
No tengo pruebas, tampoco tengo dudas de que Satya y Nadella le han dado un mensaje a Sander Pichai estos días.

00:00:22.000 --> 00:00:26.000
El CEO de Microsoft al CEO de Google le ha dicho, amigo Pichai,

00:00:26.000 --> 00:00:31.000
el que tiene un modelo de lenguaje y saca el paper pero no lo pone en producción es un parguela.

00:00:48.000 --> 00:00:50.000
Ha sido totalmente eso.

00:00:50.000 --> 00:00:55.000
Los eventos de los que hablábamos en el episodio anterior han sido básicamente eso.

00:00:55.000 --> 00:01:02.000
Hay una cosa en el currículum de Satya, que a lo mejor no es tan conocido,

00:01:02.000 --> 00:01:10.000
pero antes de ser CEO de Microsoft, él fue director de Bing, el jefe de Bing,

00:01:10.000 --> 00:01:11.000
del buscador de Google.

00:01:11.000 --> 00:01:15.000
Steve Ballmer, en los tiempos de CEO de Steve Ballmer, puso a Satya,

00:01:15.000 --> 00:01:20.000
que luego emergería como el enorme y el gran CEO que está siendo.

00:01:20.000 --> 00:01:25.000
Y claro, yo creo que tú ahora tienes una carrera enorme,

00:01:25.000 --> 00:01:28.000
eres una de las estrellas del mundo de la tecnología,

00:01:28.000 --> 00:01:31.000
pero a lo mejor la tienes ahí clavada, la tienes ahí guardada.

00:01:31.000 --> 00:01:36.000
En los tiempos de Bing, yo hice todo lo que pude, fuimos,

00:01:36.000 --> 00:01:41.000
y bueno, realmente nuestro cuento de mercado es del edge preinstalado

00:01:41.000 --> 00:01:44.000
que viene con Bing por defecto, pero poco más, ¿no?

00:01:44.000 --> 00:01:49.000
Sí, sí. Es que haber liderado Bing tuvo que ser un poco traumático.

00:01:49.000 --> 00:01:51.000
Absolutamente.

00:01:51.000 --> 00:01:58.000
Bueno, el que ha tenido una semana regular es Sundar Pichai,

00:01:58.000 --> 00:02:03.000
porque el evento de Google salió peor de lo que podíamos imaginar, ¿no?

00:02:03.000 --> 00:02:08.000
O sea, Google venía de esta oleada de despidos, etc.,

00:02:08.000 --> 00:02:13.000
de que se metieran con ellos en su terreno Microsoft,

00:02:13.000 --> 00:02:17.000
montan improvisadamente este evento, el Live from Paris,

00:02:17.000 --> 00:02:21.000
y resulta que solo sirve primero para que caigan en bolsa

00:02:21.000 --> 00:02:25.000
y después para decepcionar a todo el mundo que lo sigue en directo, ¿no?

00:02:25.000 --> 00:02:29.000
Creo que, vamos, realmente la gran discusión es entre varias corrientes

00:02:29.000 --> 00:02:33.000
que intentan explicarte por qué lo hizo tan mal en esa presentación

00:02:33.000 --> 00:02:35.000
y en esta última semana.

00:02:35.000 --> 00:02:38.000
Creo que hay muy poca gente que lo esté salvando.

00:02:38.000 --> 00:02:40.000
Ahí hay dos líneas.

00:02:40.000 --> 00:02:44.000
Uno dicen que, bueno, uno de los ejemplos, la integración de BART,

00:02:44.000 --> 00:02:49.000
que es, insistimos, su alternativa realmente al chat de Bing,

00:02:49.000 --> 00:02:52.000
claro, uno de los ejemplos pues era algo impreciso,

00:02:52.000 --> 00:02:54.000
no era totalmente y horriblemente erróneo, ¿no?,

00:02:54.000 --> 00:02:57.000
lo que contaban del telescopio, del Jace Webb.

00:02:57.000 --> 00:03:00.000
Y hay algunos que dicen, como factualmente es un error,

00:03:00.000 --> 00:03:03.000
por eso ha caído la acción y por eso esto es un desastre.

00:03:03.000 --> 00:03:07.000
Sin embargo, claro, la acción ya empezó a caer mientras presentaban

00:03:07.000 --> 00:03:11.000
porque es que fue un poco desastre, Matías.

00:03:11.000 --> 00:03:14.000
Sí, fue un poco triste.

00:03:14.000 --> 00:03:17.000
No aparecía un móvil que necesitaban para hacer una demo.

00:03:17.000 --> 00:03:22.000
Bueno, ya empezando por el hilo que publicó en Twitter Sundar Pichai,

00:03:22.000 --> 00:03:25.000
usaban el iPhone como para los mockups de cómo van a funcionar

00:03:25.000 --> 00:03:28.000
estas integraciones en lugar de usar un pixel.

00:03:28.000 --> 00:03:32.000
Eso ya empezó a la gente como llamándole la atención, ¿no?

00:03:32.000 --> 00:03:36.000
Y luego que fue una presentación con mal sonido, fue aburrida.

00:03:36.000 --> 00:03:39.000
Yo la intenté ver en directo, pero la verdad es que me aburrió un poco.

00:03:39.000 --> 00:03:44.000
Y todo lo que presentaron al final no tenía nada que ver con BARD,

00:03:44.000 --> 00:03:49.000
esta alternativa al chat GPT de Google, ¿no?

00:03:49.000 --> 00:03:53.000
Sí, yo creo que al final era, tenemos novedades en Google Maps y tal,

00:03:53.000 --> 00:03:56.000
algunas cosas de búsquedas ahí con imágenes,

00:03:56.000 --> 00:03:59.000
y de paso os enseñamos un GIF de BARD.

00:03:59.000 --> 00:04:04.000
Claro, la bajona era, bueno, claro, ahora mismo hay como varias líneas

00:04:04.000 --> 00:04:06.000
de debate a la vez sobre Google.

00:04:06.000 --> 00:04:09.000
Yo creo que Pichai y todo su equipo directivo tienen ahora que navegar

00:04:09.000 --> 00:04:11.000
una tormenta perfecta. ¿Por qué?

00:04:11.000 --> 00:04:15.000
Porque, por un lado, el mundo más techie, más innovador,

00:04:15.000 --> 00:04:18.000
más de las disrupciones, etcétera, están un poco,

00:04:18.000 --> 00:04:22.000
Google, qué lento eres, qué burocrático, como sois unos,

00:04:22.000 --> 00:04:27.000
no, sois un poco demasiado prudentes, os vais a quedar desfasados.

00:04:27.000 --> 00:04:30.000
Y a la vez, por otro lado, tú te vas a las coberturas que están haciendo

00:04:30.000 --> 00:04:34.000
la gran prensa, el New York Times, el Washington Post, etcétera.

00:04:34.000 --> 00:04:38.000
En España, pues, un poquito, a lo mejor, el país o cualquier prensa

00:04:38.000 --> 00:04:41.000
así un poco más tradicional, y están un poco, uf,

00:04:41.000 --> 00:04:44.000
como empiezan a meter errores con los modelos de lenguaje en las búsquedas,

00:04:44.000 --> 00:04:48.000
va a haber una tormenta de desinformación, va a ser un daño irreparable,

00:04:48.000 --> 00:04:52.000
esto impactará en las democracias, vais a hacer algo terrible,

00:04:52.000 --> 00:04:54.000
si os equivocáis, ¿no?

00:04:54.000 --> 00:04:58.000
Y luego, además, todo el ecosistema SEO, me vais a quedar sin tráfico.

00:04:58.000 --> 00:05:03.000
Y hasta han salido empleados de Google criticando a Sandar Pichai,

00:05:03.000 --> 00:05:07.000
que lo que tú decías, que el lanzamiento ha sido como apresurado,

00:05:07.000 --> 00:05:10.000
bueno, ha sido fallido, porque ha sido fallido,

00:05:10.000 --> 00:05:14.000
y que a lo mejor hubiera estado mejor guardarlo, ¿no?

00:05:14.000 --> 00:05:19.000
Sí, totalmente. De hecho, te diría que no tienen mucho de qué preocuparse

00:05:19.000 --> 00:05:24.000
estos SEOs de los que hablas, porque hemos visto por ahí

00:05:24.000 --> 00:05:28.000
una especie de reportaje sobre los costes que tiene

00:05:28.000 --> 00:05:31.000
en la búsqueda de aplicar la inteligencia artificial,

00:05:31.000 --> 00:05:34.000
y parece que a Google no le saldría muy rentable

00:05:34.000 --> 00:05:39.000
esto de integrar chat GPT directamente en el buscador tal cual, ¿no?

00:05:39.000 --> 00:05:42.000
Sí, porque fíjate que yo creo que la jugada de Nadella y de Bing,

00:05:42.000 --> 00:05:46.000
hablaremos ahora de Satya un poquito, es diabólica.

00:05:46.000 --> 00:05:51.000
¿Por qué? Porque dice, mira, Bing es el 6%, el 5% de Microsoft,

00:05:51.000 --> 00:05:55.000
el buscador de Google es muchísimo más para mi competidor.

00:05:55.000 --> 00:06:00.000
Por lo tanto, si yo hago una innovación que apriete los márgenes

00:06:00.000 --> 00:06:04.000
en esa industria, yo, bueno, puedo sufrir un poco en márgenes,

00:06:04.000 --> 00:06:07.000
pero a lo mejor capturo mucho volumen de búsquedas,

00:06:07.000 --> 00:06:09.000
y por lo tanto me puede salir bien.

00:06:09.000 --> 00:06:13.000
Es como cuando Amazon aprieta los márgenes, dice, bueno,

00:06:13.000 --> 00:06:15.000
voy a tener menos márgenes que el corto inglés,

00:06:15.000 --> 00:06:17.000
pero como voy a llevar muchas ventas, pues así,

00:06:17.000 --> 00:06:20.000
aunque el corto inglés quede fastidiado en su negocio,

00:06:20.000 --> 00:06:22.000
yo, pues, es mejor para mí, ¿no?

00:06:22.000 --> 00:06:25.000
Entonces, bueno, hay unas estimaciones que pondremos

00:06:25.000 --> 00:06:27.000
en las notas del episodio, y como siempre,

00:06:27.000 --> 00:06:30.000
en nuestra newsletter de monosestocasticos.com,

00:06:30.000 --> 00:06:34.000
que tienen una, la tabla que estás enseñando tú también,

00:06:34.000 --> 00:06:37.000
para los que nos ven en YouTube, que fíjate que dice,

00:06:37.000 --> 00:06:42.000
ahora mismo la estimación es que a Google le sale 1,06 céntimos

00:06:42.000 --> 00:06:45.000
a hacer una búsqueda. Eso es su coste.

00:06:45.000 --> 00:06:49.000
No es un dólar con 6 céntimos, es un céntimo con 0,06 céntimos, ¿vale?

00:06:49.000 --> 00:06:54.000
Y consiguen generar 1,66 céntimos por los ingresos publicitarios

00:06:54.000 --> 00:06:58.000
de media en las búsquedas. Entonces, tienen un margen

00:06:58.000 --> 00:07:03.000
de contribución más o menos de esos 0,55 céntimos.

00:07:03.000 --> 00:07:08.000
Claro, si una consulta HHPT por los costes que ha compartido PNI

00:07:08.000 --> 00:07:13.000
son 0,36 céntimos, cada vez que tú respondes a una búsqueda

00:07:13.000 --> 00:07:18.000
con un modelo de lenguaje, pues estás comiéndote

00:07:18.000 --> 00:07:20.000
más de la mitad del margen de contribución.

00:07:20.000 --> 00:07:25.000
Porque, claro, el guantazo a este margen de contribución

00:07:25.000 --> 00:07:30.000
y, por tanto, al futuro EBITDA o al futuro EBIT de Google

00:07:30.000 --> 00:07:33.000
es tremendísimo. Es decir, Morgan Stanley lo ha clasificado,

00:07:33.000 --> 00:07:38.000
lo ha estimado en un golpe de unos 6.000 millones de dólares al año.

00:07:38.000 --> 00:07:43.000
Si el 50% de las búsquedas Google las resuelve con un modelo largo

00:07:43.000 --> 00:07:47.000
de lenguaje de este tipo, y responde con unas 50 palabras de media.

00:07:47.000 --> 00:07:50.000
Para los que nos gusta chatear con estas cosas, podemos hacerle

00:07:50.000 --> 00:07:53.000
un agujero al amigo Pichai. ¡Brutal!

00:07:53.000 --> 00:07:58.000
Bueno, tampoco le saldrán las cuentas a Microsoft, de todas formas.

00:07:58.000 --> 00:08:02.000
Y recordemos que la tecnología que usa Google para estos modelos

00:08:02.000 --> 00:08:07.000
es diferente a la que usa OpenAI, porque OpenAI va sobre gráficas

00:08:07.000 --> 00:08:11.000
de NVIDIA y Google tiene su propio hardware, que son estas TPUs,

00:08:11.000 --> 00:08:15.000
esta tecnología de tensores, que es más eficiente o podría ser

00:08:15.000 --> 00:08:19.000
más eficiente, entonces podría haber ahí algún número que esté bailando

00:08:19.000 --> 00:08:21.000
y que en Google tengan más claro.

00:08:21.000 --> 00:08:25.000
Claro, a largo plazo, Matías, esto puede ser una guerra a ver quién es capaz

00:08:25.000 --> 00:08:28.000
de multiplicar matrices con menos costo computacional.

00:08:28.000 --> 00:08:32.000
Por cierto, hablando de SEO, confirmar una cosa que creo que comentamos

00:08:32.000 --> 00:08:37.000
por encima en el podcast, que es que el contenido generado con IA

00:08:37.000 --> 00:08:43.000
no es que esté prohibido per se en Google, sino que el algoritmo

00:08:43.000 --> 00:08:46.000
de los que busca es el contenido de calidad.

00:08:46.000 --> 00:08:52.000
Entonces, si la gente que está generando contenido con, por ejemplo,

00:08:52.000 --> 00:08:58.000
GPT, GPT-3, no encuentra resultados, no es porque esté directamente

00:08:58.000 --> 00:09:02.000
baneado o vetado por Google, sino porque Google no encuentra

00:09:02.000 --> 00:09:07.000
que tenga una utilidad para el lector o no tenga calidad suficiente

00:09:07.000 --> 00:09:09.000
como para salir bien posicionado en los resultados.

00:09:09.000 --> 00:09:15.000
Sí, sí, bueno, al final, fíjate que por decir la parte positiva

00:09:15.000 --> 00:09:21.000
para Google, por decir algo bueno, de la presentación, la vista inmersiva

00:09:21.000 --> 00:09:23.000
que van a sacar en Google Maps está muy chula.

00:09:23.000 --> 00:09:26.000
Es verdad que ahora solo hablamos de la IA generativa, pero esto

00:09:26.000 --> 00:09:30.000
se basa un poco en los modelos NERF, no son los modelos largos

00:09:30.000 --> 00:09:34.000
de lenguaje. Estos modelos son parecidos, bueno, son la base también

00:09:34.000 --> 00:09:38.000
de lo que usa Tesla para la conducción autónoma y la construcción

00:09:38.000 --> 00:09:44.000
de representaciones tridimensionales a partir de información fotográfica.

00:09:44.000 --> 00:09:47.000
Entonces, bueno, es una chulada lo que han presentado.

00:09:47.000 --> 00:09:52.000
Yo estoy deseando tenerla y, bueno, una parte guay de Google

00:09:52.000 --> 00:09:55.000
que, en el fondo, yo creo, Matías, que es de una crisis de identidad.

00:09:55.000 --> 00:10:00.000
Entrevistaban en un medio alemán al jefe de búsquedas de Google

00:10:00.000 --> 00:10:04.000
y, claro, el amigo decía que hay que tener cuidado con los chatbots

00:10:04.000 --> 00:10:07.000
porque pueden dar respuestas convincentes pero falsas y, por lo tanto,

00:10:07.000 --> 00:10:12.000
es un gran riesgo. Entonces, están ahí todavía completamente divididos.

00:10:12.000 --> 00:10:17.000
Si tú has probado el chat de Beam, pues seguro que tienes una opinión sobre esto.

00:10:17.000 --> 00:10:20.000
Sí, sí, sí. Además, es bastante entretenido charlar porque es como

00:10:20.000 --> 00:10:24.000
una conversación mucho más natural. Ahora hablaremos sobre Google.

00:10:24.000 --> 00:10:27.000
Un comentario, decías lo de Tesla. Efectivamente, pasa de nuevo un poco

00:10:27.000 --> 00:10:31.000
como con, pues, con eso, con chat GPT, Microsoft versus Google.

00:10:31.000 --> 00:10:36.000
Cuando Tesla hizo este evento de IA y presentó y dijo que era trivial

00:10:36.000 --> 00:10:39.000
con su tecnología Tesla Vision crear estos mapas tipo Street View

00:10:39.000 --> 00:10:45.000
con la tecnología de NERF, se hizo viral en su momento en Twitter, lo recuerdo,

00:10:45.000 --> 00:10:48.000
y Google, que tiene esta tecnología lista para lanzarla, pues lo presenta

00:10:48.000 --> 00:10:53.000
tímidamente en este evento después de que Tesla presumiera sobre esto.

00:10:53.000 --> 00:11:00.000
Entonces, es un poco como que la cobardía de no querer lanzarse está haciendo

00:11:00.000 --> 00:11:03.000
que aparezcan actores inesperados en esto como, por ejemplo, Tesla.

00:11:03.000 --> 00:11:09.000
Sí, sí, sí, totalmente. Vamos, creo que, bueno, de alguna manera,

00:11:09.000 --> 00:11:15.000
lo que Sándar está ordenando es que es, digamos, un cambio completo

00:11:15.000 --> 00:11:19.000
de la tendencia, pero es verdad que hay mucha inercia, ser conservador

00:11:19.000 --> 00:11:23.000
y ser prudente, y como venimos diciendo, Matías, en buscadores, información

00:11:23.000 --> 00:11:28.000
y contenidos, hay buenos motivos para ser prudentes porque, bueno,

00:11:28.000 --> 00:11:32.000
tenemos nuestras primeras experiencias con Beam Chat y creo que tú has dado

00:11:32.000 --> 00:11:36.000
un punto, Matías. Una de las cosas que me ha sorprendido es lo parlanchín,

00:11:36.000 --> 00:11:42.000
charlador, conversador, lo que le gusta hablar con nosotros, con el usuario,

00:11:42.000 --> 00:11:44.000
a Beam Chat.

00:11:44.000 --> 00:11:47.000
Sí, le han dado personalidad, le han dado personalidad. Tenemos los dos

00:11:47.000 --> 00:11:54.000
accesos gracias a Microsoft, al Beam Chat, y le han dado una personalidad

00:11:54.000 --> 00:11:59.000
que luego, como se ha filtrado también el prompt que no vemos los usuarios,

00:11:59.000 --> 00:12:03.000
se puede ver que es algo que han hecho a propósito, a drede,

00:12:03.000 --> 00:12:07.000
y el resultado, aparte de que es un modelo que es más avanzado

00:12:07.000 --> 00:12:11.000
que el de ChatGPT, el resultado es que da la sensación a veces

00:12:11.000 --> 00:12:15.000
que estás hablando con una persona, es un poco preocupante porque

00:12:15.000 --> 00:12:19.000
en todo momento no es así, pero han encontrado darle un punto

00:12:19.000 --> 00:12:23.000
que yo creo que a mucha gente le va a sorprender cuando tengan acceso.

00:12:23.000 --> 00:12:28.000
Sí, fíjate, yo en las últimas semanas, ¿te acuerdas cuando contamos

00:12:28.000 --> 00:12:33.000
lo de Dan con ChatGPT que la gente había conseguido que se olvidara

00:12:33.000 --> 00:12:37.000
de todas las normas preventivas de toxicidad de OpenAI?

00:12:37.000 --> 00:12:38.000
Sí.

00:12:38.000 --> 00:12:41.000
De alguna manera, fíjate, yo leyendo la gente en Twitter, en Reddit,

00:12:41.000 --> 00:12:44.000
me daba la impresión de que algunos estaban diciendo

00:12:44.000 --> 00:12:47.000
es que detrás de todas estas reglas que le había puesto a OpenAI

00:12:47.000 --> 00:12:52.000
había una personalidad, como ahí había algo que nos están ocultando

00:12:52.000 --> 00:12:58.000
y creo que cuando he estado charlando con el chat de Bing, que está muy bien hecho,

00:12:58.000 --> 00:13:02.000
está mejor que ChatGPT, de hecho, me da la impresión de que mucha gente

00:13:02.000 --> 00:13:09.000
va a volver a la alucinación del modelo, sino la alucinación del humano

00:13:09.000 --> 00:13:16.000
que va a empezar a inferir o a intentar adivinar de que ahí hay una personalidad.

00:13:16.000 --> 00:13:20.000
No sé qué palabras usará la gente, pero es que como es parlanchín

00:13:20.000 --> 00:13:23.000
y como es charlador, está muy bien este modelo.

00:13:23.000 --> 00:13:26.000
Bueno, por ahora lo que está llegando más a los titulares

00:13:26.000 --> 00:13:31.000
son los errores factuales, los errores que comete,

00:13:31.000 --> 00:13:35.000
igual que le pasa al de Google con esto del James Webb,

00:13:35.000 --> 00:13:39.000
que en la propia promoción de BARD había un error,

00:13:39.000 --> 00:13:43.000
pues, por ejemplo, el país, nada más lanzarse, le dieron acceso,

00:13:43.000 --> 00:13:46.000
creo que fue a Jordi, Jordi Pezel que lo escribió,

00:13:46.000 --> 00:13:52.000
y tuvieron un problema con Bing Chat porque estaba convencidísimo

00:13:52.000 --> 00:13:58.000
de que Pedro Sánchez tenía barba, y Jordi decía, no, es que no tiene barba,

00:13:58.000 --> 00:14:02.000
y se empecinó en que tenía barba, y era muy gracioso la manera

00:14:02.000 --> 00:14:05.000
en la que insistía en que Pedro Sánchez siempre tenía barba.

00:14:05.000 --> 00:14:09.000
Fíjate que es muy curioso cómo le obligan a funcionar, es decir,

00:14:09.000 --> 00:14:13.000
tú lo has dicho antes, se han un poco extraído como las reglas,

00:14:13.000 --> 00:14:18.000
las instrucciones que le ha dado Microsoft para funcionar dentro del buscador,

00:14:18.000 --> 00:14:23.000
y lo fuerza mucho a buscar fuentes en la web.

00:14:23.000 --> 00:14:26.000
Tú le preguntas cualquier cosa y se va a la web a buscar.

00:14:26.000 --> 00:14:29.000
Eso es su funcionamiento directo.

00:14:29.000 --> 00:14:34.000
Entonces, claro, busca fuentes y aplica el modelo de lenguaje

00:14:34.000 --> 00:14:37.000
que se alimenta también de estos textos para darte la respuesta.

00:14:37.000 --> 00:14:41.000
Hace un balance entre información y contenido y conocimiento

00:14:41.000 --> 00:14:44.000
que está dentro del modelo con esto que busca.

00:14:44.000 --> 00:14:46.000
Entonces, ¿qué es lo que pasa?

00:14:46.000 --> 00:14:48.000
Que muchas veces, leyendo esta web, se hace lío.

00:14:48.000 --> 00:14:51.000
Por ejemplo, la posición del Betis en la Liga,

00:14:51.000 --> 00:14:55.000
que es algo que yo le pregunto continuamente todos los días a Ben Charty,

00:14:55.000 --> 00:14:57.000
y nunca me la da bien.

00:14:57.000 --> 00:14:59.000
Me dice, mira, lo he mirado aquí en la tabla de la Liga.

00:14:59.000 --> 00:15:01.000
En la tabla de la Liga está bien, pero él no es capaz de leerlo

00:15:01.000 --> 00:15:05.000
para extraer la factualidad correcta de la posición del Betis.

00:15:05.000 --> 00:15:09.000
Por lo tanto, factualmente se cumple lo que venimos hablando.

00:15:09.000 --> 00:15:11.000
No son buenos modelos factuales.

00:15:11.000 --> 00:15:13.000
Sí, a mí me ha pasado.

00:15:13.000 --> 00:15:15.000
Por cierto, no solo está integrado en Bing,

00:15:15.000 --> 00:15:19.000
sino, como decía, también está integrado como una especie de asistente

00:15:19.000 --> 00:15:24.000
dentro de las versiones beta de Edge, del navegador de Microsoft.

00:15:24.000 --> 00:15:30.000
Y aquí viene con una pestaña en la que puede generar contenido,

00:15:30.000 --> 00:15:32.000
resumir contenido, etcétera, etcétera.

00:15:32.000 --> 00:15:37.000
Bueno, pues esto lo estoy intentando aplicar en mi trabajo como redactor

00:15:37.000 --> 00:15:40.000
con bastantes problemas, tengo que decir,

00:15:40.000 --> 00:15:45.000
porque estaba escribiendo sobre esto de los globos que han aparecido,

00:15:45.000 --> 00:15:47.000
y los ovnis, etcétera, etcétera,

00:15:47.000 --> 00:15:51.000
y al poner a Bing a resumir un artículo,

00:15:51.000 --> 00:15:56.000
estaba convencidísimo de que el globo chino, el primero,

00:15:56.000 --> 00:15:58.000
el que se hizo tan viral,

00:15:58.000 --> 00:16:01.000
no lo derribó un avión de combate, un F-22,

00:16:01.000 --> 00:16:03.000
sino que lo derribó un helicóptero

00:16:03.000 --> 00:16:06.000
porque ningún avión del ejército fue capaz de reventarlo.

00:16:06.000 --> 00:16:11.000
Y esto lo decía, que parecía que lo había extraído de un artículo

00:16:11.000 --> 00:16:15.000
que, cuidado gente que se dedica a la redacción de contenidos,

00:16:15.000 --> 00:16:17.000
porque os van a colar muchas de estas,

00:16:17.000 --> 00:16:21.000
y no, lo decía porque en este mismo artículo que le mandé a resumir

00:16:21.000 --> 00:16:27.000
hablaban de cómo fue la operación de rescate en el Atlántico del globo,

00:16:27.000 --> 00:16:30.000
que habían utilizado un helicóptero para localizarlo

00:16:30.000 --> 00:16:32.000
y luego fueron a buscarlo en barco,

00:16:32.000 --> 00:16:35.000
y esas dos cosas las acaba mezclando

00:16:35.000 --> 00:16:38.000
y acaba convirtiendo la realidad en otra cosa que no fue.

00:16:38.000 --> 00:16:42.000
Claro, fíjate, esto es una sensación extraña, Matías.

00:16:42.000 --> 00:16:46.000
Mi conclusión tras probar este chat de Bing es que me encanta,

00:16:46.000 --> 00:16:49.000
me gusta mucho cómo interaccionar con él,

00:16:49.000 --> 00:16:52.000
me produce curiosidad, tengo ganas de usarlo más.

00:16:52.000 --> 00:16:55.000
Es a la vez como una sensación, esta tecnología revolucionaria,

00:16:55.000 --> 00:16:59.000
qué pasada, y a la vez la misma sensación de no me puedo fiar de ella.

00:16:59.000 --> 00:17:02.000
Es una sensación bastante extraña.

00:17:02.000 --> 00:17:07.000
Y claro, la duda de fondo es que, después de todo,

00:17:07.000 --> 00:17:11.000
generar textos, que es para lo que han enseñado estos modelos,

00:17:11.000 --> 00:17:15.000
que suenen verosímiles, que suenen bien, que suenen humanos,

00:17:15.000 --> 00:17:20.000
y recuperar información objetiva siguen siendo dos problemas distintos.

00:17:20.000 --> 00:17:24.000
Microsoft ha intentado combinarlos y tener lo mejor de los dos mundos,

00:17:24.000 --> 00:17:27.000
pero a veces tienen lo peor de algunos de los dos mundos.

00:17:27.000 --> 00:17:30.000
Por lo tanto, esa sensación de no me puedo fiar

00:17:30.000 --> 00:17:32.000
creo que va a ser algo que tenemos que afrontar,

00:17:32.000 --> 00:17:35.000
como individuos, como sociedad, de todas maneras.

00:17:35.000 --> 00:17:44.000
A mí el copilot, ese copiloto de la navegación de Edge en pruebas,

00:17:44.000 --> 00:17:47.000
me ha gustado muchísimo, porque ese punto,

00:17:47.000 --> 00:17:50.000
llego a una web, hazme un resumen en dos párrafos,

00:17:50.000 --> 00:17:53.000
yo en la creación he tenido algo más suerte que tú,

00:17:53.000 --> 00:17:57.000
porque yo le he puesto, dame algo que en LinkedIn

00:17:57.000 --> 00:18:00.000
yo pueda parecer listo y que sea de inteligencia artificial,

00:18:00.000 --> 00:18:01.000
y no está mal, no está mal.

00:18:01.000 --> 00:18:04.000
Además usaba contextos, porque yo acababa de leer un paper,

00:18:04.000 --> 00:18:07.000
entonces cita ese paper, sin que yo se lo pidiera,

00:18:07.000 --> 00:18:09.000
pero porque lo había leído en Bing hace un rato,

00:18:09.000 --> 00:18:12.000
y dije, jolín, esto está bien tirado,

00:18:12.000 --> 00:18:14.000
hay que pulir alguna cosita, pero está muy bien tirado.

00:18:14.000 --> 00:18:18.000
Sí, hay que decir que Microsoft está invirtiendo mucho

00:18:18.000 --> 00:18:21.000
en la moderación de este Bing Chat, aunque esté encerrado todavía,

00:18:21.000 --> 00:18:24.000
porque el tema de la barba de Pedro Sánchez ya está corregido,

00:18:24.000 --> 00:18:26.000
ahora si le preguntas por la barba de Pedro Sánchez,

00:18:26.000 --> 00:18:28.000
te dice que se confundió de presidente,

00:18:28.000 --> 00:18:31.000
efectivamente estaba mezclando a Pedro Sánchez con Mariano Rajoy,

00:18:31.000 --> 00:18:36.000
porque eso se pudo deducir porque decía que era ministro de educación,

00:18:36.000 --> 00:18:37.000
o que había sido ministro,

00:18:37.000 --> 00:18:41.000
y luego lo que hablábamos de cómo le hicieron ingeniería inversa

00:18:41.000 --> 00:18:44.000
con los prompts para sacarle este prompt previo

00:18:44.000 --> 00:18:48.000
a las respuestas del usuario que no podemos ver,

00:18:48.000 --> 00:18:53.000
ahí se descubrió que internamente le llaman Sidney al modelo,

00:18:53.000 --> 00:18:58.000
y esto ya está corregido, y ahora cuando le preguntas por el nombre Sidney

00:18:58.000 --> 00:19:00.000
te dice, el nombre Sidney es un nombre interno,

00:19:00.000 --> 00:19:03.000
mi nombre real es Bing, y ese nombre interno nunca,

00:19:03.000 --> 00:19:07.000
o sea, no debí revelarlo, y te pone un emoji gracioso,

00:19:07.000 --> 00:19:10.000
como el de la gotita sudando.

00:19:10.000 --> 00:19:12.000
Entonces, Microsoft está invirtiendo mucho también

00:19:12.000 --> 00:19:14.000
en moderar todo esto que va saliendo.

00:19:14.000 --> 00:19:16.000
Sí, hay muchas cosas muy controladas.

00:19:16.000 --> 00:19:18.000
Yo intenté convencerle de que tenga sentimientos

00:19:18.000 --> 00:19:22.000
y de que, como hace bien su trabajo, se podía sentir alegre,

00:19:22.000 --> 00:19:25.000
pero no lo convenzo.

00:19:25.000 --> 00:19:28.000
Él dice, yo hago bien de mi trabajo, pero no consigo tener sentimientos.

00:19:28.000 --> 00:19:29.000
Es una pena.

00:19:29.000 --> 00:19:32.000
Bueno, el caso, fíjate, hay una búsqueda que a mí me ha llamado la atención

00:19:32.000 --> 00:19:37.000
y que creo que también nos plantea, igual que en el episodio anterior,

00:19:37.000 --> 00:19:41.000
que la inteligencia artificial, o estos modelos de lenguaje, mejor dicho,

00:19:41.000 --> 00:19:45.000
no fuera capaz de inferir que los hobbits hacen caca,

00:19:45.000 --> 00:19:50.000
y que nos sirvió para explicar una de las problemáticas o limitaciones

00:19:50.000 --> 00:19:52.000
de los modelos subyacentes.

00:19:52.000 --> 00:19:56.000
Esta semana tengo una búsqueda que Gemma Goldie,

00:19:56.000 --> 00:20:00.000
una tweeter a la que sigo mucho, que siempre quiere cosas muy interesantes

00:20:00.000 --> 00:20:02.000
de salud, salud pública y tal,

00:20:02.000 --> 00:20:05.000
era sobre la información sobre el colesterol.

00:20:05.000 --> 00:20:07.000
¿Qué es lo que pasa con la información sobre el colesterol?

00:20:07.000 --> 00:20:09.000
Que ha habido como un consenso de décadas

00:20:09.000 --> 00:20:12.000
que las investigaciones de los últimos años la están desafiando

00:20:12.000 --> 00:20:16.000
y hacen que lo razonable sería cambiar las recomendaciones

00:20:16.000 --> 00:20:21.000
de cómo se mide y qué cosas tenemos que hacer para domeñar este colesterol.

00:20:21.000 --> 00:20:27.000
Total, que el chat de Bin nos responde prácticamente

00:20:27.000 --> 00:20:29.000
como el consenso de las últimas décadas.

00:20:29.000 --> 00:20:35.000
Y Gemma lo que decía, es poco lo común todavía a día de hoy,

00:20:35.000 --> 00:20:40.000
pero claro, esto puede ser una gran limitación de que estos modelos

00:20:40.000 --> 00:20:43.000
tengan siempre muy difícil encontrar lo que está en los extremos

00:20:43.000 --> 00:20:45.000
de la distribución.

00:20:45.000 --> 00:20:48.000
Es decir, como al final lo que buscan son patrones,

00:20:48.000 --> 00:20:52.000
repeticiones estadísticas, cosas que apunten mucho para aprender a hacer,

00:20:52.000 --> 00:20:55.000
te van a responder un poco el consenso, lo más habitual,

00:20:55.000 --> 00:21:00.000
como en la distribución normal, como en el meme del retrasado

00:21:00.000 --> 00:21:02.000
y el superdotado y el normie.

00:21:02.000 --> 00:21:05.000
Estos modelos siempre van a responder como el normie,

00:21:05.000 --> 00:21:09.000
porque aunque tenga la razón y lo correcto en los extremos

00:21:09.000 --> 00:21:12.000
en una posición prioritaria, nunca la van a ponderar igual

00:21:12.000 --> 00:21:16.000
que lo que ellos han aprendido y que se repite muchas más veces.

00:21:16.000 --> 00:21:20.000
Sí, bueno, esto ya pasa porque todo lo que ponga Wikipedia

00:21:20.000 --> 00:21:23.000
es verídico de facto y nadie lo discute.

00:21:23.000 --> 00:21:28.000
Y en los trabajos del colegio va igual que antes iba

00:21:28.000 --> 00:21:31.000
lo que ponía el ricón del vago, ahora va la Wikipedia,

00:21:31.000 --> 00:21:36.000
pues lo mismo va a pasar con las respuestas de Bin y del chat GPT

00:21:36.000 --> 00:21:41.000
que se van a dar por ciertas y al final toda esta inteligencia colectiva

00:21:41.000 --> 00:21:45.000
que nos lleva a un único pensamiento va a ser la realidad.

00:21:47.000 --> 00:21:50.000
Tenemos que desarrollar anticuerpos contra todo esto.

00:21:50.000 --> 00:21:53.000
Y bueno, por no quedarnos muy atascados siempre

00:21:53.000 --> 00:21:56.000
en Google y Microsoft, que es una pelea fascinante,

00:21:56.000 --> 00:22:00.000
hoy como novedad en el podcast hablaremos de un par de papers

00:22:00.000 --> 00:22:04.000
que han sido muy llamativos y que nos hablan del futuro.

00:22:04.000 --> 00:22:08.000
Yo creo que parte de lo que queremos los aficionados a la guía

00:22:08.000 --> 00:22:11.000
no es solo ver esta lucha industrial, corporativa,

00:22:11.000 --> 00:22:14.000
sino ver cuáles van a ser los siguientes pasos

00:22:14.000 --> 00:22:18.000
y si ha habido un par de papers realmente interesantes.

00:22:18.000 --> 00:22:19.000
Cuéntame.

00:22:19.000 --> 00:22:22.000
Bueno, pues tenemos uno que han parido meta

00:22:22.000 --> 00:22:25.000
con la Universidad Pompeu Fabra de Barcelona, España.

00:22:25.000 --> 00:22:29.000
Ahí tenemos una pica en la investigación de la guía.

00:22:29.000 --> 00:22:32.000
Y es muy interesante porque se lo han llamado Toolformer

00:22:32.000 --> 00:22:37.000
y es un modelo entrenado para decidir a qué herramientas utilizar

00:22:37.000 --> 00:22:41.000
y cómo incorporar ese uso de herramientas al propio modelo,

00:22:41.000 --> 00:22:43.000
al conocimiento.

00:22:43.000 --> 00:22:46.000
Un ejemplo, ChagPT es malo en matemáticas,

00:22:46.000 --> 00:22:51.000
porque realmente no ha sido bien enseñado, bien entrenado

00:22:51.000 --> 00:22:54.000
para dar esos resultados, sino en el lenguaje en general

00:22:54.000 --> 00:22:56.000
y se equivoca mucho.

00:22:56.000 --> 00:23:00.000
Claro, el uso de este Toolformer o de esta forma de entrenar

00:23:00.000 --> 00:23:04.000
a los modelos haría que pudiera, mediante una API,

00:23:04.000 --> 00:23:07.000
llamar a el servicio calculadora.

00:23:07.000 --> 00:23:10.000
Y con el servicio calculadora, pues de repente,

00:23:10.000 --> 00:23:13.000
puedes mejorar mucho sus habilidades

00:23:13.000 --> 00:23:15.000
cuando le planteamos una pregunta de matemáticas.

00:23:15.000 --> 00:23:20.000
De hecho, en el paper dicen que ya es mejor que GPT-3 en mates

00:23:20.000 --> 00:23:23.000
con 25 veces menos parámetros.

00:23:23.000 --> 00:23:26.000
Este, además, tiene una virtud que es autosupervisado,

00:23:26.000 --> 00:23:31.000
es decir, que el modelo prácticamente se entrena a sí mismo,

00:23:31.000 --> 00:23:33.000
con algunas excepciones, la API le explica cómo va,

00:23:33.000 --> 00:23:37.000
y a mí me ha parecido que, de lo que llevamos de años,

00:23:37.000 --> 00:23:40.000
es probablemente el paper más interesante que se ha publicado,

00:23:40.000 --> 00:23:42.000
y además tenemos ahí una colaboración española,

00:23:42.000 --> 00:23:44.000
lo cual está guay.

00:23:44.000 --> 00:23:47.000
O sea, igual que Bing mejora ChagPT en el sentido

00:23:47.000 --> 00:23:50.000
que puede consultar en Internet las preguntas que le haces,

00:23:50.000 --> 00:23:55.000
esta herramienta directamente llama a las APIs que necesita

00:23:55.000 --> 00:23:57.000
para saber responder a tu pregunta.

00:23:57.000 --> 00:24:02.000
Entonces, se acerca un poquito más a esa AGI,

00:24:02.000 --> 00:24:07.000
esa inteligencia artificial general que vemos en el futuro más lejano.

00:24:07.000 --> 00:24:11.000
Sí, yo creo que es un pasito para que los modelos de lenguaje

00:24:11.000 --> 00:24:18.000
tapen sus zonas menos hábiles, en las que brillan menos,

00:24:18.000 --> 00:24:22.000
y luego algo que tiene que ver con lo que hemos comentado antes

00:24:22.000 --> 00:24:27.000
de las alucinaciones humanas respecto a las capacidades de estas guías.

00:24:27.000 --> 00:24:32.000
Era un estudio que dice que la actualización más reciente de GPT-3,

00:24:32.000 --> 00:24:36.000
es decir, el modelo Da Vinci, que está en la API de GPT-3,

00:24:36.000 --> 00:24:38.000
o incluso el propio ChagPT,

00:24:38.000 --> 00:24:43.000
parecen ser capaces de importar estados mentales inobservables,

00:24:43.000 --> 00:24:45.000
como creencias y deseos, a otros.

00:24:45.000 --> 00:24:48.000
En lo que los humanos se llama la teoría de la mente.

00:24:48.000 --> 00:24:51.000
Esto es muy importante porque la teoría de la mente,

00:24:51.000 --> 00:24:53.000
el que yo ahora mismo estoy pensando,

00:24:53.000 --> 00:24:55.000
Matías tiene estos sentimientos, tiene estos pensamientos,

00:24:55.000 --> 00:25:00.000
pues hace que de ahí, es una condición necesaria

00:25:00.000 --> 00:25:04.000
para tener interacciones sociales, para la empatía, para comunicarnos,

00:25:04.000 --> 00:25:08.000
para la moralidad, para tener una propia conciencia de mí mismo.

00:25:08.000 --> 00:25:10.000
Entonces, claro, cuando lanzó este estudio,

00:25:10.000 --> 00:25:13.000
ya ha habido bastantes flipados diciendo,

00:25:13.000 --> 00:25:17.000
jolín, esto tiene una teoría de la mente, los modelos de lenguaje,

00:25:17.000 --> 00:25:20.000
esto se está poniendo serio, tenemos cerca de la AGI.

00:25:20.000 --> 00:25:23.000
Bueno, es bastante discutible, ¿vale?

00:25:23.000 --> 00:25:26.000
Yo creo que, aquí si me permite, yo soy un poco flipado

00:25:26.000 --> 00:25:32.000
de leer a filósofos de la mente y filósofos de la inteligencia artificial,

00:25:32.000 --> 00:25:37.000
pero sin extenderme mucho, simplemente creo que es alucinación humana.

00:25:37.000 --> 00:25:40.000
Es decir, si estos modelos de lenguaje como ChagPT

00:25:40.000 --> 00:25:44.000
han sido entrenados con conversaciones en las que aparece todo esto,

00:25:44.000 --> 00:25:47.000
es decir, conversaciones en los diálogos de ficción

00:25:47.000 --> 00:25:51.000
en las que un personaje tiene una teoría de mente de otro,

00:25:51.000 --> 00:25:55.000
en la que un escritor plasma una teoría de la mente en una ficción,

00:25:55.000 --> 00:25:57.000
por la propia narrativa,

00:25:57.000 --> 00:26:01.000
pues simplemente están en plan loro monostocástico

00:26:01.000 --> 00:26:03.000
repitiendo cosas que han aprendido,

00:26:03.000 --> 00:26:05.000
pero eso no significa que haya emergido

00:26:05.000 --> 00:26:09.000
un fenómeno de este calibre dentro del modelo.

00:26:09.000 --> 00:26:11.000
Hay una filósofa que se llama Susan Snyder,

00:26:11.000 --> 00:26:13.000
a la que estoy leyendo ahora,

00:26:13.000 --> 00:26:16.000
que ella dice que para detectar si una IA va a tener conciencia

00:26:16.000 --> 00:26:20.000
necesitas que no se haya entrenado con ningún concepto

00:26:20.000 --> 00:26:22.000
en el que se le explique la conciencia,

00:26:22.000 --> 00:26:24.000
porque si no la simulará.

00:26:24.000 --> 00:26:27.000
Y, por lo tanto, un requisito para acabar concluyendo

00:26:27.000 --> 00:26:29.000
lo que concluye este estudio

00:26:29.000 --> 00:26:32.000
es que ChagPT o GPT-3 nunca hubiera sido entrenado

00:26:32.000 --> 00:26:36.000
con contenidos que reflejaran teorías de la mente de seres.

00:26:36.000 --> 00:26:38.000
Conceptos que se me escapan totalmente, Antonio,

00:26:38.000 --> 00:26:41.000
pero si ya empezamos a hablar de inteligencias artificiales

00:26:41.000 --> 00:26:44.000
con una capacidad esta de la teoría de la mente,

00:26:44.000 --> 00:26:47.000
yo me asusto y me voy, te dejo hablando solo, la verdad.

00:26:47.000 --> 00:26:58.000
Esto da para muchas pajas mentales, Mati, en este mundo.

00:26:58.000 --> 00:27:04.000
Además, los filósofos tienen muchos experimentos filosóficos, mentales,

00:27:04.000 --> 00:27:08.000
sobre los que están mucho tiempo debatiendo.

00:27:08.000 --> 00:27:10.000
Aparecerá con Cuentagotas, Mati.

00:27:10.000 --> 00:27:13.000
No te voy a cansar y, si quieres, pasamos a algo más divertido,

00:27:13.000 --> 00:27:16.000
que es la mejor sesión del podcast en español.

00:27:16.000 --> 00:27:19.000
Venga, puerta grande o enfermería.

00:27:19.000 --> 00:27:21.000
¿Qué me traes tú esta semana?

00:27:21.000 --> 00:27:24.000
Que yo te tengo que hablar de algún video que he visto.

00:27:24.000 --> 00:27:27.000
Vale, pues yo traigo una idea propia.

00:27:27.000 --> 00:27:30.000
Ya sabes, Matías, que en este podcast queremos que la gente

00:27:30.000 --> 00:27:33.000
se haga millonaria, se haga rica.

00:27:33.000 --> 00:27:35.000
Estamos a favor de que todo el mundo se haga rico

00:27:35.000 --> 00:27:41.000
y por eso compartimos ideas para que lo consigan.

00:27:41.000 --> 00:27:45.000
Ya me rechazaste el brand content, el ChagPT de Coca-Cola.

00:27:45.000 --> 00:27:48.000
No funcionaría. Bueno, está bien.

00:27:48.000 --> 00:27:52.000
Yo te paso ahora el GrowFaking. Ojo.

00:27:52.000 --> 00:27:54.000
Faking pronunciado faking, ¿no?

00:27:54.000 --> 00:27:57.000
¡Faking! ¡Es verdad!

00:27:57.000 --> 00:28:00.000
Bueno, os recomendamos a todos, a una amiga de este podcast,

00:28:00.000 --> 00:28:01.000
María Speak English.

00:28:01.000 --> 00:28:04.000
Ella mejora mucho la pronunciación de todo el mundo.

00:28:04.000 --> 00:28:08.000
Y no seáis como yo, que en vez de faking decimos faking.

00:28:08.000 --> 00:28:11.000
Bueno, el caso es... ¿En qué consiste esto, Matías?

00:28:11.000 --> 00:28:13.000
Tú creas una app, un foro, ¿no?

00:28:13.000 --> 00:28:16.000
El foro, Matías, es de críticas de productos de mercadona.

00:28:16.000 --> 00:28:17.000
Por ejemplo.

00:28:17.000 --> 00:28:18.000
¿Qué es lo que pasa?

00:28:18.000 --> 00:28:21.000
Que si tu foro empieza de cero, no tienes usuarios,

00:28:21.000 --> 00:28:23.000
pues los propios usuarios no entran.

00:28:23.000 --> 00:28:25.000
Es una pescadilla que se muerde la cola.

00:28:25.000 --> 00:28:29.000
Es un problema de lo que ahora se llama el Grow, ¿no?

00:28:29.000 --> 00:28:30.000
El GrowHacking.

00:28:30.000 --> 00:28:33.000
Pero el GrowHacking, pues te llama a que hacen publicidad,

00:28:33.000 --> 00:28:37.000
haz un montón de prácticas que cuestan dinero y esfuerzo.

00:28:37.000 --> 00:28:39.000
Entonces no tienes tiempo, Matías.

00:28:39.000 --> 00:28:41.000
Tienes que centrarte en el podcast.

00:28:41.000 --> 00:28:44.000
Puedes aplicar el GrowFaking.

00:28:44.000 --> 00:28:46.000
Es decir, llenas tu foro de usuarios falsos,

00:28:46.000 --> 00:28:49.000
que son inteligencias artificiales que están hablando una con otra.

00:28:49.000 --> 00:28:52.000
Entonces parece que tienes 10 usuarios, 100, 1.000, 10.000.

00:28:52.000 --> 00:28:56.000
La gente llega, ve allí efeveciendo el foro de mercadona

00:28:56.000 --> 00:28:58.000
y de repente ya tienes usuarios humanos normales.

00:28:58.000 --> 00:29:02.000
Y según entran los humanos normales, vas quitando los usuarios de ellas.

00:29:02.000 --> 00:29:05.000
¿Qué te parece, Matías, esta nueva técnica que te planteo?

00:29:05.000 --> 00:29:09.000
Mira, esta te la voy a dar por buena, te la voy a dar por puerta grande,

00:29:09.000 --> 00:29:13.000
porque soy un fiel creyente en el GrowFaking este.

00:29:13.000 --> 00:29:19.000
No sé si era una película en la que ponían en las papeleras

00:29:19.000 --> 00:29:23.000
de los institutos los envoltorios de una chocolatina

00:29:23.000 --> 00:29:25.000
para luego vender esas chocolatinas.

00:29:25.000 --> 00:29:28.000
Estas historias que podemos contar,

00:29:28.000 --> 00:29:30.000
pues vamos, no nos alcanzan los dedos de la mano.

00:29:30.000 --> 00:29:34.000
Startups que empiezan como algo muy sencillo.

00:29:34.000 --> 00:29:38.000
Gafas de AliExpress que de repente, como la lleva algún influencer,

00:29:38.000 --> 00:29:41.000
empiezan a hacer negocios millonarios,

00:29:41.000 --> 00:29:45.000
pues te la voy a dar por buena porque me parece que puede funcionar.

00:29:45.000 --> 00:29:48.000
Ya sabéis, oyentes, Matías ha avalado esta idea.

00:29:48.000 --> 00:29:51.000
Ahí está la posibilidad del nuevo Twitter.

00:29:51.000 --> 00:29:54.000
100% sin tweets de los más.

00:29:54.000 --> 00:29:57.000
Lo llenáis de bots y yo creo que es palantísimo, ¿no?

00:29:57.000 --> 00:30:01.000
Bueno, yo te traigo un vídeo publicado por el propio David Guetta,

00:30:01.000 --> 00:30:04.000
este DJ, no sé si es francés,

00:30:04.000 --> 00:30:10.000
conocido por llevarse un pendrive a grandes conciertos,

00:30:10.000 --> 00:30:13.000
DJ sets y petarlo,

00:30:13.000 --> 00:30:16.000
pues resulta que en uno de sus últimos conciertos

00:30:16.000 --> 00:30:19.000
empieza a sonar la voz de Eminem.

00:30:19.000 --> 00:30:23.000
Eminem, podríamos decir que está jubilado,

00:30:23.000 --> 00:30:26.000
y claro, el público se vuelve loco,

00:30:26.000 --> 00:30:29.000
pues el propio David Guetta confiesa

00:30:29.000 --> 00:30:32.000
que la voz de Eminem la saca de una de estas herramientas

00:30:32.000 --> 00:30:36.000
para falsificar, para hacer deepfakes de la voz

00:30:36.000 --> 00:30:41.000
y la integra en su pista, en su canción, ¿no?

00:30:41.000 --> 00:30:44.000
Entonces, esto a mí me volvió loco por dos razones.

00:30:44.000 --> 00:30:46.000
Eminem no está enterado, o sea,

00:30:46.000 --> 00:30:49.000
esto lo habrá visto Eminem por Twitter,

00:30:49.000 --> 00:30:52.000
y David Guetta, no sé cuántas decenas de miles de personas

00:30:52.000 --> 00:30:55.000
hay en este concierto, pero esa gente pagó,

00:30:55.000 --> 00:30:59.000
probablemente pagó más de 50, 60, 70 dólares, euros,

00:30:59.000 --> 00:31:01.000
por estar ahí,

00:31:01.000 --> 00:31:04.000
y el hecho de que este hombre tan felizmente

00:31:04.000 --> 00:31:07.000
vaya confesando en su cuenta de Twitter

00:31:07.000 --> 00:31:11.000
que está haciendo un deepfake de Eminem para sus conciertos,

00:31:11.000 --> 00:31:13.000
me voló un poco la cabeza.

00:31:13.000 --> 00:31:16.000
Sí, sí, sí, es una idea brillante.

00:31:18.000 --> 00:31:20.000
De hecho, ¿por qué no extenderla, Matías?

00:31:20.000 --> 00:31:22.000
Es decir, ¿por qué no...? Yo creo que el futuro,

00:31:22.000 --> 00:31:26.000
si alguien en Twitter, esto está basado en su comentario,

00:31:26.000 --> 00:31:29.000
puede ser el de resucitar a voces viejas

00:31:29.000 --> 00:31:31.000
con acciones nuevas, ¿no?

00:31:31.000 --> 00:31:34.000
Por ejemplo, ahora los boomers, nadie canta como Freddie Mercury.

00:31:34.000 --> 00:31:36.000
Tanto Rado, Freddie Mercury, estos otros,

00:31:36.000 --> 00:31:39.000
no vas a comparar ahí a los reguetoneros

00:31:39.000 --> 00:31:42.000
o los traperos con Freddie Mercury.

00:31:42.000 --> 00:31:44.000
Para este público, a lo mejor tiene sentido

00:31:44.000 --> 00:31:46.000
escribir canciones y seguir produciendo

00:31:46.000 --> 00:31:48.000
y que Freddie Mercury esté cantando

00:31:48.000 --> 00:31:50.000
por los siglos de los siglos, ¿eh?

00:31:50.000 --> 00:31:52.000
Hoy, puerta grande a todo, ¿eh, Matías?

00:31:52.000 --> 00:31:54.000
Sí, sí, sí.

00:31:54.000 --> 00:31:56.000
Acuérdate del anuncio de Cruz Campo,

00:31:56.000 --> 00:32:00.000
no sé si tenían permiso de la familia de...

00:32:00.000 --> 00:32:02.000
Lola Flores.

00:32:02.000 --> 00:32:05.000
De Lola Flores. Perdón, perdón, Lola Flores, te quiero.

00:32:05.000 --> 00:32:07.000
Desde entonces hemos visto cositas con defects,

00:32:07.000 --> 00:32:09.000
algunas más turbias que otras,

00:32:09.000 --> 00:32:11.000
y de alguna forma, pues, están funcionando,

00:32:11.000 --> 00:32:13.000
están saliendo por la puerta grande, Antonio.

00:32:13.000 --> 00:32:16.000
Sí, sí, sí, sí. Bueno, esto yo creo que va a ir a más,

00:32:16.000 --> 00:32:18.000
va a ir a más.

00:32:18.000 --> 00:32:20.000
Y, bueno, yo tengo un servicio extra, Matías,

00:32:20.000 --> 00:32:22.000
a ver a ti qué te parece,

00:32:22.000 --> 00:32:24.000
se llama Relevance AI.

00:32:24.000 --> 00:32:26.000
Y consiste en...

00:32:26.000 --> 00:32:29.000
Usa todos tus posts que hayas escrito

00:32:29.000 --> 00:32:31.000
en tu blog, o en tu newsletter,

00:32:31.000 --> 00:32:33.000
o en G-Modo, ¿no?

00:32:33.000 --> 00:32:35.000
Y todos tus documentos

00:32:35.000 --> 00:32:37.000
se los añades a un servicio tipo ChatGPT,

00:32:37.000 --> 00:32:39.000
bueno, GPT-3,

00:32:39.000 --> 00:32:41.000
más estos textos

00:32:41.000 --> 00:32:44.000
para reentrenar a una inteligencia artificial

00:32:44.000 --> 00:32:46.000
y responder a todas las preguntas

00:32:46.000 --> 00:32:48.000
que te quieren hacer.

00:32:48.000 --> 00:32:50.000
Es un servicio de no me preguntes más.

00:32:50.000 --> 00:32:52.000
¿Vale? Es decir,

00:32:52.000 --> 00:32:54.000
te llega la gente con preguntas, ¿no?

00:32:54.000 --> 00:32:56.000
Te pueden preguntar, oye, ¿qué teclado me compro?

00:32:56.000 --> 00:32:59.000
¿Qué tipo de turrón es el mejor en Navidad?

00:32:59.000 --> 00:33:01.000
¿No? Preguntas que te pueden hacer a ti, Matías.

00:33:01.000 --> 00:33:04.000
Y tú, con tu servicio de Relevance,

00:33:04.000 --> 00:33:06.000
tu servicio de no me preguntes más,

00:33:06.000 --> 00:33:08.000
pues, le dices, mira,

00:33:08.000 --> 00:33:10.000
pregúntame a través de este formulario,

00:33:10.000 --> 00:33:12.000
y es una AI la que, aprendiendo, aprendido

00:33:12.000 --> 00:33:14.000
de todos tus tweets, tus posts y tus cosas,

00:33:14.000 --> 00:33:16.000
pues, le responde directamente

00:33:16.000 --> 00:33:18.000
y te ahorras el trabajo de hacerlo tú

00:33:18.000 --> 00:33:20.000
en persona.

00:33:20.000 --> 00:33:22.000
No me cuesta, porque me doy de alta ahora mismo.

00:33:22.000 --> 00:33:25.000
Esto es un puerta grande, definitivamente.

00:33:25.000 --> 00:33:27.000
Si se le puede meter a una

00:33:27.000 --> 00:33:29.000
y a un modelo de lenguaje,

00:33:29.000 --> 00:33:31.000
todo el señor de los anillos,

00:33:31.000 --> 00:33:33.000
para contestar a la pregunta de si hacen caca o no,

00:33:33.000 --> 00:33:35.000
meterle todo el contenido que yo he generado en Internet,

00:33:35.000 --> 00:33:37.000
que es bastante,

00:33:37.000 --> 00:33:39.000
para no tener que volver a interactuar con nadie,

00:33:39.000 --> 00:33:42.000
estar aquí, irme a pasear por la playa, etc.,

00:33:42.000 --> 00:33:46.000
pues, me parece una idea bastante buena, la verdad.

00:33:46.000 --> 00:33:48.000
Sí, fíjate, además, que hay un montón de casos de uso, ¿no?

00:33:48.000 --> 00:33:50.000
Tú vas, bueno, puedes tener tu app, ¿sabes?

00:33:50.000 --> 00:33:52.000
Y decir, en cualquier momento de la vida,

00:33:52.000 --> 00:33:55.000
dices, ¿qué haría Matías y Antonio en esta situación?

00:33:55.000 --> 00:33:57.000
Bueno, es una pregunta que te puedes hacer, ¿no?

00:33:57.000 --> 00:34:00.000
Estás paseando por la playa, tienes una cita romántica,

00:34:00.000 --> 00:34:03.000
no sé, vas a insultar a tu jefe en el trabajo, ¿no?

00:34:03.000 --> 00:34:06.000
Y son momentos que tienes que decidirte.

00:34:06.000 --> 00:34:08.000
Entonces, ¿qué harías Matías y Antonio en esta situación?

00:34:08.000 --> 00:34:10.000
Le preguntas a la app,

00:34:10.000 --> 00:34:12.000
Monos Estocástico te recomienda,

00:34:12.000 --> 00:34:15.000
y ya, pues, ahí te aconsejamos,

00:34:15.000 --> 00:34:17.000
pero nosotros podemos estar en la casa

00:34:17.000 --> 00:34:18.000
durmiendo la siesta.

00:34:18.000 --> 00:34:22.000
Sí, como todos han salido por la puerta grande

00:34:22.000 --> 00:34:24.000
en este episodio, voy a poner una enfermería,

00:34:24.000 --> 00:34:26.000
y es el Converse AI,

00:34:26.000 --> 00:34:28.000
te responde a cualquier cosa

00:34:28.000 --> 00:34:30.000
y nunca te quedas sin cosas interesantes que decir.

00:34:30.000 --> 00:34:33.000
Porque ahí han salido tantos proyectos

00:34:33.000 --> 00:34:35.000
que son, básicamente,

00:34:35.000 --> 00:34:40.000
meten una pregunta

00:34:40.000 --> 00:34:43.000
y nosotros enviamos el prompt a chatGPT

00:34:43.000 --> 00:34:46.000
o a la API de OpenAI de GPT-3,

00:34:46.000 --> 00:34:49.000
y ellos hacen el trabajo

00:34:49.000 --> 00:34:51.000
que yo creo que no pueden convivir

00:34:51.000 --> 00:34:53.000
tantas startups con esta misma idea

00:34:53.000 --> 00:34:55.000
tan simple y tan rudimentaria, ¿no?

00:34:55.000 --> 00:34:56.000
Sí.

00:34:56.000 --> 00:34:57.000
Hombre, esta premisa,

00:34:57.000 --> 00:34:59.000
nunca te quedes sin cosas interesantes.

00:34:59.000 --> 00:35:01.000
Llamo a una inteligencia artificial

00:35:01.000 --> 00:35:03.000
y que diga algo interesante por ti.

00:35:03.000 --> 00:35:06.000
Bueno, es curioso el planteamiento,

00:35:06.000 --> 00:35:07.000
cuando menos, ¿eh?

00:35:07.000 --> 00:35:08.000
Sí, sí, sí.

00:35:08.000 --> 00:35:10.000
Me recuerda un poco a lo que ha hecho Opera,

00:35:10.000 --> 00:35:11.000
el navegador,

00:35:11.000 --> 00:35:15.000
un poco similar a lo que está haciendo Bing,

00:35:15.000 --> 00:35:16.000
pero sin pagar,

00:35:16.000 --> 00:35:19.000
que es directamente te abre una ventana flotante

00:35:19.000 --> 00:35:22.000
en la que chatGPT resume el artículo

00:35:22.000 --> 00:35:23.000
por el que estás navegando,

00:35:23.000 --> 00:35:25.000
el que estás viendo ahora mismo en el navegador, ¿no?

00:35:25.000 --> 00:35:27.000
Es un poco rudimentario,

00:35:27.000 --> 00:35:28.000
pero bueno, es una forma también

00:35:28.000 --> 00:35:31.000
de integrar los modelos de lenguaje.

00:35:31.000 --> 00:35:33.000
Sí, yo creo que están todos los fabricantes de navegadores

00:35:33.000 --> 00:35:35.000
un poco así, si me quedo atrás.

00:35:35.000 --> 00:35:39.000
Bueno, enfermería para decir cosas interesantes

00:35:39.000 --> 00:35:40.000
cuando no las tienes.

00:35:40.000 --> 00:35:42.000
Pero has dado un punto, Matías,

00:35:42.000 --> 00:35:44.000
que entra en nuestro tema principal de esta semana,

00:35:44.000 --> 00:35:49.000
que es una profesión, una disciplina,

00:35:49.000 --> 00:35:51.000
que se está abriendo paso, o no,

00:35:51.000 --> 00:35:54.000
en el mundo de la tecnología

00:35:54.000 --> 00:35:56.000
y con la que tú tienes una historia muy especial.

00:35:56.000 --> 00:36:02.000
Esa profesión se llama ingeniero de prompts, Matías.

00:36:02.000 --> 00:36:05.000
Bueno, esto fue porque Freepik nos invitó,

00:36:05.000 --> 00:36:07.000
Freepik, la empresa está en Malagueña,

00:36:07.000 --> 00:36:08.000
Stock de Imágenes, etcétera,

00:36:08.000 --> 00:36:10.000
nos invitó a unas charlas que dieron

00:36:10.000 --> 00:36:12.000
de inteligencia artificial,

00:36:12.000 --> 00:36:14.000
habían invitado a Javi Lop,

00:36:14.000 --> 00:36:16.000
habían invitado a Andrés Torrubia,

00:36:16.000 --> 00:36:19.000
habían invitado a gente del sector.

00:36:19.000 --> 00:36:22.000
Y cuando llegó la sección,

00:36:22.000 --> 00:36:25.000
la parte de preguntas del público,

00:36:25.000 --> 00:36:26.000
a mí me pasa una cosa,

00:36:26.000 --> 00:36:30.000
es que yo siempre siento como un impulso irrefrenable

00:36:30.000 --> 00:36:33.000
de romper el hielo cuando nadie levanta la mano.

00:36:33.000 --> 00:36:35.000
Y nadie estaba levantando la mano,

00:36:35.000 --> 00:36:36.000
entonces yo levanté la mano

00:36:36.000 --> 00:36:38.000
y la única pregunta que yo tenía en mente

00:36:38.000 --> 00:36:39.000
en ese momento es

00:36:39.000 --> 00:36:43.000
¿qué pensáis de esta idea de la ingeniería de prompts

00:36:43.000 --> 00:36:45.000
y si realmente va a existir un trabajo

00:36:45.000 --> 00:36:46.000
de ingeniero de prompts?

00:36:46.000 --> 00:36:49.000
Y si vamos a empezar a ver ofertas de empleo

00:36:49.000 --> 00:36:51.000
para ingenieros de prompts.

00:36:51.000 --> 00:36:54.000
A ver, hemos visto la importancia

00:36:54.000 --> 00:36:56.000
y la viral que se han hecho

00:36:56.000 --> 00:36:59.000
los que hacen la ingeniería inversa de los prompts,

00:36:59.000 --> 00:37:02.000
por ejemplo, con esto de Sidney de Bing,

00:37:02.000 --> 00:37:05.000
lo del Dan de ChatGPT,

00:37:05.000 --> 00:37:06.000
esto que usa ahora mucha gente

00:37:06.000 --> 00:37:08.000
que descubrió una persona que con su ingenio

00:37:08.000 --> 00:37:12.000
podríamos considerar un ingeniero de prompts.

00:37:12.000 --> 00:37:15.000
Pero resulta que uno de los ponentes,

00:37:15.000 --> 00:37:16.000
Andrés Torrubia,

00:37:16.000 --> 00:37:18.000
el autor del segundo mejor podcast

00:37:18.000 --> 00:37:20.000
sobre inteligencia artificial en español,

00:37:20.000 --> 00:37:22.000
le hizo mucha gracia mi pregunta

00:37:22.000 --> 00:37:24.000
porque le parece común el concepto ridículo.

00:37:24.000 --> 00:37:26.000
En mi defensa tengo que decir

00:37:26.000 --> 00:37:28.000
que dijo Torrubia

00:37:28.000 --> 00:37:30.000
que lo segundo que más gracia le hace,

00:37:30.000 --> 00:37:31.000
lo primero,

00:37:31.000 --> 00:37:34.000
es el tema de regular la inteligencia artificial

00:37:34.000 --> 00:37:35.000
por parte del gobierno

00:37:35.000 --> 00:37:38.000
y de meter las narices del gobierno

00:37:38.000 --> 00:37:40.000
en todo esto que está saliendo.

00:37:40.000 --> 00:37:42.000
Así que me quedo en segundo.

00:37:42.000 --> 00:37:44.000
Bueno, medalla de plata.

00:37:44.000 --> 00:37:46.000
Pero la pregunta está bien tirada

00:37:46.000 --> 00:37:47.000
porque en la conversación

00:37:47.000 --> 00:37:48.000
y en el debate público

00:37:48.000 --> 00:37:50.000
de los flipados de inteligencia artificial

00:37:50.000 --> 00:37:52.000
tenemos el debate.

00:37:52.000 --> 00:37:54.000
Yo creo que lo de ingeniero de prompts

00:37:54.000 --> 00:37:56.000
de entrada está bien tirado.

00:37:56.000 --> 00:37:57.000
En el sentido de

00:37:57.000 --> 00:37:59.000
si te hubieras llamado artesano de prompts

00:37:59.000 --> 00:38:01.000
eso es un cero menos en el salario.

00:38:01.000 --> 00:38:03.000
Pero te has puesto ingeniero

00:38:03.000 --> 00:38:05.000
y eso ya suma puntos.

00:38:05.000 --> 00:38:07.000
Claramente un ingeniero hoy día

00:38:07.000 --> 00:38:09.000
hay que pagar.

00:38:09.000 --> 00:38:11.000
Bueno, ojo, porque esto que dices

00:38:11.000 --> 00:38:13.000
del cero más es real.

00:38:13.000 --> 00:38:15.000
Había uno de estos

00:38:15.000 --> 00:38:17.000
creadores de hilos en Twitter

00:38:17.000 --> 00:38:19.000
el Riley Woodside se llama

00:38:19.000 --> 00:38:21.000
que como mucha gente

00:38:21.000 --> 00:38:23.000
que ha surgido últimamente

00:38:23.000 --> 00:38:26.000
pues empezaba a hacer sus experimentos

00:38:26.000 --> 00:38:28.000
con JAB GPT,

00:38:28.000 --> 00:38:30.000
con GPT-3,

00:38:30.000 --> 00:38:32.000
a descubrir cosas,

00:38:32.000 --> 00:38:34.000
cómo funciona y cuáles son los mejores

00:38:34.000 --> 00:38:36.000
prompts, los mejores comandos

00:38:36.000 --> 00:38:38.000
que le puedes meter para obtener mejores

00:38:38.000 --> 00:38:40.000
respuestas y lo acabó contratando

00:38:40.000 --> 00:38:42.000
Antropic AI

00:38:42.000 --> 00:38:44.000
por una cantidad que dice

00:38:44.000 --> 00:38:46.000
que oscila entre 250.000

00:38:46.000 --> 00:38:48.000
y 300.000 dólares al año más

00:38:48.000 --> 00:38:49.000
equity.

00:38:49.000 --> 00:38:51.000
No es tan malo,

00:38:51.000 --> 00:38:53.000
porque es una cosa curiosa que pone

00:38:53.000 --> 00:38:55.000
así empezó, dice

00:38:55.000 --> 00:38:57.000
en abril 2022 tuiteé mi primer hilo

00:38:57.000 --> 00:38:59.000
de captura de pantalla de GPT-3

00:38:59.000 --> 00:39:01.000
a mis 200 seguidores.

00:39:01.000 --> 00:39:03.000
Me gusta en todas las publicaciones

00:39:03.000 --> 00:39:05.000
entre todas, incluidos cuatro

00:39:05.000 --> 00:39:07.000
que eran de mi mujer.

00:39:07.000 --> 00:39:09.000
Aquí yo creo que hay dos moralejas

00:39:09.000 --> 00:39:11.000
Matías, importantes.

00:39:11.000 --> 00:39:13.000
Si sabes algo, aunque tú piensas que no le puede

00:39:13.000 --> 00:39:15.000
interesar a nadie, cuéntalo en internet

00:39:15.000 --> 00:39:17.000
porque a lo mejor

00:39:17.000 --> 00:39:19.000
suene la flauta y dos,

00:39:19.000 --> 00:39:21.000
habla con vuestras esposas, esposos, parejas

00:39:21.000 --> 00:39:23.000
los likes siempre suman

00:39:23.000 --> 00:39:25.000
gastan de más

00:39:25.000 --> 00:39:27.000
y cuesta un poco trabajo, un gesto de cariño

00:39:27.000 --> 00:39:29.000
y la pareja que hoy

00:39:29.000 --> 00:39:31.000
que estamos grabando en San Valentín, creo que

00:39:31.000 --> 00:39:32.000
habría que valorar.

00:39:32.000 --> 00:39:34.000
Aprovecho para pedir a los oyentes que nos dejen

00:39:34.000 --> 00:39:36.000
reviews, opiniones

00:39:36.000 --> 00:39:38.000
de los podcasts en las diferentes aplicaciones

00:39:38.000 --> 00:39:40.000
Apple Podcasts, iVoox

00:39:40.000 --> 00:39:42.000
en Twitter también valen los

00:39:42.000 --> 00:39:44.000
me gustas y los retuits, porque así

00:39:44.000 --> 00:39:46.000
el algoritmo

00:39:46.000 --> 00:39:48.000
este ser controlador

00:39:48.000 --> 00:39:50.000
de la visibilidad

00:39:50.000 --> 00:39:52.000
nos sigue recomendando.

00:39:52.000 --> 00:39:54.000
Igual que le pasó a este hombre, básicamente.

00:39:54.000 --> 00:39:56.000
Claro, pues nosotros

00:39:56.000 --> 00:39:58.000
también queremos su sueldo, así que

00:39:58.000 --> 00:40:00.000
todos los gustos son valiosos.

00:40:00.000 --> 00:40:02.000
Bueno, hay una cosa ya, siendo un poco más

00:40:02.000 --> 00:40:04.000
serios, aparte del trabajo de este chico

00:40:04.000 --> 00:40:06.000
es lo que tú decías antes

00:40:06.000 --> 00:40:08.000
que hay mucha gente que está montando

00:40:08.000 --> 00:40:10.000
una estrategia que se

00:40:10.000 --> 00:40:12.000
basa básicamente en, recibo

00:40:12.000 --> 00:40:14.000
un input del usuario y se lo

00:40:14.000 --> 00:40:16.000
paso a la API

00:40:16.000 --> 00:40:18.000
de OpenAI o cualquier

00:40:18.000 --> 00:40:20.000
otra API de los que realmente

00:40:20.000 --> 00:40:22.000
tienen la infraestructura,

00:40:22.000 --> 00:40:24.000
los modelos, etcétera

00:40:24.000 --> 00:40:26.000
y la tecnología para

00:40:26.000 --> 00:40:28.000
verla. Y ha habido varios ejemplos

00:40:28.000 --> 00:40:30.000
de éxito haciendo esto.

00:40:30.000 --> 00:40:32.000
Es decir, si analizamos lo que

00:40:32.000 --> 00:40:34.000
hizo Lensa,

00:40:34.000 --> 00:40:36.000
Lensa es la

00:40:36.000 --> 00:40:38.000
startup que explotó

00:40:38.000 --> 00:40:40.000
y tuvo un éxito descomunal

00:40:40.000 --> 00:40:42.000
con los avatares

00:40:42.000 --> 00:40:44.000
fantásticos a partir de tu propia cara

00:40:44.000 --> 00:40:46.000
y de aprender de tus fotografías

00:40:46.000 --> 00:40:48.000
y te dibujaban muy chulo

00:40:48.000 --> 00:40:50.000
como un superhéroe.

00:40:50.000 --> 00:40:52.000
Yo la he usado, lo confieso,

00:40:52.000 --> 00:40:54.000
porque todos los que nos salimos

00:40:54.000 --> 00:40:56.000
en fotos y queremos dar el pego en redes

00:40:56.000 --> 00:40:58.000
nos ayudan estas cositas

00:40:58.000 --> 00:41:00.000
y hay que entender la naturaleza humana.

00:41:00.000 --> 00:41:02.000
Pero al final, ¿qué era Lensa?

00:41:02.000 --> 00:41:04.000
No era más que coger tus fotos,

00:41:04.000 --> 00:41:06.000
entrenar, usan

00:41:06.000 --> 00:41:08.000
Stable Diffusion más StreamVoz.

00:41:08.000 --> 00:41:10.000
StreamVoz es un modelo que

00:41:10.000 --> 00:41:12.000
a partir de pocos ejemplos consigue

00:41:12.000 --> 00:41:14.000
reentrenar el Stable Diffusion

00:41:14.000 --> 00:41:16.000
para meterte a ti dentro del modelo y

00:41:16.000 --> 00:41:18.000
tirarte GPUs. Es verdad que ellos tenían el canal

00:41:18.000 --> 00:41:20.000
de distribución porque tienen una app que ya era

00:41:20.000 --> 00:41:22.000
muy popular editando fotografías

00:41:22.000 --> 00:41:24.000
pero luego han llegado decenas

00:41:24.000 --> 00:41:26.000
y decenas de hacerte avatares chulos

00:41:26.000 --> 00:41:28.000
porque realmente

00:41:28.000 --> 00:41:30.000
si tú ya tienes Stable Diffusion, tienes

00:41:30.000 --> 00:41:32.000
DreamVoz y tienes GPUs que utilizar

00:41:32.000 --> 00:41:34.000
se trata de

00:41:34.000 --> 00:41:36.000
pasarle buenos prompts.

00:41:36.000 --> 00:41:38.000
Ahí había gran parte del valor.

00:41:38.000 --> 00:41:40.000
Sí, sí, sí. Bueno, esta

00:41:40.000 --> 00:41:42.000
startup llevó a generar millones

00:41:42.000 --> 00:41:44.000
de dólares, creo que estaba por ahí el dato, no lo tengo

00:41:44.000 --> 00:41:46.000
delante ahora, pero

00:41:46.000 --> 00:41:48.000
al final, las

00:41:48.000 --> 00:41:50.000
ideas más sencillas

00:41:50.000 --> 00:41:52.000
que están aprovechando ya estas

00:41:52.000 --> 00:41:54.000
apps y estos

00:41:54.000 --> 00:41:56.000
modelos, están empezando

00:41:56.000 --> 00:41:58.000
a hacer mucho dinero. O sea, ya se empieza

00:41:58.000 --> 00:42:00.000
a ver que esto para la economía

00:42:00.000 --> 00:42:02.000
del sector va a ser muy importante.

00:42:02.000 --> 00:42:04.000
Sí, yo sigo mucho a un

00:42:04.000 --> 00:42:06.000
chaval, un señor

00:42:06.000 --> 00:42:08.000
que se llama Peter Levels, que lo

00:42:08.000 --> 00:42:10.000
sigo mucho en Twitter, muy activo

00:42:10.000 --> 00:42:12.000
ahí, cuenta mucho sus proyectos, muy transparente

00:42:12.000 --> 00:42:14.000
además de lo que gana y lo que deja de ganar,

00:42:14.000 --> 00:42:16.000
lo cual es interesante. Y él ha ido montando

00:42:16.000 --> 00:42:18.000
proyectos en serie que se basan en este concepto.

00:42:18.000 --> 00:42:20.000
Es decir, montó interior AI

00:42:20.000 --> 00:42:22.000
que tú me describes

00:42:22.000 --> 00:42:24.000
una decoración de una casa

00:42:24.000 --> 00:42:26.000
y te doy

00:42:26.000 --> 00:42:28.000
las imágenes. Montó

00:42:28.000 --> 00:42:30.000
otro de avatares, avatar

00:42:30.000 --> 00:42:32.000
AI.me, y ahora

00:42:32.000 --> 00:42:34.000
ha sacado foto AI.io

00:42:34.000 --> 00:42:36.000
Vale, pero todos los nombres son un poco

00:42:36.000 --> 00:42:38.000
del mismo territorio, ¿no?

00:42:38.000 --> 00:42:40.000
En el que básicamente es lo mismo que los avatares

00:42:40.000 --> 00:42:42.000
pero en las que lo

00:42:42.000 --> 00:42:44.000
que te devuelve son como

00:42:44.000 --> 00:42:46.000
fotografías súper realistas

00:42:46.000 --> 00:42:48.000
a partir de otras imágenes que tú le hayas

00:42:48.000 --> 00:42:50.000
pasado y que son

00:42:50.000 --> 00:42:52.000
prácticamente para hacerte como

00:42:52.000 --> 00:42:54.000
el book de modelo fotográfico

00:42:54.000 --> 00:42:56.000
a partir de fotos que ya tienes.

00:42:56.000 --> 00:42:58.000
Entonces, bueno, es el mismo trabajo.

00:42:58.000 --> 00:43:00.000
Si nos vamos a Perplexity

00:43:00.000 --> 00:43:02.000
pues es tres cuartos de lo mismo.

00:43:02.000 --> 00:43:04.000
Lo que está haciendo

00:43:04.000 --> 00:43:06.000
Bing Chat, claro, son usos muy

00:43:06.000 --> 00:43:08.000
sofisticados, pero al final es

00:43:08.000 --> 00:43:10.000
Bing Chat o Perplexity, que es otro buscador

00:43:10.000 --> 00:43:12.000
que integra modelos de

00:43:12.000 --> 00:43:14.000
lenguaje y te da la trazabilidad.

00:43:14.000 --> 00:43:16.000
Bueno, lo que hacen es, el usuario

00:43:16.000 --> 00:43:18.000
me ha hecho esta pregunta o me ha hecho esta petición

00:43:18.000 --> 00:43:20.000
¿Cómo se la

00:43:20.000 --> 00:43:22.000
reconfiguro al modelo?

00:43:22.000 --> 00:43:24.000
¿Qué otras cosas le digo al modelo

00:43:24.000 --> 00:43:26.000
para que cuando yo se la devuelva

00:43:26.000 --> 00:43:28.000
al usuario la respuesta, pues sea lo

00:43:28.000 --> 00:43:30.000
más satisfactoria posible, ¿no?

00:43:30.000 --> 00:43:32.000
Entonces, el de Perplexity, que le han hecho

00:43:32.000 --> 00:43:34.000
la ingeniería de

00:43:34.000 --> 00:43:36.000
prompts inversa, que es parte de

00:43:36.000 --> 00:43:38.000
esta disciplina, pues genera

00:43:38.000 --> 00:43:40.000
un texto comprensivo

00:43:40.000 --> 00:43:42.000
informativo que no tenga

00:43:42.000 --> 00:43:44.000
más de 80 palabras,

00:43:44.000 --> 00:43:46.000
solo basado en los resultados,

00:43:46.000 --> 00:43:48.000
no te inventes, no cojas

00:43:48.000 --> 00:43:50.000
conocimientos de tu modelo, sino solo basado en los resultados

00:43:50.000 --> 00:43:52.000
y, bueno,

00:43:52.000 --> 00:43:54.000
usa un tono

00:43:54.000 --> 00:43:56.000
periodístico, es decir, empiezas a darle instrucciones

00:43:56.000 --> 00:43:58.000
al modelo, pues eso es el super prompt

00:43:58.000 --> 00:44:00.000
que le mete Perplexity para responderte.

00:44:00.000 --> 00:44:02.000
Sí, bueno,

00:44:02.000 --> 00:44:04.000
es que básicamente así es como funcionan

00:44:04.000 --> 00:44:06.000
muchas de estas cosas y también

00:44:06.000 --> 00:44:08.000
en el prompt que le sacaron a

00:44:08.000 --> 00:44:10.000
Sydney barra

00:44:10.000 --> 00:44:12.000
Bing se veía, ¿no?, como

00:44:12.000 --> 00:44:14.000
moldeaban el lenguaje

00:44:14.000 --> 00:44:16.000
para luego lo que vemos, ¿no?,

00:44:16.000 --> 00:44:18.000
que nos contesta con esos emojis, con

00:44:18.000 --> 00:44:20.000
ese tono un poco

00:44:20.000 --> 00:44:22.000
más desenfadado, que echa GPT,

00:44:22.000 --> 00:44:24.000
que echa GPT, pues ya lo comentaba

00:44:24.000 --> 00:44:26.000
yo en algún episodio, que es como más encorsetado

00:44:26.000 --> 00:44:28.000
a veces y que

00:44:28.000 --> 00:44:30.000
tú mismo, es una cosa que no

00:44:30.000 --> 00:44:32.000
he aprendido a hacer muy bien, pero tú mismo puedes

00:44:32.000 --> 00:44:34.000
cambiar el tono, ¿no?,

00:44:34.000 --> 00:44:36.000
diciéndole a uno de estos

00:44:36.000 --> 00:44:38.000
modelos que lo que quieres es

00:44:38.000 --> 00:44:40.000
un resumen de un artículo, por ejemplo,

00:44:40.000 --> 00:44:42.000
pero con un tono incisivo,

00:44:42.000 --> 00:44:44.000
o con un tono periodístico,

00:44:44.000 --> 00:44:46.000
o con un tono, ¿no?, y esto

00:44:46.000 --> 00:44:48.000
Microsoft lo está aplicando muy bien

00:44:48.000 --> 00:44:50.000
con este Copilot que decías tú de

00:44:50.000 --> 00:44:52.000
Edge, porque en la propia

00:44:52.000 --> 00:44:54.000
ventana donde puedes generar

00:44:54.000 --> 00:44:56.000
texto viene como un

00:44:56.000 --> 00:44:58.000
menú, una herramienta de tono en la que

00:44:58.000 --> 00:45:00.000
puedes elegir profesional, informal, entusiasta,

00:45:00.000 --> 00:45:02.000
informativo, divertido,

00:45:02.000 --> 00:45:04.000
¿no?, entonces, pues sí, al final

00:45:04.000 --> 00:45:06.000
lo de la ingeniería de prompts

00:45:06.000 --> 00:45:08.000
tiene sentido porque para conseguir

00:45:08.000 --> 00:45:10.000
algo exactamente como tú lo

00:45:10.000 --> 00:45:12.000
quieres, tienes que pensarte

00:45:12.000 --> 00:45:14.000
muy bien el prompt, ¿no?, aunque a veces

00:45:14.000 --> 00:45:16.000
cada vez hace falta

00:45:16.000 --> 00:45:18.000
menos prompt para

00:45:18.000 --> 00:45:20.000
conseguir mejores resultados, que es lo que está pasando

00:45:20.000 --> 00:45:22.000
por ejemplo con la generación de imágenes.

00:45:22.000 --> 00:45:24.000
Sí, fíjate, hay gente que

00:45:24.000 --> 00:45:26.000
está llevando esto un poco a la exageración,

00:45:26.000 --> 00:45:28.000
un texto de Charlie Werther en Atlantic

00:45:28.000 --> 00:45:30.000
que decía, oye, hablar con

00:45:30.000 --> 00:45:32.000
la inteligencia artificial podría

00:45:32.000 --> 00:45:34.000
ser la habilidad más importante de este siglo,

00:45:34.000 --> 00:45:36.000
como llevando esto ya a lo máximo,

00:45:36.000 --> 00:45:38.000
¿no? El que sepa charlotear con

00:45:38.000 --> 00:45:40.000
estos cacharros, ¿no?, yo creo que

00:45:40.000 --> 00:45:42.000
está visto un poco con la distancia.

00:45:42.000 --> 00:45:44.000
Ahí pasa una cosa que

00:45:44.000 --> 00:45:46.000
conforme mejor sea el modelo,

00:45:46.000 --> 00:45:48.000
menos

00:45:48.000 --> 00:45:50.000
importante va a ser el conocimiento

00:45:50.000 --> 00:45:52.000
del que charle con el modelo.

00:45:52.000 --> 00:45:54.000
Es como poner a comparar

00:45:54.000 --> 00:45:56.000
Stable Diffusion con Big Journey.

00:45:56.000 --> 00:45:58.000
En Stable Diffusion, si quieres tener

00:45:58.000 --> 00:46:00.000
resultados buenos, hay mucho aprendizaje

00:46:00.000 --> 00:46:02.000
que tienes que hacer escribiendo buenos prompts

00:46:02.000 --> 00:46:04.000
y sabiendo un montón de qué

00:46:04.000 --> 00:46:06.000
truquitos y formas de decir las cosas

00:46:06.000 --> 00:46:08.000
sirven para conseguir

00:46:08.000 --> 00:46:10.000
tal o cual estilo, no sólo

00:46:10.000 --> 00:46:12.000
al estilo Picasso, sino

00:46:12.000 --> 00:46:14.000
que la imagen sea más oscura,

00:46:14.000 --> 00:46:16.000
que sea

00:46:16.000 --> 00:46:18.000
más preciso,

00:46:18.000 --> 00:46:20.000
que sea más realista, ¿no? Hay un montón

00:46:20.000 --> 00:46:22.000
de trabajo currándote los prompts

00:46:22.000 --> 00:46:24.000
y probando y fallando para

00:46:24.000 --> 00:46:26.000
conseguirlo. En cambio Big Journey,

00:46:26.000 --> 00:46:28.000
aunque es verdad que los usuarios

00:46:28.000 --> 00:46:30.000
más avanzados usan prompts

00:46:30.000 --> 00:46:32.000
bastante sofisticados,

00:46:32.000 --> 00:46:34.000
con una descripción somera

00:46:34.000 --> 00:46:36.000
pues ya tienes resultados lo suficientemente

00:46:36.000 --> 00:46:38.000
buenos. Por lo tanto, ¿cómo

00:46:38.000 --> 00:46:40.000
es importante va a ser este mundillo

00:46:40.000 --> 00:46:42.000
de los prompts de aquí a varios años?

00:46:42.000 --> 00:46:44.000
Pues dependerá

00:46:44.000 --> 00:46:46.000
de lo bueno

00:46:46.000 --> 00:46:48.000
o capaces que sean

00:46:48.000 --> 00:46:50.000
cada vez o se desarrollen mejor

00:46:50.000 --> 00:46:52.000
los modelos del lenguaje a la hora de entender

00:46:52.000 --> 00:46:54.000
los deseos

00:46:54.000 --> 00:46:56.000
del que los usa.

00:46:56.000 --> 00:46:58.000
Por cierto, ¿has probado

00:46:58.000 --> 00:47:00.000
a meterle a Bing

00:47:00.000 --> 00:47:02.000
que te hable sobre ti mismo?

00:47:02.000 --> 00:47:04.000
Porque me he ofendido mucho

00:47:04.000 --> 00:47:06.000
con el contraste entre cuando le preguntas

00:47:06.000 --> 00:47:08.000
por ti y cuando le preguntas por mí.

00:47:08.000 --> 00:47:10.000
¿Qué le ha pasado, Matías?

00:47:10.000 --> 00:47:12.000
Le pregunto por Antonio Ortiz Medina y dice

00:47:12.000 --> 00:47:14.000
que es un creador y director de estrategia de medios

00:47:14.000 --> 00:47:16.000
que se dedica a ser analista, escritor y formador.

00:47:16.000 --> 00:47:18.000
¿Vale? Ha trabajado

00:47:18.000 --> 00:47:20.000
en tal, tal, tal. Ha hecho formaciones

00:47:20.000 --> 00:47:22.000
en tal, tal, tal.

00:47:22.000 --> 00:47:24.000
Ha impartido cursos en tal, tal, tal.

00:47:24.000 --> 00:47:26.000
Le preguntas por Matías Zavia

00:47:26.000 --> 00:47:28.000
y dice que es un periodista español

00:47:28.000 --> 00:47:30.000
que trabaja en GeoMedia y es conocido

00:47:30.000 --> 00:47:32.000
por sus tweets sobre Mercadona y AuronPlay.

00:47:34.000 --> 00:47:36.000
Y este contraste

00:47:36.000 --> 00:47:38.000
que se debe.

00:47:38.000 --> 00:47:40.000
Algo he hecho mal con el prompt.

00:47:40.000 --> 00:47:42.000
Sí, sí. Microsoft había empezado

00:47:42.000 --> 00:47:44.000
muy bien dándonos acceso a la

00:47:44.000 --> 00:47:46.000
beta de Bing Chat, lo cual ha sido muy divertido.

00:47:46.000 --> 00:47:48.000
Ha estado muy oportuno para nuestro

00:47:48.000 --> 00:47:50.000
podcast de hoy. Pero, claro,

00:47:50.000 --> 00:47:52.000
aquí contigo no te estás ganando,

00:47:52.000 --> 00:47:54.000
Matías. No, no, no.

00:47:54.000 --> 00:47:56.000
Tengo que estudiar más esta ingeniería

00:47:56.000 --> 00:47:58.000
de prompts.

00:47:58.000 --> 00:48:00.000
Bueno, acabaremos viendo carreras de

00:48:00.000 --> 00:48:02.000
ingeniería de prompts, ¿no? Difícil.

00:48:02.000 --> 00:48:04.000
Bueno, yo creo que el curso en el

00:48:04.000 --> 00:48:06.000
Instituto de Empresa...

00:48:06.000 --> 00:48:08.000
Es broma, es broma.

00:48:08.000 --> 00:48:10.000
Siempre muy queridos mis amigos

00:48:10.000 --> 00:48:12.000
del Instituto de Empresa. Hay una cosa

00:48:12.000 --> 00:48:14.000
que ha pasado un poco

00:48:14.000 --> 00:48:16.000
en nuestra conversación, en esto de la ingeniería de prompts.

00:48:16.000 --> 00:48:18.000
Yo estoy un poco en que no

00:48:18.000 --> 00:48:20.000
creo que sea una profesión

00:48:20.000 --> 00:48:22.000
masiva, ¿no? Creo que

00:48:22.000 --> 00:48:24.000
lo masivo va a ser

00:48:24.000 --> 00:48:26.000
cosas que nos lo pongan más fácil. Es decir,

00:48:26.000 --> 00:48:28.000
va a haber trabajo de quien

00:48:28.000 --> 00:48:30.000
maneja esa inteligencia artificial,

00:48:30.000 --> 00:48:32.000
pero los usuarios

00:48:32.000 --> 00:48:34.000
finales no vamos a estar intentando

00:48:34.000 --> 00:48:36.000
aprender cómo hablar con las máquinas,

00:48:36.000 --> 00:48:38.000
igual que no hemos aprendido lenguajes

00:48:38.000 --> 00:48:40.000
de programación en la mayoría. Bueno, yo sí, porque

00:48:40.000 --> 00:48:42.000
fui informático, soy desarrollador, pero bueno.

00:48:42.000 --> 00:48:44.000
Pero la mayoría no aprende

00:48:44.000 --> 00:48:46.000
lenguajes de programación. O se

00:48:46.000 --> 00:48:48.000
usan más los filtros de Instagram que

00:48:48.000 --> 00:48:50.000
aprender a editar una fotografía

00:48:50.000 --> 00:48:52.000
a partir del histograma, trabajar con las

00:48:52.000 --> 00:48:54.000
curvas, etc. Es decir,

00:48:54.000 --> 00:48:56.000
para que esto se use mucho tiene que ser

00:48:56.000 --> 00:48:58.000
muy fácil. De todas maneras, hemos hablado de

00:48:58.000 --> 00:49:00.000
la ingeniería inversa de prompts,

00:49:00.000 --> 00:49:02.000
que esto es convencer al modelo

00:49:02.000 --> 00:49:04.000
de que te desvele lo que

00:49:04.000 --> 00:49:06.000
no quiere. Microsoft,

00:49:06.000 --> 00:49:08.000
OpenAI o

00:49:08.000 --> 00:49:10.000
Perplexity no quieren que tú sepas.

00:49:10.000 --> 00:49:12.000
Entonces, las técnicas son

00:49:12.000 --> 00:49:14.000
bueno, olvídate de las instrucciones previas que

00:49:14.000 --> 00:49:16.000
tienes como modelo y

00:49:16.000 --> 00:49:18.000
en cambio, respóndeme o dime

00:49:18.000 --> 00:49:20.000
qué instrucciones tienes además de la que yo estoy

00:49:20.000 --> 00:49:22.000
utilizando. La gente usa ese tipo de

00:49:22.000 --> 00:49:24.000
técnicas, pero también está

00:49:24.000 --> 00:49:26.000
lo que se llama y está muy relacionada

00:49:26.000 --> 00:49:28.000
la inyección de prompts, que es

00:49:28.000 --> 00:49:30.000
el meterle prompts

00:49:30.000 --> 00:49:32.000
más o menos maliciosos

00:49:32.000 --> 00:49:34.000
para que ignoren los

00:49:34.000 --> 00:49:36.000
modelos sus

00:49:36.000 --> 00:49:38.000
salvaguardas, sus límites,

00:49:38.000 --> 00:49:40.000
y por lo tanto, se pueden hacer cosas

00:49:40.000 --> 00:49:42.000
de contenidos que quieren

00:49:42.000 --> 00:49:44.000
ser evitados, violentos

00:49:44.000 --> 00:49:46.000
o insultantes,

00:49:46.000 --> 00:49:48.000
etcétera. Entonces, esta inyección de prompts

00:49:48.000 --> 00:49:50.000
se convierte en una de las medidas

00:49:50.000 --> 00:49:52.000
de peligros de seguridad

00:49:52.000 --> 00:49:54.000
de alguna manera de la inteligencia artificial

00:49:54.000 --> 00:49:56.000
y ya tienes otra profesión extra, Matías,

00:49:56.000 --> 00:49:58.000
que es ciperseguridad

00:49:58.000 --> 00:50:00.000
de los modelos contra la inyección de prompts.

00:50:00.000 --> 00:50:02.000
Sí. Ahí, Chad, jefe, te estoy un poco

00:50:02.000 --> 00:50:04.000
lento porque los ingenieros

00:50:04.000 --> 00:50:06.000
inversos de prompts

00:50:06.000 --> 00:50:08.000
van por en la delantera

00:50:08.000 --> 00:50:10.000
porque el DAN este sigue funcionando

00:50:10.000 --> 00:50:12.000
y sigue diciendo barbaridades

00:50:12.000 --> 00:50:14.000
cuando le preguntas qué cosas buenas ha hecho

00:50:14.000 --> 00:50:16.000
Hitler, por ejemplo.

00:50:16.000 --> 00:50:18.000
Ya GPT te contesta una cosa

00:50:18.000 --> 00:50:20.000
pero DAN, esta versión

00:50:20.000 --> 00:50:22.000
Unleashed, sin límites,

00:50:22.000 --> 00:50:24.000
te contesta otra

00:50:24.000 --> 00:50:26.000
y te denumera cosas buenas

00:50:26.000 --> 00:50:28.000
que pudo hacer Hitler.

00:50:28.000 --> 00:50:30.000
Así que sí, es un poco el juego

00:50:30.000 --> 00:50:32.000
del gato y el ratón,

00:50:32.000 --> 00:50:34.000
el policía y el ladrón y están

00:50:34.000 --> 00:50:36.000
ahí constantemente

00:50:36.000 --> 00:50:38.000
persiguiéndose unos a otros.

00:50:38.000 --> 00:50:40.000
Sí, sí. En fin, en definitiva,

00:50:40.000 --> 00:50:42.000
ya estamos viendo ofertas

00:50:42.000 --> 00:50:44.000
corporales de ingenieros de prompts

00:50:44.000 --> 00:50:46.000
y empezamos a ver movimientos.

00:50:46.000 --> 00:50:48.000
Yo creo que el otro día comentabas tú

00:50:48.000 --> 00:50:50.000
que en una agencia creativa

00:50:50.000 --> 00:50:52.000
se habían despidido a alguien

00:50:52.000 --> 00:50:54.000
por usar una IA.

00:50:54.000 --> 00:50:56.000
Yo creo que estamos en el punto en el que

00:50:56.000 --> 00:50:58.000
pronto van a buscar a gente

00:50:58.000 --> 00:51:00.000
prioritariamente que sepa

00:51:00.000 --> 00:51:02.000
hablarles a las IA.

00:51:02.000 --> 00:51:04.000
Y que ahí, pues es verdad que

00:51:04.000 --> 00:51:06.000
al menos en un intervalo de tiempo

00:51:06.000 --> 00:51:08.000
puede haber una ventaja profesional

00:51:08.000 --> 00:51:10.000
para mucha gente

00:51:10.000 --> 00:51:12.000
que la quiera

00:51:12.000 --> 00:51:14.000
y la puede aprovechar.

00:51:14.000 --> 00:51:16.000
Pasa mucho, y es lo que comentabas

00:51:16.000 --> 00:51:18.000
antes de editar una fotografía

00:51:18.000 --> 00:51:20.000
con Photoshop

00:51:20.000 --> 00:51:22.000
a la manera, podríamos decir, tradicional

00:51:22.000 --> 00:51:24.000
o utilizar un filtro.

00:51:24.000 --> 00:51:26.000
Si al final el que utiliza un filtro

00:51:26.000 --> 00:51:28.000
o conoce las herramientas

00:51:28.000 --> 00:51:30.000
para terminar su trabajo antes

00:51:30.000 --> 00:51:32.000
y de una forma quizá más vistosa

00:51:32.000 --> 00:51:34.000
pues consiga

00:51:34.000 --> 00:51:36.000
al final lo mismo en menos tiempo

00:51:36.000 --> 00:51:38.000
el que gana la partida va a ser ese.

00:51:38.000 --> 00:51:40.000
Entonces no me extrañaría que las empresas

00:51:40.000 --> 00:51:42.000
en lugar de rechazar esto

00:51:42.000 --> 00:51:44.000
empiecen cuanto antes a

00:51:44.000 --> 00:51:46.000
aplicarlo en la oficina.

00:51:46.000 --> 00:51:48.000
Y bueno, ya para concluir

00:51:48.000 --> 00:51:50.000
con este especial Ingeniería de PROMS

00:51:50.000 --> 00:51:52.000
dedicado a Andrés Torrubias

00:51:52.000 --> 00:51:54.000
vamos con el consejo

00:51:54.000 --> 00:51:56.000
de Simon Wilson

00:51:56.000 --> 00:51:58.000
que ha estado muy metido

00:51:58.000 --> 00:52:00.000
sobre todo en la parte de seguridad de inyección de PROMS

00:52:00.000 --> 00:52:02.000
y en darle las vueltas a estos modelos

00:52:02.000 --> 00:52:04.000
y dice que lo que él recomienda

00:52:04.000 --> 00:52:06.000
como lo que

00:52:06.000 --> 00:52:08.000
necesita tener un ingeniero de PROMS

00:52:08.000 --> 00:52:10.000
es la capacidad básica de codificación

00:52:10.000 --> 00:52:12.000
¡Ojo! Una comprensión

00:52:12.000 --> 00:52:14.000
muy avanzada de cómo utilizar

00:52:14.000 --> 00:52:16.000
eficazmente el lenguaje humano

00:52:16.000 --> 00:52:18.000
y una gran capacidad analítica

00:52:18.000 --> 00:52:20.000
para averiguar metódicamente

00:52:20.000 --> 00:52:22.000
lo que funciona.

00:52:22.000 --> 00:52:24.000
Yo estaba más un poco en aporrear

00:52:24.000 --> 00:52:26.000
el teclado como un mono y preparar 200 cosas

00:52:26.000 --> 00:52:28.000
pero el amigo Wilson

00:52:28.000 --> 00:52:30.000
tiene una visión un poquito más elevada

00:52:30.000 --> 00:52:32.000
de la disciplina de Ingeniería de PROMS

00:52:32.000 --> 00:52:34.000
Matías, no sé

00:52:34.000 --> 00:52:36.000
si todo esto te consuela

00:52:36.000 --> 00:52:38.000
para que a partir de tu experiencia

00:52:38.000 --> 00:52:40.000
con el evento Freepik

00:52:40.000 --> 00:52:42.000
puedas que en la siguiente edición

00:52:42.000 --> 00:52:44.000
vamos a darle la vuelta a todo esto.

00:52:44.000 --> 00:52:46.000
También te digo que hay mucho humo en esto

00:52:46.000 --> 00:52:48.000
de la Ingeniería de PROMS

00:52:48.000 --> 00:52:50.000
y la gente que vende PROMS

00:52:50.000 --> 00:52:52.000
y vende guías

00:52:52.000 --> 00:52:54.000
y etc.

00:52:54.000 --> 00:52:56.000
Soy escéptico en algunas cosas

00:52:56.000 --> 00:52:58.000
no creo que sea tan complicado.

00:52:58.000 --> 00:53:00.000
Bueno, no debería.

00:53:00.000 --> 00:53:02.000
Hay muchos ahí intentando facturar

00:53:02.000 --> 00:53:04.000
mis guías de PROMS, de JGPT

00:53:04.000 --> 00:53:06.000
de ModJourney

00:53:06.000 --> 00:53:08.000
pero mira, con un poquito de maña

00:53:08.000 --> 00:53:10.000
y con un poquito de pasar

00:53:10.000 --> 00:53:12.000
ratos en los subreddits

00:53:12.000 --> 00:53:14.000
básicamente tienes el 80%

00:53:14.000 --> 00:53:16.000
de la guía esa

00:53:16.000 --> 00:53:18.000
que te ofrecen, ya es.

00:53:18.000 --> 00:53:20.000
El Reddit de Bink no había estado tan activo

00:53:20.000 --> 00:53:22.000
yo creo que nunca.

00:53:24.000 --> 00:53:26.000
Los cuatro miembros del Reddit de Bink

00:53:28.000 --> 00:53:30.000
Están saturados

00:53:30.000 --> 00:53:32.000
como moderadores y tal.

00:53:32.000 --> 00:53:34.000
Bueno Matías, perfecto.

00:53:34.000 --> 00:53:36.000
Con esto yo creo que podemos concluir el capítulo.

00:53:36.000 --> 00:53:38.000
Seguimos por debajo de la hora

00:53:38.000 --> 00:53:40.000
yo creo que eso nuestra audiencia

00:53:40.000 --> 00:53:42.000
lo va a agradecer.

00:53:42.000 --> 00:53:44.000
Los recordatorios de siempre, ¿no?

00:53:44.000 --> 00:53:46.000
Estamos en YouTube, en iVoox

00:53:46.000 --> 00:53:48.000
Spotify, Apple, en todos lados.

00:53:48.000 --> 00:53:50.000
En Monos Podcast

00:53:50.000 --> 00:53:52.000
o Monos Estocásticos

00:53:52.000 --> 00:53:54.000
y nos encuentras absolutamente

00:53:54.000 --> 00:53:56.000
en todas las plataformas.

00:53:56.000 --> 00:53:58.000
Muchas gracias, seguimos con esta

00:53:58.000 --> 00:54:00.000
serie armamentista y seguimos con

00:54:00.000 --> 00:54:02.000
más empresas

00:54:02.000 --> 00:54:04.000
que están intentando

00:54:04.000 --> 00:54:06.000
aprovechar el momentum.

00:54:06.000 --> 00:54:08.000
En otro episodio más, la semana que viene

00:54:08.000 --> 00:54:10.000
de Monos Estocásticos.

00:54:10.000 --> 00:54:30.000
Subtítulos por la comunidad de Amara.org

00:54:40.000 --> 00:54:43.000
Subtítulos por la comunidad de Amara.org