{"id":6361,"date":"2023-02-06T09:00:02","date_gmt":"2023-02-06T08:00:02","guid":{"rendered":"https:\/\/www.orizoconsult.com\/?p=6361"},"modified":"2024-07-04T17:26:20","modified_gmt":"2024-07-04T15:26:20","slug":"cutting-edge-delay-analysis-series-chatgpt-technologies-disruption-forensic-industry-part-1-embeddings","status":"publish","type":"post","link":"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/","title":{"rendered":"Serie Cutting Edge Delay Analysis &#8211; Tecnolog\u00edas ChatGPT: \u00bfuna disrupci\u00f3n para la industria forense? &#8211; Parte 1: Incrustaciones"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"6361\" class=\"elementor elementor-6361 elementor-6320\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-49b31a8 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"49b31a8\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-no\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-fed9b68\" data-id=\"fed9b68\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-1dc570e elementor-widget elementor-widget-image\" data-id=\"1dc570e\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/elementor\/thumbs\/pexels-pixabay-267669-scaled-q28plz68wnraeifhcaax1sjngbh3jzmix3194zpyfc.jpg\" title=\"pexels-pixabay-267669\" alt=\"pexels-pixabay-267669\" loading=\"lazy\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">ChatGPT y el futuro de la industria forense - Parte 1: Incrustaciones<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2c02592 elementor-widget elementor-widget-spacer\" data-id=\"2c02592\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<section class=\"elementor-section elementor-inner-section elementor-element elementor-element-c22aca4 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"c22aca4\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-ff19c18\" data-id=\"ff19c18\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-1020b67 elementor-align-center elementor-widget elementor-widget-button\" data-id=\"1020b67\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/www.linkedin.com\/newsletters\/7021095885036003328\/\" target=\"_blank\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-icon elementor-align-icon-left\">\n\t\t\t\t<i aria-hidden=\"true\" class=\"fab fa-linkedin\"><\/i>\t\t\t<\/span>\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Visitar el Newsletter<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-bb45516\" data-id=\"bb45516\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-faf7bdf elementor-widget elementor-widget-text-editor\" data-id=\"faf7bdf\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Este art\u00edculo forma parte de la serie Cutting Edge Delay Analysis , que tambi\u00e9n est\u00e1 disponible como un newsletter de LinkedIn.<\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<div class=\"elementor-element elementor-element-550eb23 elementor-widget elementor-widget-spacer\" data-id=\"550eb23\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-73a1198 elementor-widget elementor-widget-text-editor\" data-id=\"73a1198\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><em>El 30 de noviembre de 2022, OpenAI lanz\u00f3 su \u00faltima tecnolog\u00eda de chat bot: ChatGPT. Con sus respuestas naturales y parecidas a las humanas, la comunidad de IA se ha cuestionado si esta nueva tecnolog\u00eda hab\u00eda superado la Prueba de <a href=\"\">Turing<\/a>. <\/em><\/p>\n<p><em>\u00bfEstamos realmente ah\u00ed? \u00bfQu\u00e9 ocurre entre bastidores?, \u00bfalterar\u00e1 el an\u00e1lisis de retrasos o el mundo forense en general?. En este art\u00edculo introductorio de 2 partes, nos sumergiremos en las principales t\u00e9cnicas en las que se basa ChatGPT. A continuaci\u00f3n, como experto en retrasos en la construcci\u00f3n y CTO de Orizo Consult, ofrecer\u00e9 informaci\u00f3n sobre los posibles casos de uso y el futuro del sector forense.   <\/em><\/p>\n<p><em>Una cosa es segura: si Microsoft est\u00e1 dispuesto a <a href=\"https:\/\/www.theguardian.com\/technology\/2023\/jan\/23\/microsoft-confirms-multibillion-dollar-investment-in-firm-behind-chatgpt\" target=\"_blank\" rel=\"noopener\">invertir 10.000 millones de d\u00f3lares<\/a> en OpenAI, ChatGPT no es una bestia peque\u00f1a.<\/em><\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d491b94 elementor-widget elementor-widget-spacer\" data-id=\"d491b94\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-46b367d elementor-widget elementor-widget-text-editor\" data-id=\"46b367d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<h2>ChatGPT funciona con GPT-3<\/h2>\n<p>ChatGPT forma parte de la familia GPT-3 de modelos de Procesamiento del Lenguaje Natural (PLN). Para entender ChatGPT, tendremos que examinar los fundamentos de GPT-3: una historia de estad\u00edsticas de frases, vectores sem\u00e1nticos y predicciones de palabras. <\/p>\n<h3>Transformador generativo pre-entrenado<\/h3>\n<p>El acr\u00f3nimo GPT significa Generative Pre-trained Transformer (transformador generativo pre-entrenado). Significa que el modelo crea texto nuevo, ha sido entrenado con contenidos no especializados (sabe leer) y se basa en la tecnolog\u00eda Transformer. Un Transformer es un algoritmo capaz de convertir frases en significado sem\u00e1ntico (su significado ling\u00fc\u00edstico) y luego volver a convertirlo en una frase diferente. El texto de salida depender\u00e1 de la tarea que queramos realizar. A continuaci\u00f3n se presenta una lista no exhaustiva:    <\/p>\n<ul>\n<li><strong>Reformulaci\u00f3n<\/strong> &#8211; Significado sem\u00e1ntico similar, longitud similar, palabras diferentes.<\/li>\n<li><strong>Acortamiento<\/strong> &#8211; Significado sem\u00e1ntico similar, menor longitud.<\/li>\n<li><strong>Extender<\/strong> &#8211; Significado sem\u00e1ntico similar, mayor longitud.<\/li>\n<li><strong>Traducir<\/strong> &#8211; Significado sem\u00e1ntico similar, diccionario de palabras diferente.<\/li>\n<li><strong>Extrapolar<\/strong> &#8211; Significado sem\u00e1ntico adicional.<\/li>\n<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7f4a0e6 elementor-widget elementor-widget-spacer\" data-id=\"7f4a0e6\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-795b2db elementor-widget elementor-widget-image\" data-id=\"795b2db\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"827\" height=\"541\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg xmlns%3D&apos;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&apos; viewBox%3D&apos;0 0 827 541&apos;%2F%3E\" data-src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-1-Simplified-illustration-of-a-transformer.png\" class=\"lazy-load attachment-full size-full wp-image-6429\" alt=\"\" data-srcset=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-1-Simplified-illustration-of-a-transformer.png 827w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-1-Simplified-illustration-of-a-transformer-300x196.png 300w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-1-Simplified-illustration-of-a-transformer-768x502.png 768w\" sizes=\"auto, (max-width: 827px) 100vw, 827px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Figura 1: Ilustraci\u00f3n simplificada de un transformador<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-dc92b78 elementor-widget elementor-widget-spacer\" data-id=\"dc92b78\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d61cdac elementor-widget elementor-widget-text-editor\" data-id=\"d61cdac\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<h3 class=\"reader-text-block__heading2\">Inferir el significado sem\u00e1ntico a partir de estad\u00edsticas<\/h3>\n<p class=\"reader-text-block__paragraph\">Durante su entrenamiento, GPT-3 ley\u00f3 millones de documentos (un <em>corpus<\/em>) como Wikipedia, libros, art\u00edculos de noticias, rese\u00f1as de productos, etc. A partir de estas lecturas, el modelo midi\u00f3 la frecuencia con la que una palabra aparec\u00eda cerca de otras en una frase. Es decir, midi\u00f3 la probabilidad de que una palabra apareciera en un contexto espec\u00edfico de otras palabras.  <\/p>\n<p class=\"reader-text-block__paragraph\">Consideremos un ejemplo sencillo en el que nuestro corpus s\u00f3lo incluye dos frases: \u00abque tenga un buen d\u00eda\u00bb y \u00abque tenga un gran d\u00eda\u00bb. El modelo medir\u00eda que \u00abbueno\u00bb y \u00abestupendo\u00bb se utilizan por igual en el mismo contexto de palabras, es decir, en una proporci\u00f3n del 50%. <\/p>\n<p class=\"reader-text-block__paragraph\">La idea general que subyace a este an\u00e1lisis estad\u00edstico es que si dos palabras se utilizan habitualmente en contextos similares, su significado sem\u00e1ntico tambi\u00e9n debe ser similar. El modelo identifica los contextos en los que las palabras pueden ser intercambiables hasta cierto punto, lo que define la fuerza de su significado sem\u00e1ntico en ese contexto. <\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7dc879c elementor-widget elementor-widget-spacer\" data-id=\"7dc879c\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6b3daf0 elementor-widget elementor-widget-image\" data-id=\"6b3daf0\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"827\" height=\"484\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg xmlns%3D&apos;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&apos; viewBox%3D&apos;0 0 827 484&apos;%2F%3E\" data-src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-2-Example-of-the-semantic-meaning-extraction-of-the-words-\u2018good-and-\u2018great-from-a-simple-corpus.png\" class=\"lazy-load attachment-full size-full wp-image-6431\" alt=\"\" data-srcset=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-2-Example-of-the-semantic-meaning-extraction-of-the-words-\u2018good-and-\u2018great-from-a-simple-corpus.png 827w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-2-Example-of-the-semantic-meaning-extraction-of-the-words-\u2018good-and-\u2018great-from-a-simple-corpus-300x176.png 300w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-2-Example-of-the-semantic-meaning-extraction-of-the-words-\u2018good-and-\u2018great-from-a-simple-corpus-768x449.png 768w\" sizes=\"auto, (max-width: 827px) 100vw, 827px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Figura 2: Ejemplo de extracci\u00f3n del significado sem\u00e1ntico de las palabras \"bueno\" y \"genial\" a partir de un corpus sencillo<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-048e148 elementor-widget elementor-widget-spacer\" data-id=\"048e148\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4052aa6 elementor-widget elementor-widget-text-editor\" data-id=\"4052aa6\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<h2>Explicaci\u00f3n de las incrustaciones<\/h2>\n<p>La incrustaci\u00f3n (tambi\u00e9n conocido como \u00abembedding\u00bb en ingl\u00e9s) es el m\u00e9todo mediante el cual el modelo almacena la informaci\u00f3n sem\u00e1ntica en la memoria. Veremos c\u00f3mo puede cuantificarse el significado sem\u00e1ntico de una palabra en funci\u00f3n del contexto y c\u00f3mo puede extrapolarse para captar el significado de frases o p\u00e1rrafos enteros. <\/p>\n<h3>Incrustaci\u00f3n de palabras en vectores<\/h3>\n<p>Bas\u00e1ndose en el an\u00e1lisis estad\u00edstico mencionado en la secci\u00f3n anterior, el modelo es capaz de inferir ejes -tambi\u00e9n llamados <em>dimensiones<\/em>&#8211; en los que se puede calcular la fuerza de una palabra para un significado sem\u00e1ntico determinado.<\/p>\n<p>Siguiendo con nuestro ejemplo, podr\u00edamos imaginar que tanto \u00abbueno\u00bb como \u00abestupendo\u00bb se captar\u00edan como fuertes en el eje de \u00abpositividad\u00bb, donde \u00abestupendo\u00bb probablemente ser\u00eda ligeramente m\u00e1s fuerte que \u00abbueno\u00bb, y las otras tres palabras (\u00abtener\u00bb, \u00aba\u00bb y \u00abd\u00eda\u00bb) tendr\u00edan una \u00abpositividad\u00bb neutra. Por \u00faltimo, si las palabras \u00abmalo\u00bb o \u00abterrible\u00bb tambi\u00e9n estuvieran presentes en nuestro corpus, podr\u00edamos esperar que se caracterizaran por una \u00abpositividad\u00bb d\u00e9bil y muy d\u00e9bil. Esta fuerza se calcula en forma de porcentaje, que puede almacenarse en la memoria. A continuaci\u00f3n se muestra una representaci\u00f3n gr\u00e1fica de estos valores:   <\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6baa9cb elementor-widget elementor-widget-spacer\" data-id=\"6baa9cb\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f7c524f elementor-widget elementor-widget-image\" data-id=\"f7c524f\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"827\" height=\"266\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg xmlns%3D&apos;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&apos; viewBox%3D&apos;0 0 827 266&apos;%2F%3E\" data-src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-3-Locating-words-on-a-dimension-representing-\u2018positiveness.png\" class=\"lazy-load attachment-full size-full wp-image-6433\" alt=\"\" data-srcset=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-3-Locating-words-on-a-dimension-representing-\u2018positiveness.png 827w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-3-Locating-words-on-a-dimension-representing-\u2018positiveness-300x96.png 300w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-3-Locating-words-on-a-dimension-representing-\u2018positiveness-768x247.png 768w\" sizes=\"auto, (max-width: 827px) 100vw, 827px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Figura 3: Localizaci\u00f3n de palabras en una dimensi\u00f3n que representa la \"positividad\".<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ed01b8e elementor-widget elementor-widget-spacer\" data-id=\"ed01b8e\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7b5af9f elementor-widget elementor-widget-text-editor\" data-id=\"7b5af9f\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Cuantos m\u00e1s ejes pueda disponer un modelo, mejor captar\u00e1 la diversidad de significados de una palabra. As\u00ed, podemos situar las palabras de nuestro corpus en un segundo eje, que por ejemplo podr\u00eda reflejar el tama\u00f1o de las cosas: \u00abgrandeza \u00ab. <\/p>\n<p>La descripci\u00f3n en dos ejes de estas palabras puede visualizarse en el gr\u00e1fico de dos dimensiones que figura a continuaci\u00f3n, en el que tambi\u00e9n se han a\u00f1adido algunas palabras m\u00e1s, con el fin de ilustrar mejor el principio.<\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a0d8840 elementor-widget elementor-widget-spacer\" data-id=\"a0d8840\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-991ee34 elementor-widget elementor-widget-image\" data-id=\"991ee34\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"827\" height=\"477\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg xmlns%3D&apos;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&apos; viewBox%3D&apos;0 0 827 477&apos;%2F%3E\" data-src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-4-Locating-words-on-a-2-dimensional-space-representing-\u2018positiveness-and-\u2018largeness.png\" class=\"lazy-load attachment-large size-large wp-image-6435\" alt=\"\" data-srcset=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-4-Locating-words-on-a-2-dimensional-space-representing-\u2018positiveness-and-\u2018largeness.png 827w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-4-Locating-words-on-a-2-dimensional-space-representing-\u2018positiveness-and-\u2018largeness-300x173.png 300w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-4-Locating-words-on-a-2-dimensional-space-representing-\u2018positiveness-and-\u2018largeness-768x443.png 768w\" sizes=\"auto, (max-width: 827px) 100vw, 827px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Figura 4: Localizaci\u00f3n de palabras en un espacio bidimensional que representa la \"positividad\" y la \"grandeza\".<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f552293 elementor-widget elementor-widget-spacer\" data-id=\"f552293\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4dfe1d0 elementor-widget elementor-widget-text-editor\" data-id=\"4dfe1d0\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Observamos que \u00abbueno\u00bb es neutro en el eje \u00abgrandeza\u00bb, mientras que \u00abgrande\u00bb es fuerte tanto en el eje \u00abpositividad\u00bb como en el eje \u00abgrandeza\u00bb. Dependiendo del contexto de la frase, el modelo interpretar\u00e1 el significado de \u00abgrande\u00bb como positivo o grande. <\/p>\n<p>El significado sem\u00e1ntico de cada palabra se almacena en una tabla de 1 columna, donde cada fila corresponde a la fuerza de la palabra en una dimensi\u00f3n sem\u00e1ntica determinada. Estas tablas se denominan <em>incrustaciones<\/em>. Desde el punto de vista matem\u00e1tico, no son m\u00e1s que <em>vectores<\/em> multidimensionales.  <\/p>\n<p>En nuestro ejemplo, almacenar\u00edamos cada palabra dentro de una incrustaci\u00f3n bidimensional. En realidad, las incrustaciones generadas por GPT-3 incluyen miles de dimensiones, cada una de las cuales representa un eje de \u00abcaracteristi-quesa\u00bb. <\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ace18d5 elementor-widget elementor-widget-spacer\" data-id=\"ace18d5\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-87bffb9 elementor-widget elementor-widget-image\" data-id=\"87bffb9\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"401\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg xmlns%3D&apos;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&apos; viewBox%3D&apos;0 0 1024 401&apos;%2F%3E\" data-src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-5-In-reality-GPT-3-embeddings-include-thousands-of-dimensions-1024x401.png\" class=\"lazy-load attachment-large size-large wp-image-6437\" alt=\"\" data-srcset=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-5-In-reality-GPT-3-embeddings-include-thousands-of-dimensions-1024x401.png 1024w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-5-In-reality-GPT-3-embeddings-include-thousands-of-dimensions-300x118.png 300w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-5-In-reality-GPT-3-embeddings-include-thousands-of-dimensions-768x301.png 768w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-5-In-reality-GPT-3-embeddings-include-thousands-of-dimensions.png 1386w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Figura 5: En realidad, las incrustaciones GPT-3 incluyen miles de dimensiones<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c886671 elementor-widget elementor-widget-spacer\" data-id=\"c886671\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cea25d7 elementor-widget elementor-widget-text-editor\" data-id=\"cea25d7\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Como ya habr\u00e1 adivinado, para un ser humano resulta complicado visualizar tantas dimensiones. En la pr\u00e1ctica, un eje sem\u00e1ntico rara vez refleja la fuerza de una palabra a lo largo de un significado \u00fanico. M\u00e1s bien refleja una tendencia resultante de la combinaci\u00f3n de m\u00faltiples nociones. Como humanos, la mayor\u00eda de las veces somos incapaces de descifrar todas las nociones sem\u00e1nticas que hay detr\u00e1s de cada dimensi\u00f3n. Como m\u00e1quina, GPT-3 es incapaz de comprender el sentido de la noci\u00f3n sem\u00e1ntica que identifica: se limita a detectar que determinadas palabras se utilizan de forma similar en contextos espec\u00edficos.    <\/p>\n<h3>Sumar o restar incrustaciones<\/h3>\n<p>La magia de las incrustaciones de palabras empieza con el \u00e1lgebra. Puesto que los significados sem\u00e1nticos pueden almacenarse en vectores, que no son m\u00e1s que tablas de n\u00fameros, \u00bfpor qu\u00e9 no probar con las matem\u00e1ticas? Por ejemplo, \u00bfqu\u00e9 tal si sumamos la incrustaci\u00f3n de \u00abni\u00f1o\u00bb con la de \u00abviejo\u00bb y esperamos obtener como resultado algo parecido a \u00abadulto\u00bb?  <\/p>\n<p>Ya en 2013, los investigadores de Google Tomas Mikolov et al. publicaron su famoso <a href=\"https:\/\/arxiv.org\/abs\/1301.3781\" target=\"_blank\" rel=\"noopener\">art\u00edculo en el que presentaban word2vec<\/a>, un algoritmo de incrustaci\u00f3n de palabras del que se derivaron muchas t\u00e9cnicas de incrustaci\u00f3n posteriores. En la p\u00e1gina 2, el documento dice:<\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-884c807 elementor-widget elementor-widget-spacer\" data-id=\"884c807\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d4c51cb elementor-widget elementor-widget-image\" data-id=\"d4c51cb\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"661\" height=\"83\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg xmlns%3D&apos;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&apos; viewBox%3D&apos;0 0 661 83&apos;%2F%3E\" data-src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-6-Extract-from-Efficient-Estimation-of-Word-Representations-in-Vector-Space-arXiv-1301.3781-cs.CL_.png\" class=\"lazy-load attachment-large size-large wp-image-6439\" alt=\"\" data-srcset=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-6-Extract-from-Efficient-Estimation-of-Word-Representations-in-Vector-Space-arXiv-1301.3781-cs.CL_.png 661w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-6-Extract-from-Efficient-Estimation-of-Word-Representations-in-Vector-Space-arXiv-1301.3781-cs.CL_-300x38.png 300w\" sizes=\"auto, (max-width: 661px) 100vw, 661px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Figura 6: Extracto de \"Efficient Estimation of Word Representations in Vector Space\", arXiv:1301.3781 [cs .CL]<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b238ee9 elementor-widget elementor-widget-spacer\" data-id=\"b238ee9\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0dca387 elementor-widget elementor-widget-text-editor\" data-id=\"0dca387\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>El algoritmo word2vec allan\u00f3 el camino hacia la era del \u00e1lgebra sem\u00e1ntica. Ahora era posible inferir palabras a partir de otras palabras, bas\u00e1ndose en su significado ling\u00fc\u00edstico. <\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4a0559d elementor-widget elementor-widget-spacer\" data-id=\"4a0559d\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9c74ad2 elementor-widget elementor-widget-image\" data-id=\"9c74ad2\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"590\" height=\"163\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg xmlns%3D&apos;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&apos; viewBox%3D&apos;0 0 590 163&apos;%2F%3E\" data-src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-7-Adding-and-subtracting-embeddings.png\" class=\"lazy-load attachment-full size-full wp-image-6441\" alt=\"\" data-srcset=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-7-Adding-and-subtracting-embeddings.png 590w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-7-Adding-and-subtracting-embeddings-300x83.png 300w\" sizes=\"auto, (max-width: 590px) 100vw, 590px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Figura 7: Suma y resta de incrustaciones<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-573691c elementor-widget elementor-widget-spacer\" data-id=\"573691c\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-97610e1 elementor-widget elementor-widget-text-editor\" data-id=\"97610e1\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Entre bastidores, lo que el modelo identific\u00f3 fue que la diferencia entre no \u00abviejo\u00bb y \u00abviejo\u00bb era similar a la diferencia entre \u00abadulto\u00bb y \u00abni\u00f1o\u00bb. Asimismo, identific\u00f3 que la diferencia principal entre \u00abhombre\u00bb y \u00abmujer\u00bb era similar a la diferencia principal entre \u00abrey\u00bb y \u00abreina\u00bb. Considerando una representaci\u00f3n 2D a lo largo de las dimensiones sem\u00e1nticas pertinentes, las adiciones y sustracciones se mostrar\u00edan de la siguiente manera:  <\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-314a77c elementor-widget elementor-widget-spacer\" data-id=\"314a77c\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-97d6a60 elementor-widget elementor-widget-image\" data-id=\"97d6a60\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"827\" height=\"313\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg xmlns%3D&apos;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&apos; viewBox%3D&apos;0 0 827 313&apos;%2F%3E\" data-src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-8-Inferring-words-by-adding-or-subtracting-other-words.png\" class=\"lazy-load attachment-large size-large wp-image-6443\" alt=\"\" data-srcset=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-8-Inferring-words-by-adding-or-subtracting-other-words.png 827w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-8-Inferring-words-by-adding-or-subtracting-other-words-300x114.png 300w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-8-Inferring-words-by-adding-or-subtracting-other-words-768x291.png 768w\" sizes=\"auto, (max-width: 827px) 100vw, 827px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Figura 8: Inferir palabras sumando o restando otras palabras<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f0779e8 elementor-widget elementor-widget-spacer\" data-id=\"f0779e8\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e0879fd elementor-widget elementor-widget-text-editor\" data-id=\"e0879fd\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<h3>Incrustaci\u00f3n de p\u00e1rrafos<\/h3>\n<p>Al igual que la suma de incrustaciones permite deducir nuevas palabras, el c\u00e1lculo de la media de un subconjunto de incrustaciones permite deducir el significado global de un grupo de palabras. Por ejemplo, se puede deducir el significado de una frase calculando la media de las incrustaciones de todas las palabras que la componen. Una de las novedades de la tecnolog\u00eda Transformer utilizada por GPT-3 es que tiene en cuenta la posici\u00f3n de las palabras en la frase, por lo que capta informaci\u00f3n sem\u00e1ntica adicional en comparaci\u00f3n con el c\u00e1lculo bruto de una media.  <\/p>\n<p>Una vez que se puede calcular la incrustaci\u00f3n de una frase, se puede aplicar el mismo principio para calcular las incrustaciones de los p\u00e1rrafos.<\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b631212 elementor-widget elementor-widget-spacer\" data-id=\"b631212\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-43b5b4b elementor-widget elementor-widget-text-editor\" data-id=\"43b5b4b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<h2>GPT-3 aprovecha las incrustaciones para reformular el texto<\/h2>\n<p>Hemos visto que una de las t\u00e9cnicas fundamentales de GPT-3 es la incrustaci\u00f3n de palabras, frases o p\u00e1rrafos. En la segunda parte de este art\u00edculo veremos c\u00f3mo el modelo es capaz de traducir las incrustaciones en frases estructural y sem\u00e1nticamente correctas. <\/p>\n<p>Sin embargo, antes de llegar a ese punto, ya podemos hacernos una primera idea de para qu\u00e9 puede servir GPT-3 y, por extensi\u00f3n, ChatGPT:<\/p>\n<ul>\n<li>Reescribir un p\u00e1rrafo con un significado similar pero con palabras diferentes.<\/li>\n<li>Generar res\u00famenes: reescribir con menos palabras.<\/li>\n<li>Convertir un p\u00e1rrafo en palabras clave.<\/li>\n<li>Realizar b\u00fasquedas enriquecidas por significado en lugar de por palabras clave.<\/li>\n<\/ul>\n<p>A continuaci\u00f3n se analizan algunos ejemplos de uso.<\/p>\n<h3>Parafraseando<\/h3>\n<p>Probablemente una de las t\u00e9cnicas m\u00e1s directas utilizadas con ChatGPT, el parafraseo permite reescribir un p\u00e1rrafo manteniendo su sentido global. Tambi\u00e9n es posible entrenar el modelo para que amplifique ciertos aspectos de la reformulaci\u00f3n. <\/p>\n<p>En el ejemplo siguiente, pedimos a ChatGPT que reescriba en ingl\u00e9s brit\u00e1nico, al tiempo que se dirige a un p\u00fablico espec\u00edfico y solicita mejorar la legibilidad.<\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-22d196e elementor-widget elementor-widget-spacer\" data-id=\"22d196e\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-85e2d21 elementor-widget elementor-widget-image\" data-id=\"85e2d21\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"348\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg xmlns%3D&apos;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&apos; viewBox%3D&apos;0 0 1024 348&apos;%2F%3E\" data-src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-9-Asking-ChatGPT-to-improve-a-poorly-written-paragraph-1024x348.png\" class=\"lazy-load attachment-large size-large wp-image-6445\" alt=\"\" data-srcset=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-9-Asking-ChatGPT-to-improve-a-poorly-written-paragraph-1024x348.png 1024w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-9-Asking-ChatGPT-to-improve-a-poorly-written-paragraph-300x102.png 300w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-9-Asking-ChatGPT-to-improve-a-poorly-written-paragraph-768x261.png 768w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-9-Asking-ChatGPT-to-improve-a-poorly-written-paragraph.png 1342w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Figura 9: Pedir a ChatGPT que mejore un p\u00e1rrafo mal escrito<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-79b926c elementor-widget elementor-widget-spacer\" data-id=\"79b926c\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e9a1d63 elementor-widget elementor-widget-text-editor\" data-id=\"e9a1d63\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<h3>Resumiendo<\/h3>\n<p>Otra t\u00e9cnica que se aprovecha a menudo es la capacidad de GPT-3 para reescribir un p\u00e1rrafo o un conjunto de p\u00e1rrafos con menos palabras, evitando al mismo tiempo la p\u00e9rdida del significado m\u00e1s relevante.<\/p>\n<p>Se trata de una potente funci\u00f3n que puede permitir a los altos cargos revisar documentos que, de otro modo, nunca tendr\u00edan tiempo de abrir y que normalmente delegar\u00edan en miembros subalternos. No obstante, no hay que descartar el riesgo de que el GPT calcule mal la relevancia de alguna informaci\u00f3n del texto original, que luego se omitir\u00eda en el resumen. Delegar siempre conlleva un riesgo. \u00bfEs m\u00e1s arriesgado confiar en la IA que en el personal subalterno? Supongo que la respuesta a esta pregunta evolucionar\u00e1 dr\u00e1sticamente en los pr\u00f3ximos a\u00f1os.    <\/p>\n<p>Siempre hay que tener cuidado de no delegar la filtraci\u00f3n de los documentos potencialmente cr\u00edticos. Por lo dem\u00e1s, el equilibrio adecuado reside en el extra\u00f1o equilibrio entre tiempo, dinero y magnitud de la evaluaci\u00f3n. La IA probablemente permitir\u00eda seleccionar documentos que nadie habr\u00eda considerado antes.  <\/p>\n<p>En una \u00e9poca en la que los peritos y abogados reciben cientos de gigabits de documentos, al tiempo que se les presiona para que la entrega sea rentable, el control asistido por IA es una ventaja. Tambi\u00e9n sospecho que permitir\u00e1 reclamar da\u00f1os y perjuicios que hasta ahora sol\u00edan ser demasiado costosos para estar debidamente justificados. \u00bfConsiderar\u00eda la posibilidad de preparar una reclamaci\u00f3n por interrupci\u00f3n del servicio en toda regla?  <\/p>\n<h3>Palabras clave extracci\u00f3n<\/h3>\n<p>Esta t\u00e9cnica, que consiste en resumir un p\u00e1rrafo en unas pocas palabras, se basa en la capacidad del modelo para identificar la relevancia o centralidad de cada palabra en el conjunto del p\u00e1rrafo: la <em>Prominencia<\/em>. A continuaci\u00f3n, las palabras m\u00e1s salientes pueden combinarse para calcular una o varias palabras clave que reflejen mejor su significado. <\/p>\n<p>Esta t\u00e9cnica puede utilizarse con correos electr\u00f3nicos, informes, reclamaciones o cualquier otro documento comercial para generar etiquetas. A continuaci\u00f3n, estos documentos pueden agruparse o buscarse por etiqueta. Tambi\u00e9n es posible entrenar el modelo para que devuelva la palabra clave m\u00e1s relevante entre una lista dada, o para que proporcione su relevancia. Aunque no es la interfaz de usuario m\u00e1s ergon\u00f3mica para realizar la tarea, ChatGPT es capaz de hacerlo:   <\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d426212 elementor-widget elementor-widget-spacer\" data-id=\"d426212\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2053e49 elementor-widget elementor-widget-image\" data-id=\"2053e49\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"661\" height=\"486\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg xmlns%3D&apos;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&apos; viewBox%3D&apos;0 0 661 486&apos;%2F%3E\" data-src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-10-Asking-ChatGPT-to-provide-the-relevance-of-a-set-of-keywords-in-a-given-paragraph.png\" class=\"lazy-load attachment-large size-large wp-image-6447\" alt=\"\" data-srcset=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-10-Asking-ChatGPT-to-provide-the-relevance-of-a-set-of-keywords-in-a-given-paragraph.png 661w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-10-Asking-ChatGPT-to-provide-the-relevance-of-a-set-of-keywords-in-a-given-paragraph-300x221.png 300w\" sizes=\"auto, (max-width: 661px) 100vw, 661px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Figura 10: Pedir a ChatGPT que proporcione la relevancia de un conjunto de palabras clave en un p\u00e1rrafo determinado<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d10752f elementor-widget elementor-widget-spacer\" data-id=\"d10752f\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ab227a2 elementor-widget elementor-widget-text-editor\" data-id=\"ab227a2\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Durante la selecci\u00f3n de los documentos, puede que se desee identificar qu\u00e9 secciones de qu\u00e9 documentos son las m\u00e1s relevantes para asuntos concretos. Estas secciones podr\u00edan agruparse en consecuencia. <\/p>\n<p>En el futuro, tambi\u00e9n podr\u00edamos prever un sistema similar en el que el descubrimiento electr\u00f3nico se rigiera por estas consultas de relevancia de palabras clave.<\/p>\n<h3>B\u00fasquedas sem\u00e1nticas<\/h3>\n<p>Desde los inicios de los buscadores web, estamos acostumbrados a buscar por palabra clave. Esta t\u00e9cnica se caracteriza por dos defectos principales: (i) una sola palabra clave puede contener m\u00faltiples significados, lo que a\u00f1ade ruido al resultado de la b\u00fasqueda, y (ii) una entrada que contenga sin\u00f3nimos de la palabra clave buscada puede no aparecer en los resultados.   <\/p>\n<p>Se han producido mejoras en los motores de b\u00fasqueda, que ahora son capaces de tratar sin\u00f3nimos, pero a\u00fan estamos lejos de poder buscar una idea precisa. Adem\u00e1s, es dif\u00edcil a\u00f1adir contexto para afinar la b\u00fasqueda. ChatGPT permite expresar una idea y buscarla en el corpus.  <\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-389349c elementor-widget elementor-widget-spacer\" data-id=\"389349c\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-15c6a88 elementor-widget elementor-widget-image\" data-id=\"15c6a88\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"661\" height=\"429\" src=\"data:image\/svg+xml;charset=utf-8,%3Csvg xmlns%3D&apos;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&apos; viewBox%3D&apos;0 0 661 429&apos;%2F%3E\" data-src=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-11-Asking-ChatGPT-about-the-enforceability-of-a-contract-clause-under-a-specific-context.png\" class=\"lazy-load attachment-large size-large wp-image-6449\" alt=\"\" data-srcset=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-11-Asking-ChatGPT-about-the-enforceability-of-a-contract-clause-under-a-specific-context.png 661w, https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/Fig-11-Asking-ChatGPT-about-the-enforceability-of-a-contract-clause-under-a-specific-context-300x195.png 300w\" sizes=\"auto, (max-width: 661px) 100vw, 661px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Figura 11: Pregunta a ChatGPT sobre la aplicabilidad de una cl\u00e1usula contractual en un contexto espec\u00edfico<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e967923 elementor-widget elementor-widget-spacer\" data-id=\"e967923\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-db7cc49 elementor-widget elementor-widget-text-editor\" data-id=\"db7cc49\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<h3 class=\"reader-text-block__heading2\"><em>Pr\u00f3ximamente&#8230;<\/em><\/h3>\n<p class=\"reader-text-block__paragraph\">En la segunda parte de este art\u00edculo, veremos c\u00f3mo funciona la finalizaci\u00f3n de frases, que es el principio que permite a ChatGPT convertir las incrustaciones en respuestas similares a las humanas. Exploraremos las dos t\u00e9cnicas utilizadas habitualmente para entrenar a la IA en lenguaje natural para que responda con precisi\u00f3n, y veremos c\u00f3mo esto podr\u00eda ofrecer oportunidades para la industria forense. <\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Explicaci\u00f3n de la mec\u00e1nica en la que se basa ChatGPT y las perspectivas de futuro de nuestro sector. Este art\u00edculo se desarrollar\u00e1 en dos partes, cada una de ellas centrada en una tecnolog\u00eda espec\u00edfica en la que se basa ChatGPT, seguida de algunos casos de uso concretos. <\/p>\n","protected":false},"author":2,"featured_media":6458,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[69],"tags":[83,91,81,82,85],"class_list":["post-6361","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-insights","tag-construction-es","tag-cutting-edge-delay-analysis-series-es","tag-delay-analysis-es","tag-forensics-es","tag-project-management-es"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.1 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Serie Cutting Edge Delay Analysis - Tecnolog\u00edas ChatGPT: \u00bfuna disrupci\u00f3n para la industria forense? - Parte 1: Incrustaciones | Orizo Consult<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Serie Cutting Edge Delay Analysis - Tecnolog\u00edas ChatGPT: \u00bfuna disrupci\u00f3n para la industria forense? - Parte 1: Incrustaciones | Orizo Consult\" \/>\n<meta property=\"og:description\" content=\"Explicaci\u00f3n de la mec\u00e1nica en la que se basa ChatGPT y las perspectivas de futuro de nuestro sector. Este art\u00edculo se desarrollar\u00e1 en dos partes, cada una de ellas centrada en una tecnolog\u00eda espec\u00edfica en la que se basa ChatGPT, seguida de algunos casos de uso concretos.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/\" \/>\n<meta property=\"og:site_name\" content=\"Orizo Consult\" \/>\n<meta property=\"article:published_time\" content=\"2023-02-06T08:00:02+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-07-04T15:26:20+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/pexels-pixabay-267669-scaled.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"1706\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Ama\u00ebl Olivier\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Ama\u00ebl Olivier\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"12 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"ScholarlyArticle\",\"@id\":\"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/\"},\"author\":{\"name\":\"Ama\u00ebl Olivier\",\"@id\":\"https:\/\/www.orizoconsult.com\/es\/#\/schema\/person\/3effe2a0a4253a67ad3b84b82e57a708\"},\"headline\":\"Serie Cutting Edge Delay Analysis &#8211; Tecnolog\u00edas ChatGPT: \u00bfuna disrupci\u00f3n para la industria forense? &#8211; Parte 1: Incrustaciones\",\"datePublished\":\"2023-02-06T08:00:02+00:00\",\"dateModified\":\"2024-07-04T15:26:20+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/\"},\"wordCount\":2416,\"publisher\":{\"@id\":\"https:\/\/www.orizoconsult.com\/es\/#organization\"},\"keywords\":[\"construction\",\"Cutting Edge Delay Analysis Series\",\"delay-analysis\",\"forensics\",\"project-management\"],\"articleSection\":[\"Industry Insights\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/\",\"url\":\"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/\",\"name\":\"Serie Cutting Edge Delay Analysis - Tecnolog\u00edas ChatGPT: \u00bfuna disrupci\u00f3n para la industria forense? - Parte 1: Incrustaciones | Orizo Consult\",\"isPartOf\":{\"@id\":\"https:\/\/www.orizoconsult.com\/es\/#website\"},\"datePublished\":\"2023-02-06T08:00:02+00:00\",\"dateModified\":\"2024-07-04T15:26:20+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/www.orizoconsult.com\/es\/home\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Serie Cutting Edge Delay Analysis &#8211; Tecnolog\u00edas ChatGPT: \u00bfuna disrupci\u00f3n para la industria forense? &#8211; Parte 1: Incrustaciones\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.orizoconsult.com\/es\/#website\",\"url\":\"https:\/\/www.orizoconsult.com\/es\/\",\"name\":\"Orizo Consult\",\"description\":\"Cutting Edge Expert Services\",\"publisher\":{\"@id\":\"https:\/\/www.orizoconsult.com\/es\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.orizoconsult.com\/es\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.orizoconsult.com\/es\/#organization\",\"name\":\"Orizo Consult\",\"url\":\"https:\/\/www.orizoconsult.com\/es\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/www.orizoconsult.com\/es\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2021\/07\/Main-Horizontal-2.png\",\"contentUrl\":\"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2021\/07\/Main-Horizontal-2.png\",\"width\":300,\"height\":105,\"caption\":\"Orizo Consult\"},\"image\":{\"@id\":\"https:\/\/www.orizoconsult.com\/es\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/es.linkedin.com\/company\/orizo-consult\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.orizoconsult.com\/es\/#\/schema\/person\/3effe2a0a4253a67ad3b84b82e57a708\",\"name\":\"Ama\u00ebl Olivier\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/www.orizoconsult.com\/es\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/a5d3975779ab3847fa2a1a184e4c76c3bcc7e51a4f1d397c8896d49cbe7db42e?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/a5d3975779ab3847fa2a1a184e4c76c3bcc7e51a4f1d397c8896d49cbe7db42e?s=96&d=mm&r=g\",\"caption\":\"Ama\u00ebl Olivier\"},\"description\":\"Construction delay expert Ama\u00ebl Olivier is the Founding partner of Orizo Consult International. He cumulates over a decade of delay analysis know-how, including the review of major landmark projects across more than 25 countries. He excels in complex infrastructure and energy investments, having assessed projects ranging from 10 to 3,500 million USD in capital value. He testifies in English, French, and Spanish. The concepts presented in this article are orientative and have been simplified for the purpose of addressing a wide audience. The opinions are those of the author at the time of writing, not necessarily those of Orizo Consult International. Each case includes its own particularities, which is why we do not pretend to be providing professional advice through this content.\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Serie Cutting Edge Delay Analysis - Tecnolog\u00edas ChatGPT: \u00bfuna disrupci\u00f3n para la industria forense? - Parte 1: Incrustaciones | Orizo Consult","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/","og_locale":"es_ES","og_type":"article","og_title":"Serie Cutting Edge Delay Analysis - Tecnolog\u00edas ChatGPT: \u00bfuna disrupci\u00f3n para la industria forense? - Parte 1: Incrustaciones | Orizo Consult","og_description":"Explicaci\u00f3n de la mec\u00e1nica en la que se basa ChatGPT y las perspectivas de futuro de nuestro sector. Este art\u00edculo se desarrollar\u00e1 en dos partes, cada una de ellas centrada en una tecnolog\u00eda espec\u00edfica en la que se basa ChatGPT, seguida de algunos casos de uso concretos.","og_url":"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/","og_site_name":"Orizo Consult","article_published_time":"2023-02-06T08:00:02+00:00","article_modified_time":"2024-07-04T15:26:20+00:00","og_image":[{"width":2560,"height":1706,"url":"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2023\/02\/pexels-pixabay-267669-scaled.jpg","type":"image\/jpeg"}],"author":"Ama\u00ebl Olivier","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Ama\u00ebl Olivier","Tiempo de lectura":"12 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"ScholarlyArticle","@id":"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/#article","isPartOf":{"@id":"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/"},"author":{"name":"Ama\u00ebl Olivier","@id":"https:\/\/www.orizoconsult.com\/es\/#\/schema\/person\/3effe2a0a4253a67ad3b84b82e57a708"},"headline":"Serie Cutting Edge Delay Analysis &#8211; Tecnolog\u00edas ChatGPT: \u00bfuna disrupci\u00f3n para la industria forense? &#8211; Parte 1: Incrustaciones","datePublished":"2023-02-06T08:00:02+00:00","dateModified":"2024-07-04T15:26:20+00:00","mainEntityOfPage":{"@id":"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/"},"wordCount":2416,"publisher":{"@id":"https:\/\/www.orizoconsult.com\/es\/#organization"},"keywords":["construction","Cutting Edge Delay Analysis Series","delay-analysis","forensics","project-management"],"articleSection":["Industry Insights"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/","url":"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/","name":"Serie Cutting Edge Delay Analysis - Tecnolog\u00edas ChatGPT: \u00bfuna disrupci\u00f3n para la industria forense? - Parte 1: Incrustaciones | Orizo Consult","isPartOf":{"@id":"https:\/\/www.orizoconsult.com\/es\/#website"},"datePublished":"2023-02-06T08:00:02+00:00","dateModified":"2024-07-04T15:26:20+00:00","breadcrumb":{"@id":"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.orizoconsult.com\/es\/insights\/chatgpt-technologies-disruption-forensic-industry-part-1-embeddings\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.orizoconsult.com\/es\/home\/"},{"@type":"ListItem","position":2,"name":"Serie Cutting Edge Delay Analysis &#8211; Tecnolog\u00edas ChatGPT: \u00bfuna disrupci\u00f3n para la industria forense? &#8211; Parte 1: Incrustaciones"}]},{"@type":"WebSite","@id":"https:\/\/www.orizoconsult.com\/es\/#website","url":"https:\/\/www.orizoconsult.com\/es\/","name":"Orizo Consult","description":"Cutting Edge Expert Services","publisher":{"@id":"https:\/\/www.orizoconsult.com\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.orizoconsult.com\/es\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/www.orizoconsult.com\/es\/#organization","name":"Orizo Consult","url":"https:\/\/www.orizoconsult.com\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.orizoconsult.com\/es\/#\/schema\/logo\/image\/","url":"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2021\/07\/Main-Horizontal-2.png","contentUrl":"https:\/\/www.orizoconsult.com\/wp-content\/uploads\/2021\/07\/Main-Horizontal-2.png","width":300,"height":105,"caption":"Orizo Consult"},"image":{"@id":"https:\/\/www.orizoconsult.com\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/es.linkedin.com\/company\/orizo-consult"]},{"@type":"Person","@id":"https:\/\/www.orizoconsult.com\/es\/#\/schema\/person\/3effe2a0a4253a67ad3b84b82e57a708","name":"Ama\u00ebl Olivier","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.orizoconsult.com\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/a5d3975779ab3847fa2a1a184e4c76c3bcc7e51a4f1d397c8896d49cbe7db42e?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/a5d3975779ab3847fa2a1a184e4c76c3bcc7e51a4f1d397c8896d49cbe7db42e?s=96&d=mm&r=g","caption":"Ama\u00ebl Olivier"},"description":"Construction delay expert Ama\u00ebl Olivier is the Founding partner of Orizo Consult International. He cumulates over a decade of delay analysis know-how, including the review of major landmark projects across more than 25 countries. He excels in complex infrastructure and energy investments, having assessed projects ranging from 10 to 3,500 million USD in capital value. He testifies in English, French, and Spanish. The concepts presented in this article are orientative and have been simplified for the purpose of addressing a wide audience. The opinions are those of the author at the time of writing, not necessarily those of Orizo Consult International. Each case includes its own particularities, which is why we do not pretend to be providing professional advice through this content."}]}},"_links":{"self":[{"href":"https:\/\/www.orizoconsult.com\/es\/wp-json\/wp\/v2\/posts\/6361","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.orizoconsult.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.orizoconsult.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.orizoconsult.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.orizoconsult.com\/es\/wp-json\/wp\/v2\/comments?post=6361"}],"version-history":[{"count":35,"href":"https:\/\/www.orizoconsult.com\/es\/wp-json\/wp\/v2\/posts\/6361\/revisions"}],"predecessor-version":[{"id":8297,"href":"https:\/\/www.orizoconsult.com\/es\/wp-json\/wp\/v2\/posts\/6361\/revisions\/8297"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.orizoconsult.com\/es\/wp-json\/wp\/v2\/media\/6458"}],"wp:attachment":[{"href":"https:\/\/www.orizoconsult.com\/es\/wp-json\/wp\/v2\/media?parent=6361"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.orizoconsult.com\/es\/wp-json\/wp\/v2\/categories?post=6361"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.orizoconsult.com\/es\/wp-json\/wp\/v2\/tags?post=6361"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}