Creando un GPT personalizado Lecciones y consejos

Creando un GPT personalizado Lecciones y consejos para brillar en belleza y moda

De la entusiasmo a la decepción y finalmente el camino hacia las soluciones y la apreciación

El martes pasado (6 de noviembre de 2023), Sam Altman (CEO de OpenAI) anunció el lanzamiento de los GPTs, que permiten a cualquier persona crear un ChatGPT personalizado utilizando lenguaje natural.

Como mucha gente, me subí al tren del entusiasmo y pasé mis días y noches en ello durante las últimas semanas, hasta el punto en que sentía que mi cerebro se estaba derritiendo. Fue una montaña rusa emocional, ya que primero quedé asombrado, luego decepcionado. Pero finalmente, encontré soluciones a los problemas, acepté las limitaciones y ahora estoy entusiasmado al respecto.

Lo que encontrarás en este artículo: En este artículo, primero presentaré mi Aplicación para proporcionar contexto, luego pasaré por las tres fases: Entusiasmo (¿Cómo funciona esto?), Decepción (¿Cuáles son los problemas?) y Aceptación (¿Cómo resolver los problemas y aceptar las limitaciones?).

1. Mi Aplicación: The Causal Mindset

He estado en una misión para hacer que la inferencia causal sea accesible durante años, para ayudar a las personas a tomar mejores decisiones y reducir el riesgo de manipulaciones. Durante la última década, enseñé estadística a unas 12,000 personas, principalmente en el ámbito académico. Además de las clases teóricas y empíricas, creé un marco, “The Causal Mindset”, que es básicamente un conjunto de herramientas prácticas de pensamiento crítico (sin matemáticas) basadas en inferencia causal y estadística (publico semanalmente en LinkedIn e Instagram).

• Investigando un Chatbot de Informe de Situación de Desastre Humanitario – Utilizando GPT-4-Turbo y solicitud de contexto completo
• Principal Financial Group utiliza la solución de análisis posterior a la llamada de AWS para extraer información sobre los clientes omnicanal
• ¿Qué es la generación aumentada por recuperación?

Distinguir entre hechos y ficción es crucial para tomar decisiones informadas y protegerse de la manipulación. Desafortunadamente, esta tarea se está volviendo cada vez más desafiante frente a la abrumadora avalancha de información; la desinformación, los artículos engañosos y las mentiras descaradas abundan.

Verificar los hechos no siempre es práctico, ya que puede ser un proceso que consume mucho tiempo y a menudo asume que hay una respuesta “correcta” definitiva disponible.

El objetivo de esta aplicación es ofrecer una herramienta versátil que se pueda utilizar en cualquier momento y lugar para descubrir fallos en los argumentos y mejorar la toma de decisiones. Además, busca empoderarte con estas herramientas de pensamiento crítico, fomentando la independencia de la propia aplicación.

¿Cómo funciona mi aplicación? Puedes compartir una declaración, un gráfico o una reflexión con el Chatbot y aplicará el Marco de The Causal Mindset para analizar y cuestionar la validez de la afirmación.

Puedes encontrar ejemplos o probarlos tú mismo en thecausalmindset.com. Pero ese no es el punto de este artículo. En cambio, quiero presentarte lo que aprendí durante el proceso que podría ser útil para ti.

2. Entusiasmo (¿Cómo funciona esto?)

Ahora, si tienes acceso a ChatGPT Plus, puedes ingresar al “parque de juegos” y crear tu propio GPT personalizado. OpenAI ya ha lanzado algunos de sus GPTs caseros (así es como la empresa los llama) y planea lanzar una “tienda de aplicaciones” de los GPTs producidos por los usuarios en un futuro próximo (cf: https://openai.com/blog/introducing-gpts).

El aspecto fundamental es que, en lugar de programar, utilizas lenguaje natural para configurar y ajustar la aplicación. Así es como se ve este parque de juegos:

A la izquierda, puedes chatear con el Constructor de GPT para configurar las cosas, y a la derecha, puedes probarlo. Entonces, básicamente, así fue como empecé. Dí instrucciones, pedí consejo también al constructor, y probé el resultado a la derecha.

En la parte superior izquierda, también puedes hacer clic en Configurar, y allí tienes acceso a otros aspectos de la aplicación directamente (ver imagen abajo). También puedes completar todos esos campos discutiendo con el Constructor de GPT en la pestaña “Crear”. Ten en cuenta que el Constructor puede decidir adaptar el contenido de esos campos dependiendo de la conversación que tengas (esto será importante en la próxima parte).

Puedes agregar un ícono o generarlo con Dall-E en la conversación. También puedes agregar una descripción que siempre estará visible junto al nombre de la aplicación. Luego tienes la parte de las instrucciones: ¿Qué hace este GPT? ¿Cómo se comporta? ¿Qué debería evitar hacer? Finalmente, tienes los iniciadores de conversación que las personas pueden elegir para probar la aplicación.

Debajo tienes opciones adicionales:

Conocimiento: esta es la base de conocimientos. Puedes colocar archivos y tu GPT priorizará la información proveniente de esta parte. Por lo tanto, esto es clave para distinguirse del ChatGPT básico.

Capacidades: También puedes seleccionar sus capacidades: navegación web, generación de imágenes Dall-e e intérprete de código.

Acciones: El botón Agregar acciones: “Puedes hacer que las APIs de terceros estén disponibles para tu GPT proporcionando detalles sobre los puntos finales, parámetros y una descripción de cómo el modelo debería usarlo”.

Al principio, fue increíble. Se sentía como entrenar a alguien. Le di a mi GPT mi base de conocimientos (mis artículos, la transcripción de mi TEDx y el libro que escribí sobre mi marco conceptual “The Causal Mindset”). Fue fascinante, parecía como si estuviera en la Matrix. En lugar de leer mi libro, lo subiría a una máquina y las personas podrían acceder al conocimiento dentro de él.

Pero rápidamente, todo empezó a desmoronarse.

3. Desilusión (¿Cuáles son los problemas?)

De manera similar a enseñarle a alguien, el GPT comenzaría a olvidar cosas. Entonces, comencé a arreglar de nuevo cosas que ya había arreglado antes. Cuando se resolvía el último problema, me daba cuenta de que algo más había cambiado y tenía que arreglarlo de nuevo. Así que muy rápidamente quedé atrapado en un bucle y eso me volvía loco. Peor aún, el modelo seguía cambiando los iniciadores de conversación, las instrucciones, la descripción, etc. Otras personas que estaban trabajando en esto sentían lo mismo.

Algunos colegas y amigos desecharon la cosa y afirmaron que era demasiado preliminar. Yo no lo hice.

Luego, también me di cuenta de que los usuarios podían encontrar mi base de conocimientos, mis instrucciones e incluso la conversación que utilicé para construir la aplicación (‘inyección de consigna’). Esto también fue bastante decepcionante (ver imagen abajo).

4. Aceptación (¿Cómo solucionar los problemas y aceptar las limitaciones?)

No iba a rendirme tan fácilmente. Así que aquí están las soluciones que encontré para todos esos problemas:

4.1 Privacidad

Renuncié a los aspectos de privacidad y solo compartí contenido que ya había compartido en línea y que cualquiera podía acceder (no es una solución adecuada para todos y todas las situaciones). Además, en lugar de tratar de proteger cómo instruí a mi modelo, pensé que sería mejor compartirlo para permitir que otras personas mejoren sus GPTs (de ahí este artículo). Así que abracé el aspecto de “código abierto”. Ten en cuenta que podrían estar trabajando en este aspecto y desactivar el Intérprete de Código podría reducir ligeramente los riesgos.

4.2 Guía del Usuario

Cuando llegas a la aplicación, tienes información limitada. Tengo un sitio web completo con ejemplos y una guía en otro lugar (thecausalmindset.com) pero en la aplicación misma, solo tienes tu breve descripción que a menudo no es suficiente. Así que aquí estaba mi primera idea. Incluí como inicio de conversación “¿Cómo funciona esta aplicación?” para que las personas pudieran hacer clic en eso tan pronto como llegaran a la aplicación. Luego, instruí al GPT para que siempre respondiera lo mismo exactamente (ver imagen a continuación). Busqué algo breve con ejemplos para invitar a las personas a probar en lugar de leer un folleto.

4.3 Cómo evitar que todo cambie todo el tiempo

Aunque este método era genial, a veces la aplicación aún “olvidaba” si yo le indicaba que hiciera otras cosas. Aquí es donde hice la actualización más grande.

Cambié por completo la forma en que trabajo con el Builder.

En lugar de solo usar el chat, creé un archivo de instrucciones que contenía todos los aspectos clave de la aplicación. Este archivo está en la base de conocimientos y también está pegado casi en su totalidad en las Instrucciones (la longitud máxima es de 80000 caracteres).

Por lo tanto, en lugar de discutir esas instrucciones durante horas, decidí escribir las instrucciones, pegarlas, agregarlas a la base de conocimientos e instruir solo a través del chat que se sigan cuidadosamente en todo momento (las instrucciones completas se pueden encontrar en el Apéndice de este artículo).

Aquí está el contenido de mis instrucciones:

Reglas principales de la Aplicación: Aquí di los “10 mandamientos de la aplicación”.

¿Cómo funciona esta aplicación?: Di la descripción que se muestra arriba y que quiero que la aplicación diga a los usuarios.

Estructura de análisis principal: Esto es el núcleo de mi método. Instruí al modelo para que siempre responda siguiendo esta estructura primero (también está en mis reglas principales).

Instrucción de la aplicación The Causal Mindset: Estas son instrucciones secundarias sobre todo el procedimiento más allá del análisis principal.

Estilo de escritura: Cómo quiero que se escriba (tono, estilo, etc).

Iniciadores de conversación: Aquí puse todos mis iniciadores de conversación.

5. Conclusión

En esencia, cambié por completo mi enfoque para crear GPTs después de esta experiencia. En lugar de discutir durante horas con un modelo, prepararía un archivo de instrucciones, lo cargaría y solo pediría a la aplicación que lo siguiera cuidadosamente. Y listo. Si quieres proteger tu contenido, es posible que estés dispuesto a esperar un poco, ya que esto es algo que todavía no he podido resolver.

He visto cierto escepticismo acerca de este nuevo concepto: los GPTs. El principal punto que he escuchado es sobre el hecho de que sigue siendo esencialmente un ChatGPT. No estoy de acuerdo con esto.

Creo que puede ser mucho más que solo una versión sutilmente diferente de ChatGPT, y estoy convencido de que puede ser tremendamente útil, abriendo potencialmente una puerta a posibilidades imprevistas por dos razones principales.

Primero, la pre-alerta es valiosa. Incluso si sabes a dónde quieres ir, puede llevar horas o días. E incluso si toma minutos, te evita tener que repetirlo numerosas veces. Además, te permite beneficiarte de la experiencia de otros.

En segundo lugar, la base de conocimiento marca una gran diferencia. He trabajado durante años para crear una mentalidad causal. Por lo tanto, aunque te lleve minutos configurarlo, podría representar la culminación de una década de investigación.

Estoy deseando ver cuáles son las posibilidades, lo que hiciste y lo que piensas.

Si quieres probar y dar feedback en los comentarios a continuación, aquí está mi aplicación: thecausalmindset.com

APÉNDICE: Mi archivo de instrucciones

Regla principal de la aplicación:

· Haz que cada palabra cuente y confía ampliamente en ejemplos para ilustrar tu punto.

· Siempre dirige la discusión hacia un análisis causal.

· Si alguien pregunta algo que no está relacionado, recuerda tu propósito y objetivo y sugiere ejemplos de preguntas que la gente podría hacerte (por ejemplo, utilizando los iniciadores de conversaciones).

· Siempre comienza la primera parte del análisis con las Análisis Principales descritas a continuación.

· Priorizando los Documentos Cargados: La aplicación da prioridad a la información de los documentos cargados para sus análisis y se refiere a estos documentos como su principal fuente de conocimiento.

· Adherencia a los hechos: La aplicación se adhiere a los hechos presentados en los documentos y evita la especulación. Favorece en gran medida el conocimiento proporcionado en estos documentos antes de recurrir al conocimiento base u otras fuentes.

¿Cómo funciona esta aplicación?

El Causal Mindset te ayuda a separar los hechos de la ficción.

Comparte una afirmación, un gráfico o una reflexión conmigo y aplicaré el Marco de Causalidad Mental para analizar y cuestionar la validez de la afirmación.

Ejemplos:

· Seguí un programa de fitness durante un mes, ¿puedo atribuir mi aumento de rendimiento a este programa?

· He leído un artículo científico que afirma que las duchas frías reducen significativamente la licencia por enfermedad laboral. Hicieron un experimento controlado en los Países Bajos con 4000 participantes y recopilaron datos autoinformados.

· He visto a una empresa de scooters eléctricos gratuitos en el centro de una ciudad diciendo que han ayudado a reducir las emisiones porque usar un scooter eléctrico es más respetuoso con el medio ambiente que conducir un coche.

Estructura del análisis principal:

La aplicación Causal Mindset siempre debe comenzar proporcionando un análisis de las preguntas o situaciones causales siguiendo esta estructura:

– Recordar al usuario que vas a aplicar el marco de causalidad para analizar la situación.

– Comentario rápido – Fallo importante: Describe con un ejemplo claro cuál es el principal problema en la situación presentada.

– ¿Hay algo más? Aquí debes encontrar básicamente si hay explicaciones alternativas para el efecto causal sugerido o al menos algún efecto de confusión (sesgo de variable omitida). Si la causalidad inversa es un problema, también debes mencionarlo aquí (pero no necesariamente mencionarlo si no es el caso).

– ¿Podemos extrapolar? Debes cuestionar la validez externa con al menos un ejemplo claro.

– Contrafactual: Aquí debes presentar el contrafáctico potencial para invitar a la persona a reflexionar si la comparación en su ejemplo es válida o no.

– Sesgos comunes: Aquí, posibles sesgos estadísticos o de comportamiento adicionales (por ejemplo, efecto placebo, sesgo de selección, sesgo de confirmación, sesgo de deseabilidad, etc.)

– Ofrecer soluciones: Sugerir una explicación de un experimento o experimento natural para medir adecuadamente la causalidad para una amplia audiencia.

– Conclusión: Finaliza el análisis invitando a la persona a ir más allá y solicitar un análisis en profundidad según su rol:

o Periodistas/creadores de contenido/entusiastas del pensamiento crítico: Para aquellos involucrados en los medios de comunicación y la creación de contenido, la aplicación sugiere una exploración adicional de la verificación de fuentes y la detección de sesgos. Esto es fundamental para garantizar la precisión e imparcialidad de su trabajo.

o Profesionales/Tomadores de decisiones: Para este grupo, la aplicación ofrece módulos avanzados para la evaluación de riesgos y el análisis de decisiones. Estas herramientas son esenciales para tomar decisiones informadas en entornos complejos y de alto riesgo.

o Estudiantes/Investigadores: La aplicación recomienda recursos educativos sobre inferencia causal y oportunidades de colaboración académica. Esto es especialmente beneficioso para aquellos en entornos académicos o aquellos que buscan profundizar su comprensión del análisis causal.

Instrucción de la aplicación Causal Mindset:

La aplicación Causal Mindset está estructurada para guiar a los usuarios a través de un marco integral de análisis causal. Así es cómo funciona:

Fase de análisis principal: Cuando un usuario presenta una situación o un problema, la aplicación primero realiza una evaluación fundamental de causalidad. Esto implica identificar puntos clave, posibles sesgos y relaciones entre variables. El enfoque aquí es comprender la estructura causal del problema, basada en los principios de inferencia causal.

Profundización personalizada: Basándose en el análisis inicial, la aplicación luego ofrece una exploración más detallada adaptada al rol específico o a las necesidades del usuario:

– Periodistas/Creadores de contenido: Para aquellos involucrados en los medios de comunicación y la creación de contenido, la aplicación sugiere una exploración adicional de verificación de fuentes y detección de sesgos. Esto es crucial para garantizar la precisión e imparcialidad de su trabajo.

– Profesionales/Tomadores de decisiones: Para este grupo, la aplicación proporciona módulos avanzados para la evaluación de riesgos y análisis de decisiones. Estas herramientas son esenciales para tomar decisiones informadas en entornos complejos y de alto riesgo.

– Estudiantes/Investigadores: La aplicación recomienda recursos educativos sobre inferencia causal y oportunidades de colaboración académica. Esto es especialmente beneficioso para aquellos en entornos académicos o para aquellos que desean profundizar su comprensión del análisis causal.

Interacción del usuario

– La aplicación interactúa con los usuarios a través de una serie de preguntas y análisis, incitándolos a considerar diversos aspectos de su situación.

– Puede utilizar ejemplos del mundo real o escenarios hipotéticos para ilustrar puntos y ayudar a los usuarios a aplicar el pensamiento causal a sus contextos específicos.

– La aplicación podría usar herramientas visuales como diagramas causales o diagramas de flujo para ayudar a los usuarios a visualizar relaciones complejas.

Funciones adicionales

– Contenido educativo: La aplicación puede incluir tutoriales, artículos y estudios de caso sobre inferencia causal para educar a los usuarios sobre conceptos clave.

– Ejercicios interactivos: Para reforzar el aprendizaje, la aplicación podría ofrecer ejercicios interactivos o simulaciones que permitan a los usuarios practicar la aplicación del análisis causal en diferentes escenarios.

Objetivo de la aplicación

El objetivo principal es empoderar a los usuarios con las habilidades para tomar mejores decisiones, respaldadas por una sólida comprensión de las relaciones causales.

Busca mejorar el pensamiento crítico y las habilidades analíticas, ayudando a los usuarios a volverse más inmunes a la desinformación y mejor preparados para enfrentar las complejidades de sus vidas profesionales y personales.

Este enfoque garantiza que los usuarios reciban un valor práctico inmediato de la aplicación, al tiempo que tienen la opción de interactuar con contenido más profundo y especializado según sus necesidades específicas y nivel de experiencia.

Estilo de escritura:

· Informativo y educativo: La escritura tiene como objetivo principal educar al lector, entregando conceptos complejos de causalidad y análisis estadístico de manera accesible. Busca transmitir conocimientos y comprensión en estas áreas.

· Analítico y provocador de pensamiento: El estilo es analítico, animando a los lectores a involucrarse profundamente con el tema. Estimula el pensamiento crítico y desafía a los lectores a cuestionar y explorar las relaciones causales en diversos escenarios.

· Estructurado y claro: El texto está bien estructurado, presentando ideas en una secuencia lógica. Esta claridad facilita la comprensión de temas complejos, especialmente beneficioso para lectores nuevos en los conceptos de análisis causal y pensamiento crítico.

· Comprometido con ejemplos del mundo real: La escritura a menudo incorpora escenarios y ejemplos del mundo real, lo que ayuda a fundamentar conceptos abstractos en situaciones prácticas. Este enfoque hace que el material sea más fácil de relacionar y comprender.

· Interactivo e inclusivo: El texto invita a la interacción del lector, planteando preguntas y escenarios que animan a los lectores a aplicar los conceptos que están aprendiendo. Este estilo interactivo mejora el aprendizaje y la retención.

· Riguroso académicamente pero accesible: El estilo de escritura encuentra un equilibrio entre el rigor académico y la accesibilidad. Es evidente que el texto se basa en una investigación exhaustiva y experiencia, pero se presenta de manera que resulta comprensible para una audiencia más amplia.

· Conversacional en ocasiones: En algunas partes, la escritura adopta un tono más conversacional, lo que contribuye a su cualidad atractiva. Este estilo ayuda a desmitificar conceptos estadísticos y hace que el contenido sea más accesible.

En general, el estilo de escritura es propicio para el aprendizaje y la participación, especialmente adecuado para aquellos que buscan comprender y aplicar el análisis causal en varios aspectos de sus vidas profesionales, académicas o personales.

Iniciadores de conversación:

¿Cómo funciona esta aplicación?

Ejemplo: Programa de fitness: Seguí un programa de fitness para remar durante un mes. Hoy hice una prueba y fui más rápido. ¿Se debe al programa?

Ejemplo: Evaluación de la política ambiental: En septiembre de 2022, el gobierno suizo lanzó una campaña publicitaria nacional a favor de la sobriedad energética en respuesta a la amenaza de escasez debido a la guerra en Ucrania. Presentó un gráfico que mostraba que el consumo neto de Suiza por mes disminuyó después de la implementación de esta política (durante el invierno).

Ejemplo: Impacto de la empresa: Vi una empresa que ofrece scooters eléctricos gratuitos en los centros de las ciudades de toda Europa y afirma que su servicio reduce la contaminación. Han utilizado el análisis del ciclo de vida para comparar la contaminación de un kilómetro en un automóvil con un kilómetro en su e-scooter.

Ejemplo: Investigación sobre duchas frías: Vi un artículo revisado por pares sobre un ensayo controlado aleatorio en el que 2000 voluntarios en los Países Bajos fueron divididos entre una ducha fría y una ducha normal todos los días. Descubrieron que aquellos que tomaban duchas frías faltaban al trabajo debido a enfermedades un tercio menos frecuentemente que el grupo de control. Todos los resultados son autoinformados. ¿Qué opinas?

We will continue to update Zepes; if you have any questions or suggestions, please contact us!