¡GPTs ya está aquí! Cómo crear tus propios GPTs y las oportunidades de negocio ocultas 72

0:00Hola a todos, hace apenas tres horas OpenAI lanzó la versión oficial de los GPTs y luego permitió que todos los usuarios de GPT Plus pudieran crear sus propias

0:12aplicaciones dentro de esta GPT Store. Nosotros lo probamos de inmediato y hoy traemos un análisis sobre qué tal son realmente los GPTs. Bienvenidos a un nuevo episodio de nuestro vídeo

0:23En primer lugar, como siempre, vamos a crear manualmente uno de estos GPTs para mostrároslo y explicar qué funciones tiene. Primero, abrimos "create"

0:34Después de llegar a esta interfaz de GPTs, tienes muchísimas opciones. Hacemos clic en "Configure". Lo primero será elegir un avatar

0:42Puedes subir un avatar o generarlo con "DALL·E". Luego, le pones un nombre y una descripción. El ejemplo que yo uso aquí es de unos vídeos que hicimos antes

0:52sobre qué fuentes de información hay para ver noticias de IA. En este caso, he pensado en hacer un "GitHub Summary" para ver qué proyectos nuevos hay en GitHub

1:02y que me haga un resumen. Luego lo cambio aquí. "GitHub". Las instrucciones son

1:08lo que el GPT debe hacer, cómo debe comportarse y qué debe evitar. En realidad es un proceso de prompt engineering

1:16Puedes añadir muchos prompts complejos. Aquí le he puesto prompts muy sencillos: puede hacer estas cosas y "read the GitHub trending repo"

1:24y sacar la información de ahí. Aquí añado otra frase. Vale, aquí he añadido dos frases para guiar su comportamiento. La primera es que si ve una URL, primero debe visitarla y luego

1:42buscar dentro de la información obtenida. Y la segunda es que intente visitar esos enlaces, intente visitar esos enlaces. Vale. La tercera parte es la del prompt de inicio

1:49que sugiere al usuario qué buscar. Por ejemplo, aquí decimos "What's trending in GitHub right now", es decir, le indicamos al usuario

1:55que puede hacer este tipo de preguntas. Esto es algo que muchas herramientas de IA necesitan hacer, porque guía al usuario de forma eficaz sobre cómo utilizar la herramienta

2:04Vale. Luego está el apartado de "Knowledge" del que ya hablamos. Si subes archivos aquí

2:11OpenAI los convierte automáticamente en embeddings y luego realiza una búsqueda por similitud para encontrar la información relevante

2:18Pero, como siempre, hay que recordar que la capacidad de búsqueda y la capacidad de imitación de los modelos de lenguaje grandes no son lo mismo. Muchas veces pueden dar el mismo resultado

2:28pero la funcionalidad detrás es distinta. Muchas veces, la razón por la que necesitamos una base de datos es porque queremos

2:36que la respuesta encuentre elementos similares dentro del material que tú proporcionas y luego, mediante la capacidad del gran modelo de lenguaje

2:44genere una respuesta que parezca fiable. Aquí no voy a proporcionar ninguna plantilla, pero si quieres hacer, por ejemplo, una presentación personal o quieres usar textos de series, películas o tutoriales

2:58como base de conocimiento, es lo más efectivo, es lo más efectivo. Vale. Luego, en cuanto a "Capabilities", la capacidad de navegación web hay que activarla sí o sí. "DALL·E" es opcional, pero "Code Interpreter" también es muy recomendable. Como ya dijimos, "Code Interpreter" puedes entenderlo como un agente de IA. Lo que hace en realidad es ReAct, es decir, "Reasoning and Acting"

3:23primero razona sobre lo que debe hacer y luego lo hace. Así que "Code Interpreter" representa por detrás la lógica de un agente. Por supuesto, también tiene la capacidad de ejecutar código. Son dos cosas que van de la mano. Para más detalles, podéis ver nuestros vídeos anteriores

3:32hay uno dedicado exclusivamente a "Code Interpreter". Vale. Por último está "Actions"

3:38Puedes entender "Actions" como las "tools" dentro de un agente. Si conoces LangChain

3:45en realidad es el mismo concepto de "tool", el concepto de herramienta. Aquí añado "Actions" para añadir "tools" ejecutables. Si hacemos clic en "Add Action"

3:55en realidad hay que importar un esquema. ¿Qué es ese esquema? Puedes entenderlo como una especificación. Vamos a importar el ejemplo del tiempo

4:01para que lo veas. La especificación describe: vale, el nombre de esta "tool", qué es lo que hace

4:12y que ahora se invoca mediante una API, cómo es esa API y qué hace cada ruta dentro de la API, cómo se debe invocar

4:22y qué información hay que proporcionar. Al mismo tiempo está el tema de "authorization". Por ejemplo, si la API usa API key, hay que proporcionarla. Al mismo tiempo, el "authorization"... por ejemplo

4:26la API usa API key, así que hay que proporcionar la API key. Si la API usa

4:32un método de autorización, tienes que proporcionar el método correspondiente. Así que el punto clave es que al añadir "tools" amplías lo que tu GPT puede hacer

4:44Si miras esta descripción de ponerle nombre, es exactamente igual que añadir una "tool" o personalizar tu "tool" en LangChain

4:50no hay ninguna diferencia. Por eso insistimos en que debes aprender el enfoque de LangChain, aunque no necesariamente tengas que usarlo

4:56Si aprendes LangChain, entenderás por qué construye herramientas de esta forma. Vale. Entonces

5:02podemos añadir esto. Al volver, vemos que la acción del tiempo ya se ha añadido

5:10Así que es un buen ejemplo de cómo añadir esta "tool". Una vez configurado todo esto, puedes hacer clic en "Update" aquí y publicarlo

5:17para que lo vea todo el mundo, o solo para algunas personas, o hacerlo público. Vale, hacemos clic en "Confirm"

5:24Ahora vamos a probarlo. Como veis, está realizando una búsqueda en la web y accediendo a una página web

5:37Pero quiero advertiros de que esta navegación no siempre da resultados especialmente precisos

5:45sigue habiendo alucinaciones. Por ejemplo, aquí dice "I cannot directly view the content of GitHub trending page", es decir, no puede acceder directamente a

6:00ver qué es lo más popular en GitHub ahora mismo, y puedes acceder tú mismo. Es muy sencillo: si yo puedo acceder por mí mismo, ¿para qué te necesito a ti? Esta es una de las limitaciones de la herramienta de GPT y es lo que hoy queremos destacar

6:13Primero, estamos en un momento en el que los GPTs acaban de lanzarse, las nuevas funciones de GPT acaban de aparecer y todo el mundo está en un momento de mucha euforia

6:25Se prevé que en las próximas una o dos semanas aparecerán muchísimas aplicaciones, y yo también estoy haciendo cosas open source. Todo esto es para que la gente despliegue su ingenio. Pasada esta fase

6:35aparecerá gente diciendo que esto no funciona bien, porque después de usarlo sabemos cuál es su límite, siempre hay un límite, y cuando llega a ese límite no puede pasar

6:42¿verdad? En ese momento sabremos cuáles son sus restricciones. Igual que el problema que hemos visto ahora: no puede acceder directamente a esta web

6:50o a veces funciona y a veces no, habrá muchas quejas. Y en la tercera etapa, todo el mundo descubre que tú puedes hacerlo y yo también. Cuando toda la tecnología está madura, empieza la competencia

6:58Tú haces algo con esta herramienta y yo en dos o tres minutos te lo copio y lo cambio por otra cosa nueva. Y ese nuevo producto

7:04puede que tenga uno o dos proyectos que salgan adelante. Pero por mucho que cambien las cosas, la esencia sigue siendo la misma: las barreras de entrada serán cada vez más bajas porque es un "wrapper". Así que las barreras serán cada vez menores

7:14Ahora ya vemos esta tendencia con los GPTs. Como todo el mundo puede crear herramientas, habrá cientos de ellas, pero las realmente útiles serán poquísimas

7:27Muchas veces, tener la capacidad de usar estas herramientas cubre tu propio flujo de trabajo. En mi día a día uso la IA simplemente porque se adapta a mi flujo de trabajo

7:41 Pero si quieres encontrar una aplicación unificada que pueda resolver problemas muy grandes, personalmente creo que es muy difícil. La razón principal es que las barreras de entrada son demasiado bajas. Entonces, como desarrollador, si quieres crear tus GPTs y construir tu competitividad

7:58 ¿dónde está lo más importante? Lo más importante está en dos lugares. El primero es el conocimiento: ¿el conocimiento que ofreces en este lugar es diferente al de los demás? Esto es muy importante. El segundo es la acción

8:09 Esta capacidad de añadir herramientas. La acción en este aspecto tiene muchas cosas que podemos expandir; por ejemplo, si conectas la interfaz de Twitter, puedes hacer que el GPT te ayude a publicar tuits

8:20 leer Twitter, leer las tendencias de Twitter y luego puedes hacer análisis de datos basándote en estas cosas, leer las tendencias de moda recientes, leer las reproducciones de YouTube

8:33 Siempre que estas cosas tengan datos respaldándolos, si creas un middleware de API, podrás convertir estos datos externos en datos

8:42 procesados por modelos de lenguaje grandes, y entonces可能会有一些用处 (puede haber alguna utilidad). Así que si quieres hacer aplicaciones relacionadas, concéntrate en este aspecto

8:50 function, function call, cómo aprovechar bien la acción, cómo hacer el middleware intermedio y luego conectar estas aplicaciones entre sí

8:57 Así que el empoderamiento mencionado anteriormente tiene un espacio imaginativo enorme, ¿de acuerdo? Todos deben asegurarse de probar esto

9:05 y crear sus propias API, ¿de acuerdo? Bueno, el contenido principal de hoy es todo esto. Les he mostrado cómo crear GPTs y luego los he probado; aunque el efecto no es del todo satisfactorio, la idea general es esa. Y la tercera parte es hablar sobre sus limitaciones y oportunidades. Bueno, el contenido principal de hoy es todo esto. Si tienes alguna duda o quieres discutir algo, deja un comentario debajo del video

9:25 Si crees que nuestros videos están bastante bien,，欢迎点赞收藏订阅评论转发我们的频道，这对我们的视频做得好的话，欢迎点赞、收藏、订阅、评论、转发我们的频道，这对我们的视频做得好的话，这对我们的视频做得好的话，这对我们的视频做得好的话，这对我们的视频做得好的话，这对我们的视频做得好的话，这对我们的视频做得好的话，这对我们的视频做得好的话，这对我们的视频做得好的话，这对我们的视频做得好的话，这对我们来说非常重要，感谢你的收看

9:31祝你学习顺利 (Te deseo un aprendizaje exitoso)