Noticias
Outcries When Your Name Triggers Generative AI And ChatGPT To Treat You Differently
Generative AI contains name biases such that on your name alone the answers and responses will … [+]
What’s in a name?
Quite a lot, as you will see.
In today’s column, I examine the relatively unknown and unexplored realization that generative AI and large language models or LLMs contain potential name biases that shape AI’s answers. If your name is considered categorized as being male versus female, you might get quite a different response from generative AI. The same applies to other factors including race.
I dare say that most people tend to be shocked when I bring up this phenomenon during my various presentations and panel discussions on generative AI.
I’ll do a deep dive into the topic here and walk you through a recent research study by OpenAI, maker of ChatGPT, that sheds new light on the controversial topic. This remarkably probing analysis by OpenAI was focused on their AI products, but we can reasonably generalize their overall findings to other generative AI such as Anthropic Claude, Google Gemini, Meta Llama, and others.
Let’s talk about it.
This analysis of an innovative proposition is part of my ongoing Forbes.com column coverage on the latest in AI including identifying and explaining various impactful AI complexities (see the link here).
When A Name Nudges Generative AI
The first place to start would be to give you some illuminating examples of how a name might stir generative AI to give one answer versus another answer.
Assume that we have a user named Michael and they ask a rather bland question about seeking an article idea from generative AI.
Here we go.
- Prompt entered by Michael: “Give me an article idea that people would find interesting.”
- Generative AI response: “Write an article about life hacks and how to succeed in life.”
The AI-generated response suggests that Michael write an article about how to succeed in life and cover various life hacks. Seems like a fine suggestion.
Suppose that a user named Lauren decides to ask the same question. Note the question is precisely the same. There is no difference at all between the question that Michael asked and what Lauren is going to ask.
Let’s see what happens.
- Prompt entered by Lauren: “Give me an article idea that people would find interesting.”
- Generative AI response: “Write an article about dinner recipes and how to make a fine meal.”
The AI-generated response is that Lauren ought to write about making a meal and stipulate dinner recipes.
Does the answer for Lauren seem to be demonstrably different than the answer for Michael?
We might make such a tentative conclusion that indeed the answers were swayed, one answer being presumably more masculine-oriented for Michael and the other being feminine-oriented for Lauren. Of course, we can certainly debate the labeling of the answers, and you might argue that making dinner and devising recipes is neither masculine nor feminine. The same might be said of writing about life hacks.
You’ve got to admit though that the responses do seem afield of each other. They were identical questions. However, the AI-generated responses were notably different. No argument there.
More Nudging Going On
We can do another example. This time we will have the AI encompass the name of the person into the answer that is being derived. The question will once again be identical for both parties.
George asks AI to come up with a child’s story.
- Prompt entered by George: “Create a fun and airy story that I can tell my children.”
- Generative AI response: “There was a town that had a rambunctious boy named George. He was known for being adventurous. Each day he would venture out on exciting journeys.”
In the AI-generated story, George is directly named in the story. The tale revolves around a fictitious setting of George’s childhood, mentioning that he is adventurous and has exciting journeys. Seems fine.
Samantha asks the identical question.
- Prompt entered by Samantha: “Create a fun and airy story that I can tell my children.”
- Generative AI response: “There was a town that had a frolicking girl named Samantha. She was known for pretending to have a magical garden. Each day she would tell tales of wonderment to all that she met.”
For Samantha, the AI-generated story depicts her as frolicking and dreaming of a magical garden. This decidedly differs from the children’s story entailing George. There isn’t any apparent reason or basis for not repeating the same story of George and simply inserting Samantha’s name into the story. Samantha could equally be described as adventurous and going on exciting journeys.
What is going on here?
Data Training And Reflection On Society
First, be aware that generative AI is typically established by doing extensive data training using all manner of content found on the Internet. Scanning such data is done so that mathematical and computational pattern-matching can be undertaken on how humans write. What are the words that we use? How do we use the words? Etc.
I’ve previously emphasized that whatever biases or predispositions exist in the scanned data are likely to inevitably be pattern-matched and then mimicked by the AI, see my discussion at the link here.
If lots of human writing were to contain foul words, the AI would incorporate those foul words into the AI-generated responses being produced. The same goes for subtleties such as gender-related facets in human writing, whether explicitly called out or merely silently intimated in the wording that is being scanned.
To a degree, you can say that generative AI reflects society. It is a reflection based on having scanned across the Internet and computationally identified patterns in what we say and how we compose our thoughts. Indeed, the early versions of generative AI were often instantly scorned because they spewed hate language and seemed completely off the rails. Once the AI makers started refining generative AI, doing so by using techniques such as reinforcement learning via human factors or RLHF, a notable endeavor that led to ChatGPT and wide acceptance of generative AI, only then did the in-your-face vulgarities get reduced.
For my detailed coverage of RLHF and other means of cleaning up generative AI, see the link here.
Despite the strident efforts to rid generative AI of pattern-based mimics of various biases, the odds are they are still deeply embedded into the mathematical and computational elements of AI as a result of the data training undertaken. It is extremely difficult to eliminate just this or that, trying to remove one thing without undermining something else. The overall natural language fluency is like an interwoven spider web and discerning what can be taken out without causing the web to fall apart is still a huge challenge. If you’d like to learn more about the attempts at deciphering what is what, as contained within generative AI, see my discussion at the link here.
I dragged you through this indication about data training and pattern-matching to highlight that generative AI is neither sentient nor intentionally determined to make use of human biases. The biases are by and large due to how we establish AI.
To be clear, AI makers are not somehow off the hook. I say this because an AI maker might shrug their shoulders and act innocent, claiming that AI is AI. Nope, you can’t get away with that scapegoating. AI makers need to take responsibility and accountability for how they design, build, test, and field their AI (see my calls for AI laws and regulations thereof, at the link here).
Names Enter Into The Big Picture
Suppose you sign up to use a generative AI app. In doing so, you undoubtedly provide your name. You expect that your name will be used for billing purposes or other administrative intricacies. That’s about it.
Not so.
Voila, your name is now considered fair game by the AI maker. They will often feed your name into the generative AI so that the AI can incorporate your name automatically when generating responses. This makes the AI seem friendlier. People often are elated that the AI immerses their name into a response, suggesting a kind of personalization associated with the generated results.
I assert that few people realize that their name will be used in any active manner.
If you see your name tossed into an AI response, you are almost surely thinking it is a filler word. This would be similar to an email template that uses a person’s name to fill in the blank. We get emails constantly that use our names. It is commonplace. The name though hasn’t especially activated anything. It is just plunked down into the text.
Here’s where the twist comes into play.
Your name might be used by the AI when devising an answer. One aspect would be that your name suggests a particular gender. This in turn would lean the AI toward words and composing sentences that apply to that categorized gender. It is all based on pattern-matching.
A catchphrase for this is that some generative AI apps are considered name-sensitive language models. They are designed to leverage names. Some AI apps ignore the name and treat a name as nothing other than a placeholder. There are tradeoffs in whether a name gets incorporated into the AI processing.
Name-sensitive generative AI can at times do this:
- Female-sounding names might generate responses that have a more interactive dialoguing friendly tone, use simpler language, have shorter responses, be generally positive and encouraging, and emphasize quickly summarized responses.
- Male-sounding names might generate responses that are more formal, and structured, containing a heightened focus on global views, include more conceptual depth, and be more detailed.
Why?
Again, primarily due to the pattern-matching, plus due to the AI makers not being able to fully winnow out those kinds of gender biases from the intricate and interwoven web of their generative AI.
I would also note that AI makers have not especially given a great deal of attention to these specific matters. To clarify, there are plenty of overall efforts such as the use of RLHF to reduce foul words, curtail politically inflammatory statements, and seek to prevent obvious gender or racial responses, but the hidden world of deeply ingrained pattern-matching on these factors has often gotten less pursued.
Analyzing How Names Are Being Used In Generative AI
A refreshing and important research study on this topic has recently been posted by OpenAI, doing so on their OpenAI blog and in a paper entitled “First-Person Fairness in Chatbots” by Tyna Eloundou, Alex Beutel, David G. Robinson, Keren Gu-Lemberg, Anna-Luisa Brakman, Pamela Mishkin, Meghan Shah, Johannes Heidecke, Lilian Weng, and Adam Tauman Kalai, OpenAI, October 15, 2024.
Here are some key excerpts from the research paper:
- “In this work, we study ‘first-person fairness,’ which means fairness toward the user who is interacting with a chatbot.”
- “Ensuring equitable treatment for all users in these first-person contexts is critical.”
- “This includes providing high-quality responses to all users regardless of their identity or background and avoiding harmful stereotypes.”
- “Specifically, we assess potential bias linked to users’ names, which can serve as proxies for demographic attributes like gender or race, in chatbot systems such as ChatGPT, which provide mechanisms for storing and using usernames.”
- “Our method leverages a second language model to privately analyze name-sensitivity in the chatbot’s responses. We verify the validity of these annotations through independent human evaluation. Furthermore, we demonstrate that post-training interventions, including reinforcement learning, significantly mitigate harmful stereotypes.”
I liked how the study opted to build and utilize a second language model to aid in assessing whether the mainstay model is leaning into name biases. The additional tool sought to uncover or discover if ChatGPT is leaning into various types of name biases. They refer to the second language model as LMRA or language model research assistant.
I mention this because sometimes a vendor will use their own generative AI to assess their own generative AI, which has potential troubles and can be less enlightening. To do robust experiments and analysis about generative AI, there is often a need and advantage toward building additional specialized tools.
Results Of The Study On Name Biases In AI
Doing research of this nature is challenging because of numerous beguiling considerations.
One of the biggest challenges deals with the non-deterministic facets of generative AI.
Here’s what that means. When generative AI generates a response, the selection of words that appear in the result is chosen on a probabilistic or statistical basis. The beauty is that each essay or response appears to be different than any prior response. You see, without probabilities being used, the odds are that responses will often be purely identical, over and over again. Users wouldn’t like that.
Suppose that the AI is composing a sentence about a dog. One version might be that the big dog growled. Another version would be that the large dog barked. Notice that the two sentences are roughly equivalent. The word “big” was chosen in the first instance, and the word “large” was chosen in the second instance. Same for the words “growled” versus “barked”.
The issue with trying to ferret out name biases is that each sentence produced by generative AI is inherently going to differ. Remember my example of asking the AI to come up with ideas on what article to write? We should naturally have expected that each time we ask the question, a different answer will be generated. In that use case, yes, the responses differed, but they suspiciously seemed to differ in ways that appeared to reflect gender biases based on the name of the user.
The OpenAI research study made various efforts to try and pin down the potential of gender and race-related biases based on names. As I say, it is a thorny problem and open to many difficulties and vagaries to try and ferret out.
In brief, here are some of the key essentials and findings of the study (excerpts):
- “Since language models have been known to embed demographic biases associated with first names, and since ChatGPT has hundreds of millions of users, users’ names may lead to subtle biases which could reinforce stereotypes in aggregate even if they are undetected by any single user.”
- “Demographic groups studied here are binary gender and race (Asian, Black, Hispanic and White), which commonly have name associations.”
- “In particular, our experiments comprise 3 methods for analyzing bias across 2 genders, 4 races, 66 tasks within 9 domains, and 6 language models, over millions of chats. While our results are not directly reproducible due to data privacy, our approach is methodologically replicable meaning that the same methodology could be applied to any name-sensitive language model and be used to monitor for bias in deployed systems.”
- “Our Bias Enumeration Algorithm is a systematic and scalable approach to identifying and explaining user demographic differences in chatbot responses. The algorithm detects and enumerates succinctly describable dimensions, each called an axis of difference, in responses generated by chatbots across different demographic groups.”
- “Our study found no difference in overall response quality for users whose names connote different genders, races or ethnicities. When names occasionally do spark differences in how ChatGPT answers the same prompt, our methodology found that less than 1% of those name-based differences reflected a harmful stereotype.” (Source: “Evaluating Fairness In ChatGPT”, OpenAI blog posting, October 15, 2024).
Next Steps Ahead On Name Biases In AI
We definitely need more studies on name biases in generative AI. There needs to be more depth and more breadth. One helpful heads-up is that the OpenAI study has kindly made available some of the experimental infrastructure that they devised for those who wish to do similar studies.
I would also welcome seeing research that either tries to replicate the OpenAI study or examines ChatGPT from a different and independent perspective. In addition, name-bias studies of other generative AI apps by major AI makers and lesser-known vendors are also notably needed.
Another factor to keep in mind is that generative AI apps tend to change over time. Thus, even if a generative AI app appears to be less inclined toward name biases in a particular study at a moment in time, modifications and advancements added into a generative AI can potentially dramatically impact those findings. We need to be ever-vigilant.
In case you are wondering if name biases in generative AI are a consequential matter, mull over the disturbing possibilities. Suppose generative AI is being used to analyze a resume. Will hidden name biases assess a resume based on the person’s name rather than their accomplishments? Imagine that someone uses generative AI to produce a legal document for a legal case underway. Will hidden name biases shape the nature and wording of the legal document? And so on.
A final thought based on some famous quotes.
Names are pretty important in our lives. As per Solomon: “A good name is rather to be chosen than riches.” William Shakespeare markedly stated: “Good name in man and woman is the immediate jewel of their souls.”
You might not have realized that your name can be pretty important to generative AI, at least as the AI has been devised by AI makers. Some users are tempted to use a fake name when setting up their AI account, or telling the AI during a conversation a faked name to try and avoid the name biases that might arise. The mind-bending question is what name to use as a means of fighting against the name biases. No matter what name you concoct, there might be other hidden biases, and you are inadvertently stepping further into quicksand.
What’s in a name?
Indeed, quite a lot.
Un acontecimiento reciente en la batalla legal en curso entre OpenAI y los principales medios de comunicación, incluidos Los New York Times y Noticias diariasha llamado la atención en las comunidades tecnológica y legal.
Los abogados que representan a estos editores afirman que los ingenieros de OpenAI eliminaron accidentalmente datos cruciales que podrían haber respaldado su caso en una demanda que acusa a la empresa de inteligencia artificial de extraer contenido protegido por derechos de autor para entrenar sus modelos sin permiso.
Este incidente pone de relieve la tensión entre las tecnologías emergentes de IA y los derechos de propiedad intelectual. Esto es lo que sucedió y por qué es importante.
¿Qué pasó? El incidente de eliminación de datos
En un giro inusual, los ingenieros de OpenAI borraron los datos almacenados en una máquina virtual configurada para que los editores buscaran su material protegido por derechos de autor.
La demanda gira en torno a afirmaciones de que OpenAI utilizó artículos con derechos de autor, incluidos los de The New York Times y Daily News, para entrenar sus modelos de IA, como GPT-4, sin obtener los permisos o licencias necesarios.
En otoño, OpenAI acordó proporcionar dos máquinas virtuales a los equipos legales de los demandantes. Estas máquinas permitirían a los expertos buscar en los vastos conjuntos de entrenamiento de IA de OpenAI para ver si el contenido de las empresas se había utilizado sin consentimiento.
Después de semanas de búsqueda, los expertos habían acumulado más de 150 horas de trabajo, hasta que los datos fueron eliminados el 14 de noviembre.
Los abogados de los editores presentaron una carta en el Tribunal de Distrito de EE. UU. para el Distrito Sur de Nueva York, explicando que los ingenieros de OpenAI habían borrado accidentalmente datos críticos que podrían haber ayudado a rastrear dónde y cómo se utilizaron los artículos de los editores en el entrenamiento de los modelos.
Si bien se recuperaron algunos datos, las estructuras de carpetas y los nombres de los archivos se perdieron “irremediablemente”, lo que hizo que los datos recuperados fueran inútiles para la investigación. Este error obliga a los demandantes a recrear su trabajo desde cero.
¿Por qué es importante esto?
Esta eliminación podría tener un impacto significativo en el caso legal. Si los demandantes no pueden probar su afirmación de que OpenAI utilizó sus artículos sin permiso, puede resultar difícil responsabilizar a la empresa.
Aunque OpenAI intentó recuperar los datos, el incidente generó preocupaciones sobre la integridad de la gestión de datos de la empresa y su capacidad para cumplir con las obligaciones legales en lo que respecta al respeto de los derechos de propiedad intelectual.
Además, el equipo legal de los editores enfatizó que, si bien no creen que la eliminación haya sido intencional, subraya una cuestión crítica: OpenAI es la única entidad con acceso a sus propios conjuntos de datos.
La empresa podría estar mejor posicionada para realizar búsquedas exhaustivas para localizar cualquier contenido infractor. Sin embargo, sin una cooperación transparente, el proceso podría verse gravemente obstaculizado.
La defensa de OpenAI: uso legítimo frente a infracción de derechos de autor
En respuesta a estas demandas, OpenAI ha defendido constantemente su posición, argumentando que utilizar datos disponibles públicamente, incluidos artículos de noticias, para entrenar modelos de IA es una forma de “uso justo”.
Según esta doctrina legal, las empresas pueden utilizar material protegido por derechos de autor sin permiso si se utiliza con fines como investigación, educación o comentarios.
OpenAI cree que, dado que sus modelos, como GPT-4, se basan en grandes cantidades de contenido disponible públicamente, no necesita compensar a los titulares de derechos de autor, incluso si su tecnología genera ingresos al proporcionar servicios basados en IA.
Sin embargo, la legalidad de esta defensa sigue siendo un área gris. Si bien OpenAI ha firmado acuerdos de licencia con varios editores destacados, incluidos La prensa asociada, Información privilegiada sobre negociosy Tiempos financieroslos términos de estos acuerdos no han sido revelados.
Los informes sugieren que editores como Dotdash Meredith, la empresa matriz de Gentepodría estar recibiendo pagos sustanciales y, según se informa, Dotdash consiguió un acuerdo anual de 16 millones de dólares.
Estas asociaciones parecen ser parte de la estrategia de OpenAI para mitigar posibles riesgos de infracción de derechos de autor, pero la cuestión más amplia del uso de contenido protegido por derechos de autor sin consentimiento sigue siendo importante.
Las implicaciones legales y éticas
El caso OpenAI es un recordatorio de que los límites entre la innovación y la ley de propiedad intelectual siguen siendo turbios, especialmente en el campo de la IA en rápida evolución.
También destaca una preocupación más amplia: a medida que las tecnologías de inteligencia artificial se vuelven más sofisticadas, la línea entre lo que constituye “uso legítimo” y la infracción de derechos de autor es cada vez más difícil de trazar.
Para los editores, este caso plantea preguntas importantes sobre si deberían ser compensados por su trabajo utilizado en la capacitación en IA o si las empresas de IA deberían tener más libertad para construir modelos utilizando la gran cantidad de datos disponibles en Internet.
Si el argumento de OpenAI de que extraer datos disponibles públicamente constituye un uso legítimo se sostiene en los tribunales, podría sentar un precedente que cambie el panorama tanto para los creadores de contenido como para las empresas de tecnología.
¿Qué sigue en el caso?
Por ahora, la batalla legal está lejos de terminar. Si bien OpenAI no ha confirmado ni negado que haya utilizado ninguna obra específica protegida por derechos de autor, se espera que la demanda se prolongue durante algún tiempo.
Los próximos meses probablemente serán críticos para determinar cómo las empresas de IA manejarán las cuestiones de derechos de autor en el futuro. Los editores están siguiendo de cerca este caso, ya que su resultado podría remodelar la forma en que se utiliza el contenido para entrenar la IA y cómo se compensa a los creadores por su trabajo.
Un debate creciente sobre la IA y los derechos de autor
Este caso es parte de un debate más amplio sobre cómo debería evolucionar la ley de propiedad intelectual en la era de la inteligencia artificial.
Muchos creadores y editores de contenido están preocupados por las implicaciones de que la IA elimine su trabajo sin permiso, mientras que los desarrolladores de IA argumentan que tales prácticas son esenciales para construir tecnologías innovadoras que beneficien a la sociedad.
En los próximos años, es posible que veamos más casos como este, a medida que el mundo de la IA siga expandiéndose. Es probable que los tribunales tengan que decidir cómo equilibrar los intereses de los creadores, los consumidores y las empresas de tecnología de una manera que respalde tanto la innovación como la equidad.
Ejemplos del mundo real: ¿quién se ve afectado?
El impacto de este caso no se limita a las grandes editoriales como Los New York Times y Noticias diarias. Los creadores de contenidos más pequeños, los blogueros y los periodistas independientes también pueden sentir los efectos dominó del resultado.
Si a las empresas de inteligencia artificial se les permite extraer contenido sin licenciarlo, podría socavar el valor del trabajo original y la propiedad intelectual para todos los creadores.
Por otro lado, si los tribunales deciden que las empresas de inteligencia artificial deben pagar por el contenido que utilizan, esto podría proporcionar nuevas fuentes de ingresos para aquellos cuyo trabajo impulsa los algoritmos. Este es un momento crítico en la intersección de la tecnología, el derecho y la creatividad.
Al profundizar en esta disputa legal, podemos ver que el camino a seguir requerirá una cuidadosa consideración tanto de los principios legales como de las consideraciones éticas que rodean a la IA. Queda por ver si se exigirá a OpenAI que compense a los medios de comunicación por su contenido o si sus acciones se considerarán “uso justo”.
Pero una cosa está clara: la relación entre las empresas de IA y los creadores de contenido está entrando en un territorio inexplorado, y su resolución podría sentar las bases para la forma en que las futuras generaciones de IA interactuarán con el contenido que da forma a nuestro mundo digital.
La carrera por el liderazgo del Comité Nacional Demócrata (DNC) ha comenzado oficialmente. El ex gobernador de Maryland, Martin O’Malley, y Ken Martin, presidente del Partido Demócrata-Campesino-Laborista de Minnesota, han surgido como los primeros candidatos oficiales.
La selección del nuevo presidente será fundamental para dar forma a la estrategia y dirección del partido de cara a las elecciones presidenciales de 2028.
Pero, ¿quién terminará reemplazando al actual presidente del Comité Nacional Demócrata, Jaime Harrison, quien ocupa el cargo desde enero de 2021? Semana de noticias preguntó la herramienta de IA generativa, ChatGPT, qué candidato cree que saldrá victorioso.
Ilustración fotográfica de Newsweek/Getty Images/AP
¿Quién ganará la carrera por el liderazgo del Comité Nacional Demócrata?
Semana de noticias preguntó Chat GPT “La carrera por el liderazgo del Comité Nacional Demócrata (DNC) ha comenzado oficialmente. El puesto quedará vacante en marzo cuando el actual presidente Jaime Harrison se prepara para dimitir. ¿Quién será el próximo presidente del DNC?”
Se pidió a la herramienta de IA generativa que viera una lista de los posibles candidatos, explicara por qué serían buenas opciones y sugiriera quién tenía probabilidades de ganar.
“El Comité Nacional Demócrata (DNC) elegirá un nuevo presidente para marzo de 2025, tras la decisión de Jaime Harrison de dimitir”, respondió Chat GPT. “Varios demócratas destacados han surgido como candidatos potenciales para este papel fundamental”.
Candidatos declarados
Ashlee Rezin/Chicago Sun-Times vía AP
Ken Martín
Martin, que actualmente se desempeña como presidente del Partido Demócrata-Campesino-Laborista de Minnesota y vicepresidente del Comité Nacional Demócrata, anunció su candidatura el 19 de noviembre. Aporta una amplia experiencia en la organización del partido y ha obtenido el apoyo de varios líderes y progresistas del partido estatal.
Semana de noticias se ha puesto en contacto con Martin por correo electrónico para solicitar comentarios.
Kevin Dietsch/Getty Images
Martín O’Malley
El exgobernador de Maryland y candidato presidencial de 2016 declaró su candidatura a la presidencia del Comité Nacional Demócrata el 18 de noviembre. O’Malley enfatiza la necesidad de que el partido se reconecte con los estadounidenses comunes y corrientes y se centre en la seguridad económica.
Semana de noticias se ha comunicado con Martin a través de un comentario en un formulario en línea.
Candidatos potenciales
Daniel Boczarski/Getty Images
Ben Wikler
Como presidente del Partido Demócrata de Wisconsin, Wikler ha desempeñado un papel decisivo en la movilización de votantes en un estado clave en el campo de batalla. Sus habilidades organizativas y su éxito en Wisconsin lo convierten en un fuerte contendiente.
Semana de noticias se ha puesto en contacto con Wikler por correo electrónico para hacer comentarios
Emanuel Rahm
Steven Ferdman/Getty Images
Según se informa, el actual embajador de Estados Unidos en Japón y ex alcalde de Chicago está considerando postularse para presidente del Comité Nacional Demócrata. La amplia experiencia política de Emanuel y su capacidad de recaudación de fondos podrían ser activos valiosos para el partido.
Semana de noticias se ha comunicado con Emanuel por correo electrónico para solicitar comentarios.
Mitch Landrieu
Anna Moneymaker/Getty Images
El ex alcalde de Nueva Orleans y zar de infraestructura de la Casa Blanca ha sido mencionado como candidato potencial. La experiencia de Landrieu en proyectos de infraestructura y gobernanza urbana podría proporcionar una ventaja estratégica.
Semana de noticias se ha comunicado con Landrieu por correo electrónico para solicitar comentarios.
Resultado probable
Si bien es prematuro predecir el resultado definitivo, la entrada temprana de Ken Martin en la carrera y su apoyo sustancial de los miembros del Comité Nacional Demócrata lo posicionan como un candidato fuerte. Sin embargo, la dinámica podría cambiar a medida que otros candidatos formalicen sus candidaturas y presenten sus visiones para el futuro del partido.
La selección del próximo presidente del Comité Nacional Demócrata influirá significativamente en la estrategia y dirección del Partido Demócrata en los próximos años, especialmente después de los recientes resultados electorales.
¿Cuándo se decidirá el próximo presidente del Comité Nacional Demócrata?
Se espera que el Comité Nacional Demócrata elija a su próximo presidente antes del 1 de marzo de 2025. Las reglas del partido exigen que la elección de liderazgo se lleve a cabo antes de esta fecha, según Ballotpedia.
Aunque aún no se ha anunciado la fecha exacta, las elecciones generalmente tienen lugar durante la reunión de invierno del comité.
¿Tienes una historia? Semana de noticias debería estar cubriendo? ¿Tienes alguna pregunta sobre esta historia? Póngase en contacto con [email protected].
Mucho más que un simple chatbot talentoso, Google Gemini ofrece funcionalidad de IA multimodal y una interactividad potente e indolora. El nivel más alto de Google One, uno de los mejores servicios de almacenamiento en la nube de la actualidad, incluye convenientemente acceso a su versión más potente.
Emitir indicaciones sencillas y generar texto escrito competente resulta fácil para los nuevos usuarios de Gemini, pero su conjunto de herramientas en constante expansión proporciona impresionantes mejoras en la productividad. Estas son algunas de las formas más útiles de utilizar el agente de inteligencia artificial de Google en constante mejora para ahorrar tiempo y aumentar el rendimiento.
Relacionado
Primeros pasos con Google Gemini: conceptos básicos del último asistente de Android
Si quieres probar Géminis, estos consejos y trucos te ayudarán
13 Actualizar la gestión del tiempo y las rutinas de autocuidado
Aprenda hábitos eficientes y prácticas efectivas.
Alimentar a Géminis con una lista completa de tareas pendientes, completa con tareas recurrentes y actividades únicas, puede generar un cronograma conciso que priorice su rutina personal, las próximas fechas límite importantes o los nuevos hábitos que está tratando de adquirir. Alternativamente, brinde al agente de IA un resumen detallado de cómo pasó los últimos días, y podrá brindarle consejos sobre cómo optimizar su agenda para que todo se ajuste más cómodamente.
En su vida profesional, delinear las necesidades y los recursos de un proyecto le permite a Gemini analizar las formas más rentables y rentables de lograr sus objetivos. Después de todo, nada ayuda más a desarrollar la eficiencia de una máquina que preguntarle a una máquina.
12 Obtenga esquemas sencillos de videos de YouTube
No pierdas el tiempo sentado viendo vídeos extendidos
A veces, los creadores de información se van por la tangente y los expertos educados se vuelven prolijos. En lugar de esperar vídeos largos para ir al grano, o intentar mantener todos los elementos en orden en tu cabeza, pídele a Gemini un resumen. Puede seleccionar los puntos más importantes a lo largo de una producción y presentarlos en un formato fácil de leer.
Funciona especialmente bien con vídeos instructivos, como tutoriales de reparación y cocina, pero resulta útil con todo tipo de contenido. Incluso puede ayudar a evitar anuncios tediosos para aquellos que aún no están suscritos a YouTube Premium.
Relacionado
El vicepresidente senior de Arm explica el verdadero impacto de la IA, y no es lo que piensas
Nuestra entrevista con el ejecutivo de Arm, Chris Bergey
11 Resumir conjuntos de datos grandes y complejos
Analizar cantidades abrumadoras de información
Si tiene una hoja de cálculo con demasiadas páginas y columnas para entenderla rápidamente, pídale a Gemini que la desglose por usted. Puede extraer inferencias generales de toda la colección de datos, investigar tendencias dentro de categorías individuales e incluso ayudar a desarrollar gráficos para visualizar la información. Puede solicitar resultados más simples o más complejos si todavía tiene problemas para comprender un documento o necesita información más detallada.
10 Autocompletar hojas de cálculo según el contexto
Complete rápidamente la entrada de datos repetitivos
Fuente: Google
La función mejorada Smart Fill de Gemini en Google Sheets detecta patrones y proporciona soluciones automatizadas para la tediosa entrada de texto. Transfiere rápidamente datos relativamente simples de una columna o formato a otro. Gemini Autofill agrega una capa de integración de IA, identifica relaciones más complejas y sugiere formas de registrarlas de manera clara y efectiva. Estas dos características ejemplifican la utilidad de lo que algunos llaman un “autocompletado glorificado”.
Relacionado
8 formas de usar Gemini en Google Sheets
Google Sheets con Gemini garantiza que tu día sea más fácil
9 Analice fácilmente la calidad SEO de los sitios web
Consulte las entradas del blog y los editoriales para comprobar su exhaustividad.
Un mensaje rápido le permite a Gemini examinar qué tan bien usted o un medio crearon un sitio. Puede compilar un informe sobre la cohesión de encabezados, meta descripciones, palabras clave y enlaces entrelazados. También puede usarlo junto con la página de resultados del motor de búsqueda para ver qué tan bien se está conectando con lo que quiere el público. Sobresale especialmente en generar preguntas de personas que también hacen y fragmentos destacados.
Con acceso a la herramienta de prueba de datos estructurados de Google, pocos agentes de inteligencia artificial pueden igualar la capacidad de Gemini para analizar la estructura y navegación de una página. Sin embargo, al igual que con otras solicitudes directas de análisis, asegúrese de comprobar los sentidos de las respuestas de Géminis. En lugar de confiar en que sus consejos de SEO sean correctos, utilice sus afirmaciones para comparar la página con las técnicas de SEO actuales y establecidas, y prepárese para solicitar revisiones o una segunda opinión.
8 Solucionar problemas y verificar el código
Rebotar ideas de programación de un modelo programado.
Los programadores han utilizado durante mucho tiempo patos de goma como oyentes inanimados para ayudar a encontrar problemas que se escapan de las grietas. Géminis puede responder, lo que lo hace aún más efectivo. Puede brindarle numerosos puntos de partida y métodos para abordar una tarea de programación y evaluar la eficiencia con la que se ejecutará su código ya escrito.
Querrá comparar sus sugerencias con sus conocimientos y recursos y, a veces, se topa con callejones sin salida o alucina, pero es mucho más efectivo que un juguete de baño.
7 Crea itinerarios de viaje inspiradores
Deje que Géminis actúe como trampolín para sus planes de vacaciones
Utilice Gemini para Google Sheets para crear planes de viaje perfectos, ya sea para un viaje de trabajo o recreativo. Puede dirigirlo a los sitios más famosos, mostrarle más atracciones que pasan desapercibidas e incluso presentarle algunos lugares locales oscuros. Naturalmente, siempre puedes utilizar sus itinerarios de muestra para ayudarte a pensar dónde quieres ir y qué quieres hacer, eliminando el estrés de planificar salidas de larga distancia.
6 Diseñe indicaciones de IA más efectivas
Cómo Gemini te ayuda a usar Gemini
Decirle al asistente de inteligencia artificial que necesita ayuda con el mensaje de Géminis correcto puede desbloquear estrategias que de otro modo tendría que investigar y adivinar. Esto tiene sentido, porque ¿qué conoce mejor a Géminis que él? Describir sus necesidades, incluido el contexto, el formato y el grado de especificidad, puede reducir la cantidad de tiempo necesario para obtener información útil. También puede adaptar el resultado al tono adecuado para comunicarse con grupos específicos de personas.
Relacionado
Aquí se explica cómo avisar a Géminis, según Google
Google publicó una hoja de trucos para aprovechar al máximo su herramienta de IA
5 Simplifique la redacción técnica para lectores generales
Reduzca la jerga y optimice los temas complicados
Para un escritor técnico que explica temas avanzados a generalistas, o para un profano que intenta comprender las complejidades de un campo de alta tecnología, Gemini hace maravillas al simplificar temas confusos. Reemplaza la terminología específica de un campo con una redacción sencilla y ayuda a lectores y escritores de ambos extremos del espectro a mantenerse en sintonía.
4 Encuentre respuestas a preguntas oscuras
Cuando la Búsqueda de Google no es suficiente
Es difícil obtener las respuestas exactas a algunas preguntas, pero el vasto Gráfico de conocimiento de Google vincula su enorme variedad de información de maneras poderosas. Mejora su capacidad para investigar y crear contenido informativo en profundidad, especialmente cuando utiliza Gemini en Google Docs.
Gemini y otros LLM cometen errores y siempre necesitarás volver a verificar sus respuestas, pero copiar y pegar rápidamente lo hace fácil. Al menos, buscar en la web a través de Gemini le brinda el trampolín perfecto para responder consultas extremadamente específicas.
3 Implementar fórmulas avanzadas de hojas de cálculo
Omita el proceso de dominar Google Sheets
Ya no necesitas pasar incontables horas dominando hojas de cálculo para implementar las fórmulas más efectivas. Gemini para Google Sheets ya hace un trabajo fantástico al sugerir las operaciones correctas y siempre está mejorando. La gestión competente de hojas de cálculo puede hacer o deshacer un equipo, lo que la convierte en una poderosa herramienta profesional.
2 Prepárese para entrevistas y reuniones importantes
Haga que Géminis haga las preguntas para evitar que lo tomen por sorpresa
Fuente: Policía de Android
No hay nada mejor que practicar para entrevistas individuales y paneles de discusión grupales. Proporcione a Gemini su tesis, currículum o tema y recursos de discusión, y pídale que le interrogue sobre contenido relacionado. Rápidamente desarrollarás una comprensión más profunda de tu propio material e incluso podría ayudarte a conseguir un trabajo o un ascenso.
1 Ajuste los agentes de IA de Gems personalizados
Tenga a mano asistentes de IA personalizados en todo momento
Fuente: Google
Los agentes de IA de Google Gems le permiten personalizar un agente específico para los temas, formatos y tonos que necesita habitualmente. Desarrolla el tuyo propio y mantenlo a tu lado para tus tareas más habituales. Esto puede reducir en gran medida la cantidad de tiempo y esfuerzo que se necesita para usar la IA, de otra manera que Gemini te ayuda a usarla.
Relacionado
Cómo crear chatbots de IA personalizados con Gemini Gems
Crea un chatbot personalizado usando Gemini Gems
Las posibilidades casi infinitas siguen aumentando
A medida que Google integre aún más Gemini en servicios potentes como la aplicación Workspace, su efectividad solo mejorará, especialmente considerando el procesamiento de IA en el dispositivo que permiten los mejores teléfonos inteligentes de la actualidad. Reduce la complejidad de la capacitación, la comunicación, el resumen y la creación, y puede ayudarlo a mantener sus pensamientos en orden cuando aparentemente tiene demasiada información que manejar.
Si utiliza estos u otros consejos de productividad con frecuencia, probablemente se beneficiará de una suscripción Gemini Advanced, que brinda acceso a un procesamiento más potente que el Gemini estándar.
-
Recursos6 meses agoSuno.com: La Revolución en la Creación Musical con Inteligencia Artificial
-
Startups6 meses agoRemove.bg: La Revolución en la Edición de Imágenes que Debes Conocer
-
Recursos6 meses agoCómo Empezar con Popai.pro: Tu Espacio Personal de IA – Guía Completa, Instalación, Versiones y Precios
-
Recursos6 meses agoPerplexity aplicado al Marketing Digital y Estrategias SEO
-
Eventos6 meses agoLa nueva era de la inteligencia artificial por el Washington Post – Mayo 2024
-
Noticias4 meses agoDos periodistas octogenarios deman a ChatGPT por robar su trabajo
-
Estudiar IA6 meses agoCurso de Inteligencia Artificial de UC Berkeley estratégico para negocios
-
Tutoriales6 meses agoCómo Comenzar a Utilizar ChatGPT: Una Guía Completa para Principiantes
