Connect with us

Noticias

Prueba de manejo del modelo Gemini-Exp-1206 de Google en análisis de datos y visualizaciones

Published

on

Únase a nuestros boletines diarios y semanales para obtener las últimas actualizaciones y contenido exclusivo sobre la cobertura de IA líder en la industria. Más información


Uno de los últimos modelos experimentales de Google, Gemini-Exp-1206, muestra el potencial de aliviar uno de los aspectos más agotadores del trabajo de cualquier analista: lograr que sus datos y visualizaciones se sincronicen perfectamente y proporcionen una narrativa convincente, sin tener que trabajar toda la noche. .

Los analistas de inversiones, los banqueros junior y los miembros de equipos de consultoría que aspiran a puestos de socios asumen sus roles sabiendo que largas horas de trabajo, fines de semana y pasar toda la noche ocasionalmente podrían darles una ventaja interna en un ascenso.

Lo que consume gran parte de su tiempo es realizar análisis de datos avanzados y al mismo tiempo crear visualizaciones que refuercen una historia convincente. Lo que hace que esto sea más desafiante es que cada firma bancaria, fintech y consultora, como JP Morgan, McKinsey y PwC, tiene formatos y convenciones únicos para el análisis y visualización de datos.

VentureBeat entrevistó a miembros de equipos de proyectos internos cuyos empleadores habían contratado a estas empresas y las habían asignado al proyecto. Los empleados que trabajan en equipos dirigidos por consultores dijeron que producir imágenes que condensen y consoliden la enorme cantidad de datos es un desafío persistente. Uno dijo que era común que los equipos de consultores trabajaran durante la noche y hicieran un mínimo de tres o cuatro iteraciones de las visualizaciones de una presentación antes de decidirse por una y prepararla para las actualizaciones a nivel de tablero.

Un caso de uso convincente para probar el último modelo de Google

El proceso en el que confían los analistas para crear presentaciones que respalden una historia con visualizaciones y gráficos sólidos tiene tantos pasos manuales y repeticiones que resultó ser un caso de uso convincente para probar el último modelo de Google.

Al lanzar el modelo a principios de diciembre, Patrick Kane de Google escribió: “Ya sea que esté enfrentando desafíos complejos de codificación, resolviendo problemas matemáticos para proyectos escolares o personales, o brindando instrucciones detalladas de varios pasos para elaborar un plan de negocios personalizado, Gemini-Exp-1206 le ayudará a navegar tareas complejas con mayor facilidad”. Google notó el rendimiento mejorado del modelo en tareas más complejas, incluido el razonamiento matemático, la codificación y el seguimiento de una serie de instrucciones.

VentureBeat llevó el modelo Exp-1206 de Google a una prueba exhaustiva esta semana. Creamos y probamos más de 50 scripts de Python en un intento de automatizar e integrar análisis y visualizaciones intuitivas y fáciles de entender que pudieran simplificar los datos complejos que se analizan. Dado que los hiperescaladores dominan los ciclos de noticias actuales, nuestro objetivo específico era crear un análisis de un mercado tecnológico determinado y al mismo tiempo crear tablas de apoyo y gráficos avanzados.

A través de más de 50 iteraciones diferentes de scripts de Python verificados, nuestros hallazgos incluyeron:

  • Cuanto mayor es la complejidad de una solicitud de código Python, más “piensa” el modelo e intenta anticipar el resultado deseado. Exp-1206 intenta anticipar lo que se necesita a partir de un mensaje complejo determinado y variará lo que produce incluso con el más mínimo cambio de matiz en un mensaje. Vimos esto en cómo el modelo alternaría entre formatos de tipos de tablas colocadas directamente encima del gráfico de araña del análisis de mercado de hiperescalador que creamos para la prueba.
  • Obligar al modelo a intentar realizar análisis y visualización de datos complejos y producir un archivo Excel genera una hoja de cálculo con varias pestañas. Sin que nunca le pidieran una hoja de cálculo de Excel con varias pestañas, Exp-1206 creó una. El análisis tabular principal solicitado estaba en una pestaña, las visualizaciones en otra y una tabla auxiliar en la tercera.
  • Decirle al modelo que repita los datos y recomiende las 10 visualizaciones que decida que mejor se ajustan a los datos ofrece resultados beneficiosos y reveladores. Con el objetivo de reducir el tiempo que supone tener que crear tres o cuatro iteraciones de presentaciones de diapositivas antes de una revisión por parte de la junta, obligamos al modelo a producir múltiples iteraciones conceptuales de imágenes. Estos podrían limpiarse e integrarse fácilmente en una presentación, ahorrando muchas horas de trabajo manual creando diagramas en diapositivas.

Impulsando a Exp-1206 hacia tareas complejas y en capas

El objetivo de VentureBeat era ver hasta dónde se podía llevar el modelo en términos de complejidad y tareas en capas. Su desempeño en la creación, ejecución, edición y ajuste de 50 scripts de Python diferentes mostró cuán rápido el modelo intenta captar matices en el código y reaccionar de inmediato. El modelo se flexiona y se adapta según el historial de indicaciones.

El resultado de ejecutar el código Python creado con Exp-1206 en Google Colab mostró que la granularidad matizada se extendía al sombreado y la translucidez de las capas en un gráfico de araña de ocho puntos que fue diseñado para mostrar cómo se comparan seis competidores hiperescaladores. Los ocho atributos que le pedimos a Exp-1206 que identificara en todos los hiperescaladores y que anclara el gráfico de araña se mantuvieron consistentes, mientras que las representaciones gráficas variaron.

Batalla de los hiperescaladores

Elegimos los siguientes hiperescaladores para comparar en nuestra prueba: Alibaba Cloud, Amazon Web Services (AWS), Digital Realty, Equinix, Google Cloud Platform (GCP), Huawei, IBM Cloud, Meta Platforms (Facebook), Microsoft Azure, NTT Global Data. Centros, Oracle Cloud y Tencent Cloud.

A continuación, escribimos un mensaje de 11 pasos de más de 450 palabras. El objetivo era ver qué tan bien Exp-1206 puede manejar la lógica secuencial y no perder su lugar en un proceso complejo de varios pasos. (Puede leer el mensaje en el apéndice al final de este artículo).

Luego enviamos el mensaje en Google AI Studio, seleccionando el modelo Gemini Experimental 1206, como se muestra en la siguiente figura.

A continuación, copiamos el código en Google Colab y lo guardamos en un cuaderno Jupyter (Comparación de Hyperscaler – Gemini Experimental 1206.ipynb), luego ejecutamos el script de Python. El script se ejecutó sin problemas y creó tres archivos (indicados con las flechas rojas en la parte superior izquierda).

Análisis comparativo de Hyperscaler y un gráfico, en menos de un minuto

La primera serie de instrucciones en el mensaje pedía a Exp-1206 que creara un script de Python que comparara 12 hiperescaladores diferentes por su nombre de producto, características y diferenciadores únicos y ubicaciones de centros de datos. A continuación se muestra cómo resultó el archivo de Excel que se solicitó en el script. Me llevó menos de un minuto formatear la hoja de cálculo para reducirla y ajustarla a las columnas.

Hoja de cálculo de la prueba de Google Gemini-Exp-1206

La siguiente serie de comandos solicitó una tabla de los seis principales hiperescaladores comparados en la parte superior de una página y el gráfico de araña a continuación. Exp-1206 eligió por sí solo representar los datos en formato HTML, creando la siguiente página.

Gráfico de la prueba de Google Gemini-Exp-1206

La secuencia final de comandos se centró en la creación de un gráfico de araña para comparar los seis hiperescaladores principales. Le asignamos a Exp-1206 la tarea de seleccionar los ocho criterios para la comparación y completar el gráfico. Esa serie de comandos se tradujo a Python y el modelo creó el archivo y lo proporcionó en la sesión de Google Colab.

Un modelo diseñado específicamente para ahorrar tiempo a los analistas

VentureBeat ha aprendido que en su trabajo diario, los analistas continúan creando, compartiendo y ajustando bibliotecas de indicaciones para modelos de IA específicos con el objetivo de optimizar los informes, el análisis y la visualización en todos sus equipos.

Los equipos asignados a proyectos de consultoría a gran escala deben considerar cómo modelos como Gemini-Exp-1206 pueden mejorar enormemente la productividad y aliviar la necesidad de semanas laborales de más de 60 horas y noches ocasionales en vela. Una serie de indicaciones automatizadas pueden realizar el trabajo exploratorio de observar las relaciones en los datos, lo que permite a los analistas producir imágenes con mucha mayor certeza sin tener que dedicar una cantidad excesiva de tiempo a llegar allí.

Apéndice:

Prueba rápida de Google Gemini Experimental 1206

Escriba un script de Python para analizar los siguientes hiperescaladores que han anunciado una presencia de centro de datos e infraestructura global para sus plataformas y cree una tabla comparándolos que capture las diferencias significativas en cada enfoque en presencia de centro de datos e infraestructura global.

Haga que la primera columna de la tabla sea el nombre de la empresa, la segunda columna sean los nombres de cada uno de los hiperescaladores de la empresa que tienen presencia de centro de datos e infraestructura global, la tercera columna sea lo que hace que sus hiperescaladores sean únicos y una inmersión profunda en los más diferenciados. características, y la cuarta columna son las ubicaciones de los centros de datos para cada hiperescalador a nivel de ciudad, estado y país. Incluya los 12 hiperescaladores en el archivo de Excel. No hagas web scraping. Genere un archivo de Excel del resultado y formatee el texto en el archivo de Excel para que no contenga corchetes ({}), comillas (‘), asteriscos dobles (**) ni ningún código HTML para mejorar la legibilidad. Nombra el archivo de Excel, Gemini_Experimental_1206_test.xlsx.

A continuación, cree una tabla de tres columnas de ancho y siete columnas de profundidad. La primera columna se titula Hiperescalador, la segunda Características únicas y diferenciadores y la tercera, Infraestructura y ubicaciones de centros de datos. Pon en negrita los títulos de las columnas y céntralos. Los títulos de los hiperescaladores también están en negrita. Verifique dos veces para asegurarse de que el texto dentro de cada celda de esta tabla se ajuste y no pase a la siguiente celda. Ajuste la altura de cada fila para asegurarse de que todo el texto quepa en la celda deseada. Esta tabla compara Amazon Web Services (AWS), Google Cloud Platform (GCP), IBM Cloud, Meta Platforms (Facebook), Microsoft Azure y Oracle Cloud. Centre la tabla en la parte superior de la página de resultados.

A continuación, tomemos Amazon Web Services (AWS), Google Cloud Platform (GCP), IBM Cloud, Meta Platforms (Facebook), Microsoft Azure y Oracle Cloud y defina los ocho aspectos más diferenciadores del grupo. Utilice esos ocho aspectos diferenciadores para crear un gráfico de araña que compare estos seis hiperescaladores. Cree un único gráfico de araña grande que muestre claramente las diferencias en estos seis hiperescaladores, utilizando diferentes colores para mejorar su legibilidad y la capacidad de ver los contornos o huellas de diferentes hiperescaladores. Asegúrese de titular el análisis, Lo que más diferencia a los hiperescaladores, diciembre de 2024. Asegúrese de que la leyenda sea completamente visible y no esté encima del gráfico.

Agregue el gráfico de la araña en la parte inferior de la página. Centre el gráfico de araña debajo de la tabla en la página de salida.

Estos son los hiperescaladores que se incluirán en el script Python: Alibaba Cloud, Amazon Web Services (AWS), Digital Realty, Equinix, Google Cloud Platform (GCP), Huawei, IBM Cloud, Meta Platforms (Facebook), Microsoft Azure, NTT Global Data. Centros, Oracle Cloud, Tencent Cloud.

Continue Reading
Click to comment

Leave a Reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Noticias

Cinco tendencias de IA a tener en cuenta en 2025: agentes, IA 3D, datos sintéticos y más

Published

on

Las empresas de inteligencia artificial como ChatGPT aumentaron su valor en 2024. Sebastien Bozón/AFP vía Getty Images

En los primeros ocho meses de 2024, Microsoft (MSFT), Meta (META), Google (GOOGL) y Amazon (AMZN) registraron colectivamente la asombrosa cifra de 125 mil millones de dólares en gastos de capital (CapEx) y costos operativos relacionados con la IA, según un informe de septiembre. Informe JPMorgan. Se espera que el CapEx acumulado de estos cuatro gigantes tecnológicos por sí solo supere la marca de los 200 mil millones de dólares para todo 2024.

Mientras tanto, las nuevas empresas de IA recibieron cantidades sin precedentes de financiación de inversores deseosos de sacar provecho del potencial lucrativo de la tecnología. OpenAI terminará 2024 como la empresa de IA mejor financiada, valorada más recientemente en 157 mil millones de dólares. Su rival Anthropic se está preparando para una nueva recaudación de fondos que la valora en 40 mil millones de dólares.

Llenas de efectivo, las principales empresas de inteligencia artificial ahora tienen la tarea de demostrar a los inversionistas (y al público) que sus costosas apuestas en la nueva tecnología darán sus frutos. Desde un giro continuo hacia la “IA agencia” hasta nuevas leyes de escalamiento emergentes y exploraciones de amplio alcance de las innumerables capacidades de la IA, he aquí un vistazo a lo que traerá el 2025 al mundo de la IA:

La IA agente será “el próximo gran avance”

La palabra de moda se refiere a asistentes autónomos de IA capaces de completar tareas sin supervisión humana. El potencial de los agentes de IA para mejorar los lugares de trabajo y la vida cotidiana rápidamente llamó la atención en Silicon Valley, y empresas como Salesforce adoptaron a los agentes como su próximo producto importante.

Microsoft también ha implementado una gran cantidad de agentes de inteligencia artificial en los últimos meses. En noviembre, presentó varios asistentes de inteligencia artificial personalizados para su suite Microsoft 365, incluido un agente capaz de proporcionar traducción en nueve idiomas diferentes.

OpenAI también está en el tren de la “IA agente”, y se espera que un próximo modelo pueda realizar tareas como reservar viajes y escribir código. Los agentes de IA son “lo que se sentirá como el próximo gran avance”, dijo Sam Altman, director ejecutivo de OpenAI, durante una reciente AMA en Reddit.

El mercado global de agentes de IA está valorado actualmente en más de 5 mil millones de dólares, según la firma de investigación MarketsandMarkets. Para finales de la década, se espera que esta cifra se dispare a 47 mil millones de dólares, impulsada en parte por la demanda de agentes entre los clientes empresariales.

La computación en tiempo de prueba podría ser una solución a la crisis de datos de entrenamiento de la IA

Uno de los componentes clave del éxito de la IA en los últimos años ha sido la gran cantidad de datos introducidos en los modelos de IA. Pero sólo hay una cantidad finita de texto, imágenes y vídeos en Internet. Para evitar un estancamiento en el desarrollo de la tecnología, las empresas de IA están recurriendo a formas alternativas de entrenar sus modelos. Una de las soluciones más prometedoras es la computación en tiempo de prueba, donde los modelos de IA mejoran al razonar y tomar más tiempo para pensar en posibles respuestas antes de responder, una teoría demostrada más recientemente por el modelo o1 de OpenAI.

En una conferencia telefónica sobre resultados en noviembre, el CEO de Nvidia (NVDA), Jensen Huang, describió el nuevo modelo de OpenAI como “uno de los desarrollos más emocionantes” en escalamiento y señaló que “cuanto más piense, mejor y de mayor calidad producirá la respuesta”.

Huang no está solo en su optimismo. El director ejecutivo de Microsoft, Satya Nadella, también señaló la computación en tiempo de prueba como una nueva ley de escalamiento en noviembre, mientras que el cofundador de OpenAI, Ilya Sutskever, a principios de este mes la destacó como una progresión de la era previa al entrenamiento de la IA.

Los datos sintéticos son otra solución prometedora

Otra solución a la crisis de datos de la IA es reemplazar los datos tradicionales con información generada por la propia tecnología. Se espera que el mercado de datos sintéticos se dispare a 2.100 millones de dólares para 2028, lo que representa un aumento de más del 450 por ciento desde 2022, según BCC Research.

Altman insinuó el potencial de los datos sintéticos hace un año cuando habló sobre el suministro cada vez menor de datos de la IA, y comentó en una entrevista que “siempre que se pueda superar el horizonte de eventos de los datos sintéticos, donde el modelo es lo suficientemente inteligente como para generar buenos datos sintéticos, Creo que todo debería estar bien”. Según se informa, OpenAI, junto con competidores como Anthropic, Meta, Microsoft y Google, han comenzado a utilizar datos sintéticos de alguna manera para entrenar y ajustar modelos.

En octubre, la startup de IA Writer dio a conocer un nuevo modelo de IA entrenado íntegramente con datos generados por IA. Este enfoque permitió a la empresa reducir costes significativos en el desarrollo del modelo, que ascendieron a apenas 700.000 dólares en comparación con los millones repartidos por otras empresas. Entrenar el modelo GPT-4 de OpenAI, por ejemplo, costó más de 100 millones de dólares.

Los “grandes modelos de mundos” crearán mundos de IA en 3D

Hasta ahora, gran parte de los resultados visuales de la IA han permanecido bidimensionales, algo que los pioneros de la tecnología buscan cambiar en los próximos años. Los “grandes modelos de mundos” son una forma emergente de IA que tiene como objetivo construir escenas tridimensionales interactivas que avancen en los mundos de las películas, los juegos y los simuladores.

Uno de los actores más importantes en este espacio es World Labs, una nueva startup establecida por el pionero de la IA de Stanford, Fei-Fei Li, que recaudó 230 millones de dólares a principios de este año. La empresa busca construir grandes modelos mundiales con “inteligencia espacial”, una forma de inteligencia que comprenda el mundo real e interactúe con él. Para demostrar este concepto, Li ha utilizado anteriormente el ejemplo de un gato que se esfuerza por caer sobre un vaso de leche y la capacidad de los humanos para predecir las consecuencias de este evento y, por lo tanto, tomar medidas para evitar que el vaso se caiga.

A principios de diciembre, Google DeepMind lanzó su propio gran modelo mundial en forma de Genie 2, que simula entornos virtuales que se utilizarán para entrenar y evaluar agentes de IA. El área probablemente será un foco clave para el laboratorio en el futuro, como lo demuestra la reciente contratación de Tim Brooks, un ex investigador de OpenAI que supervisa su generador de video Sora. En una publicación de X dando la bienvenida a Brooks a su equipo, el director ejecutivo de Google DeepMind, Demis Hassabis, destacó su entusiasmo por “trabajar juntos para hacer realidad el sueño de larga data de un simulador mundial”.

Los motores de búsqueda con IA remodelarán la búsqueda en línea

Google ha tenido durante mucho tiempo un dominio aparentemente intocable en el mercado de búsquedas. Pero con la llegada de la IA, una proliferación de motores de búsqueda impulsados ​​por ella busca sacudir el punto de apoyo del gigante tecnológico.

No es que Google no haya adoptado la tecnología en sí. En 2024, lanzó AI Overviews, una función que proporciona a los usuarios resúmenes generados por AI en lugar de enlaces. El director ejecutivo, Sundar Pichai, predice que la función atraerá a más de mil millones de usuarios mensuales y ya está “aumentando el uso general de búsqueda y la satisfacción del usuario”, dijo a los analistas de Wall Street en octubre.

Pero Google tendrá que lidiar con una industria cada vez más concurrida de herramientas de búsqueda, a medida que empresas como OpenAI y Microsoft se expandan en el campo con la ayuda de la IA.

Según se informa, Meta también se está preparando para lanzar su propio motor de búsqueda impulsado por IA, mientras que la startup Perplexity AI se ha convertido en un jugador especialmente formidable. Valoradas recientemente en 9 mil millones de dólares, sus herramientas de búsqueda de inteligencia artificial ya procesan alrededor de 20 millones de consultas diariamente, frente a los 2,5 millones de principios de 2024.

Cinco tendencias de IA a tener en cuenta en 2025: IA agente, modelos 3D, datos sintéticos y más

Continue Reading

Noticias

A mitad del viaje: qué es y qué debe saber sobre el generador de imágenes con IA

Published

on

Midjourney es un generador de imágenes con inteligencia artificial, utilizado por diseñadores gráficos y artistas o cualquier persona curiosa sobre el arte generado por IA. Disponible como un bot de conversión de texto a imagen en Discord, la popular plataforma social para jugadores, es útil ya sea que estés pensando en conceptos para un proyecto, necesites ideas visuales rápidas o simplemente quieras jugar. Además, es divertido ver lo que se le ocurre a la herramienta de IA en función de la idea que tienes en la cabeza.

Probablemente haya oído hablar o haya probado sus competidores, como Dall-E, Adobe Firefly, Stable Diffusion y Leonardo. Probamos Midjourney antes de su última actualización hace unos meses y puedes leer nuestra reseña aquí. Veredicto de CNET: “Aunque no siempre son del todo correctas, las imágenes de Midjourney son divertidas, detalladas y vívidas”.

También comparamos Midjourney con otras herramientas de generación de imágenes de IA que probamos en 2024. Si bien esta herramienta tiene muchas características excelentes, hay algunas cosas a considerar: está disponible solo en Discord, requiere una suscripción paga y, a veces, no se alinea bien con indicaciones.

Dicho esto, es una gran herramienta, especialmente para personas con gran imaginación pero sin muchos conocimientos prácticos. Según los 20,77 millones de miembros de Midjourney en agosto de 2024, ciertamente hay muchas personas que lo prueban.

Versiones de Midjorney

Desde refrigeradores parlantes hasta iPhones, nuestros expertos están aquí para ayudar a que el mundo sea un poco menos complicado.

Desde su lanzamiento en julio de 2022, Midjourney ha tenido varias actualizaciones de versión, incluida la 6.1, que es el modelo predeterminado actual. Cada nueva versión mejora la calidad de las imágenes generadas, agregando más detalles, mejor iluminación y más flexibilidad de estilo. La versión 6.1 parece haber solucionado finalmente el problema de las “manos y dedos extraños” que aparece con la mayoría de los generadores de imágenes de IA.

Una característica interesante de Midjourney es que puede cambiar a uno de sus modelos heredados (1, 2, 3, 4, 5, 5.0, 5.1, 5.2 o 6) usando el comando –version o –v parámetro para cambiar el modelo.

Captura de pantalla de Barbara Pazur/CNET

Las diferentes versiones generan diferentes estilos de imágenes. Después de la versión 5, Midjourney produce más imágenes fotográficas y de la vida real con mayor precisión de detalle y textura, mientras que las versiones anteriores son mejores para imágenes artísticas y estilizadas.

A mitad del viaje/Captura de pantalla de Barbara Pazur/CNET

A mitad del viaje Niji Modelo 6 Es tu momento de brillar si te gusta el anime. Fue desarrollado en colaboración con Spellbrush y ajustado específicamente para la estética del anime, tomas de acción y composiciones centradas en los personajes. Para activar este modo, simplemente agregue –niji 6 a su mensaje, o selecciónelo de la configuración usando el /ajustes dominio.

Desde refrigeradores parlantes hasta iPhones, nuestros expertos están aquí para ayudar a que el mundo sea un poco menos complicado.

Cómo utilizar Midjourney: configuración

Midjourney no se ejecuta en una aplicación como otros generadores de imágenes de IA, por lo que primero deberás tener una cuenta en Discord. Luego deberás suscribirte a un plan Midjourney y unirte al servidor Midjourney en Discord. Después de eso, tendrás que unirte a un canal. Se recomiendan #General y #Novato si recién estás comenzando.

En cuanto a cómo ocurre la magia, como ocurre con cualquier otra herramienta de inteligencia artificial que existe, se trata de escribir el mejor mensaje. Describes la imagen que quieres ver y la IA se pone a trabajar.

Midjourney utiliza modelos de aprendizaje automático entrenados con una gran cantidad de datos para descubrir lo que estás pidiendo. Luego crea imágenes basadas en eso. Es importante tener en cuenta que todas las imágenes que cree pasan a ser de dominio público y son visibles para los usuarios en el servidor Midjourney a menos que se creen en modo oculto, pero hablaremos de eso más adelante.

Los resultados pueden ser salvajes, desde paisajes o rostros realistas hasta cosas más abstractas y artísticas.

A mitad del viaje/Captura de pantalla de Barbara Pazur/CNET

Cada acción que envías a un bot de Midjoruney se denomina “trabajo”. Esto incluye solicitudes de imágenes, ampliación y creación de variaciones de imágenes basadas en la entrada de un usuario después de /imagine.

Midjourney te da control sobre los resultados con dos características clave: U para exclusivo y V para variaciones. Después de crear un conjunto de imágenes, puedes elegir una y usar la opción “U” para mejorarla, como mejorar la resolución para hacerla más limpia y detallada.

Si no está totalmente satisfecho con los resultados pero le gusta su dirección, puede presionar “V” para Variaciones. Esto hace que la herramienta cree nuevas imágenes basadas en las seleccionadas, manteniendo el estilo o la vibra pero cambiando algunos detalles. Es una excelente manera de modificar su producción sin comenzar desde cero porque puede resultar molesto.

Estas opciones le brindan flexibilidad y le permiten ajustar las imágenes a su gusto. Otras opciones para mejorar o modificar su imagen incluyen reglas y métodos de solicitud específicos para obtener resultados óptimos. Algunos de estos parámetros son –no, –shorten, –remix, –remaster y –stop. Puede parecer demasiado complicado al principio, pero es fácil dominarlo después de un poco de prueba y error.

Impulsar la mitad del viaje

La recomendación general para indicaciones básicas es mantener las indicaciones breves y concisas con instrucciones simples en lugar de descriptivas.

Por ejemplo, no dé instrucciones con algo como: “Crea una imagen de una acogedora cabaña en las montañas rodeada de pinos, con nieve cayendo suavemente y humo saliendo de la chimenea. Haz que se sienta cálido y tranquilo”. En su lugar, escriba: “Acogedora cabaña de montaña con nieve, pinos y un ambiente cálido y tranquilo”.

Indicaciones avanzadaspor otro lado, puede incluir una o más URL de imágenes, varias frases de texto y uno o más parámetros. Los parámetros ajustan cómo se genera una imagen modificando cosas como relaciones de aspecto, modelos y escaladores. Van al final del mensaje.

A mitad del viaje/Captura de pantalla de Barbara Pazur/CNET

Precios a mitad de viaje

A diferencia de algunos generadores de imágenes de IA de generación gratuita, al menos para pruebas de modelos o capacidad parcial, necesitará una suscripción para acceder a Midjourney. Aquí hay un desglose rápido de los precios actuales:

  • Plan Básico: $10 por mes (incluye 3,3 horas de tiempo rápido de GPU).
  • Plan estándar: $30 por mes (incluye 15 horas de GPU rápida, modo Relajado ilimitado).
  • Plan profesional: $60 por mes (incluye 30 horas de GPU rápida, modo Relajado ilimitado y modo Sigiloso).
  • Mega Plan: $120 por mes (incluye 60 horas de GPU rápida, modo relajado ilimitado y modo sigiloso).

Los planes anuales también están disponibles con un 20% de descuento en todos los niveles.

Pero aquí es donde las cosas se vuelven más complejas: si una empresa genera más de $1 millón en ingresos brutos por año, deberá optar por el plan Pro o Mega para acceder a todos los derechos de uso comercial de Midjourney.

Midjourney también tiene otras opciones de pago extrañas, como aceptar solo métodos de pago compatibles con Stripe.

Funciones, modos y más

Midjourney se basa en potentes unidades de procesamiento de gráficos para procesar y crear imágenes según sus indicaciones. Cuando te suscribes a Midjourney, básicamente estás pagando por el acceso a estas GPU para generar tus imágenes.

Elegir uno de estos modos para gestionar la rapidez con la que se generan las imágenes dependerá de tu nivel de paciencia:

  • Modo rápido: Las imágenes se generan rápidamente, pero consumen las horas de GPU asignadas.
  • Modo Relajarse: Genera imágenes más lentamente pero no utiliza el tiempo de su GPU, ofreciendo generación ilimitada.
  • Modo turbo: La opción más rápida, pero consume el doble de tiempo de GPU que el modo rápido.
  • Modo sigiloso: una característica adicional disponible en los planes Pro y Mega de Midjourney. Te permite generar imágenes de forma privada, lo que significa que tus creaciones no serán visibles para otros usuarios en la galería pública.

Vale la pena mencionar que los suscriptores pueden incluso ganar una hora de GPU rápida gratuita diariamente al clasificar imágenes. Los 2000 mejores participantes cada día reciben una hora rápida adicional como recompensa.

Referencias de estilo

En enero de 2024, se lanzó Midjourney Referencia de estilo (–sref). Esta función te permite tomar el estilo visual de cualquier imagen y aplicarlo a tus propias creaciones. Cada estilo tiene un código único, que puede reutilizar para obtener resultados consistentes.

Si te sientes aventurero, puedes usar el comando aleatorio –sref y Midjourney elegirá un estilo aleatorio entre miles de millones de posibilidades.

Incluso hay sitios web dedicados con miles de códigos SERF que puedes utilizar. Como el mensaje /imagine: Surreal Neon Dreamscapes –sref 698401885

A medida que crezca el arte generado por IA, plataformas como esta serán aún más útiles para artistas, diseñadores y cualquiera que busque superar los límites de la creatividad. Pero todavía les queda un largo camino por recorrer antes de reemplazar a los artistas reales.

Continue Reading

Noticias

Cinco formas de utilizar ChatGPT para marketing y correo electrónico de pequeñas empresas

Published

on

La frase “pequeña empresa” es un nombre inapropiado. La mayoría de los propietarios de pequeñas empresas o emprendedores tienen objetivos y ambiciones que no son nada pequeñas: simplemente prefieren mantener el control sobre su negocio. Puede resultar complicado competir con nuevas empresas financiadas por capital de riesgo que tienen más recursos a su disposición. Pero hoy en día, herramientas como ChatGPT están nivelando el campo de juego para empresas grandes y pequeñas, comenzando con la redacción de correos electrónicos y el marketing.

Como propietario de un negocio iniciado, utilizo regularmente herramientas de inteligencia artificial como ChatGPT para mejorar la comunicación, ahorrar tiempo e impulsar el alcance de mi negocio, lo que me deja más energía para concentrarme en las tareas que realmente mueven la aguja de mi empresa. A continuación le mostramos cómo puede utilizar ChatGPT para correos electrónicos de pequeñas empresas.

Cómo escribir correos electrónicos con ChatGPT

Si eres nuevo en los modelos de lenguajes grandes (LLM), quizás te preguntes: ¿Puede ChatGPT escribir correos electrónicos profesionales y realistas? Respuesta corta: sí. ChatGPT puede actuar como su asistente personal de IA, generando borradores que suenan profesionales, ya sea que necesite una presentación fría a clientes potenciales o respuestas repetitivas fuera de la oficina. Todo comienza con el “mensaje”: las instrucciones que le das a ChatGPT.

Cuando elabore un mensaje, actúe como periodista y considere las preguntas: quién, qué, dónde, cuándo, por qué y cómo. Especifique el formato (por ejemplo, una plantilla versus un mensaje único), el tono, la audiencia, el momento, los detalles clave a incluir y por qué está escribiendo en primer lugar. El contexto del mensaje ayuda a ChatGPT a alcanzar sus objetivos. Afortunadamente, ChatGPT es una herramienta conversacional, por lo que puedes entablar un diálogo de ida y vuelta para asegurarte de que un borrador de correo electrónico cumpla con tus expectativas.

Aproveche ChatGPT para correos electrónicos de pequeñas empresas

ChatGPT puede ayudarle con los correos electrónicos comerciales y el marketing relacionado de varias maneras. Con ChatGPT, puede generar rápidamente plantillas y primeros borradores. Puede actuar como un editor de textos, un lector sensible o un editor de desarrollo, enfocándose en los aspectos generales de la escritura, como el tono y la estructura. Puede filtrar comunicaciones no esenciales. Puede ayudarle a realizar investigaciones rápidamente para que pueda incluir datos persuasivos y dirigir sus correos electrónicos a la audiencia donde puede generar el mayor impacto.

Las mayores ventajas de utilizar ChatGPT para estas tareas son ahorrarle tiempo y energía. Al delegar tareas tediosas a ChatGPT, como primeros borradores, investigaciones y administración de la bandeja de entrada, puedes dedicar más atención a tareas que solo tú puedes hacer: perfeccionar el tono de un correo electrónico o establecer una conexión personal con el destinatario. En la otra cara de la moneda, no siempre se puede confiar en ChatGPT: se sabe que plagia o inventa cosas. Las investigaciones han descubierto que al resumir hechos, la tecnología ChatGPT “alucina” aproximadamente el 3 por ciento de las veces.

Delegar la redacción de correos electrónicos a ChatGPT no significa entregar las riendas por completo. Debes ser un editor diligente.

A continuación, presentamos un vistazo más de cerca a cinco formas en que puede utilizar ChatGPT para correos electrónicos de pequeñas empresas.

1. Cree filtros de correo electrónico

Revisar el desorden de correos electrónicos puede suponer una gran pérdida de energía y productividad. ChatGPT puede ayudarlo a configurar filtros de correo electrónico y concentrarse en los correos electrónicos esenciales, sin perder tiempo eliminando cada “**Oferta especial navideña**” que llega a su bandeja de entrada. Mi bandeja de entrada de alta prioridad resalta los mensajes importantes y filtra las distracciones.

Para las pequeñas empresas, esto significa ahorrar tiempo, aumentar la productividad y mejorar la capacidad de respuesta, algo crucial para seguir siendo competitivos. Si bien las instrucciones técnicas para configurar filtros están disponibles en línea, ChatGPT puede guiarlo a través del proceso. Con un mensaje simple como “¿Cómo configuro un filtro de Gmail para eliminar automáticamente los correos electrónicos con el asunto ‘Oferta de spam’?” ChatGPT generará guía paso a paso para plataformas como Gmail, Outlook, Apple Mail y Thunderbird.

Al eliminar el ruido, ChatGPT ayuda a las pequeñas empresas a priorizar las comunicaciones esenciales.

2. Revisar el borrador de la estructura del correo electrónico

Escribir correos electrónicos es fácil, pero escribir correos electrónicos de forma eficaz es un arte. Para crear correos electrónicos impactantes que logren sus objetivos, Harvard Business Review sugiere la siguiente fórmula de correo electrónico: comience con la acción que desea que realice el destinatario, siga con el contexto de por qué necesita esa acción y luego termine haciéndole saber que usted es el destinatario. Estamos disponibles para preguntas.

ChatGPT puede ayudarlo a maximizar la efectividad de sus correos electrónicos revisando su estructura y ofreciendo consejos para mejorar. Por ejemplo, puede compartir la fórmula anterior con ChatGPT, pegar su correo electrónico en la conversación y preguntar si el correo electrónico refleja la estructura. Un correo electrónico bien estructurado ahorra tiempo tanto al remitente como al destinatario. También puede mejorar la participación del cliente, generar confianza y aumentar las tasas de respuesta, todo lo cual puede tener un impacto positivo en su pequeña empresa.

3. Edite los correos electrónicos con un peine de dientes finos

En mi empresa, animo a los miembros del equipo a utilizar herramientas de inteligencia artificial como ChatGPT para editar correos electrónicos. ChatGPT puede revisar rápidamente los correos electrónicos en busca de errores tipográficos, gramaticales y claridad, asegurándose de que estén pulidos antes de presionar enviar.

¿Por qué esto importa? Incluso el correo electrónico mejor estructurado y atractivo pierde su impacto si se escapa un error tipográfico tonto. Errores aparentemente menores pueden terminar dañando su credibilidad y socavando la confianza en su negocio.

Usar ChatGPT es simple: copie el borrador de su correo electrónico en la herramienta, pídale que lo revise en busca de errores y realice los ajustes necesarios. Esta pequeña inversión de tiempo puede evitarle situaciones embarazosas y fortalecer la reputación de su pequeña empresa.

4. Borradores de correos electrónicos promocionales

Para los propietarios de pequeñas empresas, adquirir listas de suscriptores de correo electrónico lleva tiempo, pero son una parte esencial de cualquier estrategia de marketing. ChatGPT puede ayudarlo a aprovechar los contactos de clientes y clientes potenciales que tanto le costó ganar al redactar correos electrónicos para promocionar nuevos productos y ofertas.

Digamos que tienes una oferta navideña. Puede utilizar ChatGPT para crear un mensaje atractivo utilizando las mejores prácticas de marketing por correo electrónico. Simplemente proporcione los detalles esenciales, especifique el tono que busca, agregue las especificaciones de estructura y proporcione cualquier contexto adicional para refinar el correo electrónico y satisfacer sus necesidades.

5. Cree plantillas para las preguntas frecuentes sobre el campo

Cuando comencé mi negocio, rápidamente me di cuenta de que recibía las mismas consultas de los clientes. Creé plantillas para responder a las preguntas frecuentes sin tener que redactar un nuevo correo electrónico cada vez. ChatGPT puede generar borradores de plantillas, lo que le deja más tiempo para concentrarse en perfeccionar el mensaje.

Comience por hacer una lista de los tipos de correo electrónico y las preguntas que recibe con frecuencia. Agrupe la lista completa en categorías y luego toque ChatGPT para ayudarlo a preparar un borrador de plantilla para cada categoría. Edite los borradores según sea necesario y guarde las plantillas en su programa de correo electrónico con etiquetas fáciles de reconocer. Siempre que reciba una consulta que coincida con una categoría, actualice la información del destinatario en la plantilla y envíe el correo electrónico. Es posible que se sorprenda de la cantidad de tiempo que ahorra, lo que le permitirá pensar en cuestiones de nivel superior, como la estrategia empresarial y el crecimiento.

Conclusión

Si el tiempo es dinero, los propietarios de pequeñas empresas que no aprovechan las herramientas de inteligencia artificial como ChatGPT están dejando dinero sobre la mesa. Con las indicaciones adecuadas, puede automatizar los primeros pasos del proceso de redacción, realizar investigaciones rápidamente, generar borradores de correo electrónico con sonido profesional y, en última instancia, aumentar el alcance de su empresa. ChatGPT puede liberarte para que puedas concentrarte en tareas más impactantes.

Preguntas frecuentes (FAQ)

¿Cuáles son algunas indicaciones de ChatGPT para pequeñas empresas?

El uso eficaz de ChatGPT comienza con el mensaje. Tener borradores de plantillas de correo electrónico de ChatGPT para preguntas frecuentes puede permitirle concentrarse en preguntas más amplias: como, ¿cuáles son los puntos débiles actuales del negocio? ¿Hay algo que la empresa pueda hacer para resolver algunos de esos puntos débiles y evitar que los clientes tengan que hacer esas preguntas?

Para redactar plantillas de correo electrónico, puede utilizar el siguiente mensaje:

“Me gustaría que redactaras una plantilla de correo electrónico que pueda usar para responder a los clientes que preguntan sobre [specific FAQ topic]. El correo electrónico debe ser [insert tone: friendly, professional, informal, etc.]incluya una respuesta concisa a su pregunta y ofrézcase a brindar más ayuda si es necesario. Aquí hay algo de contexto sobre mi negocio: Vendemos [products/services]. El tema de las preguntas frecuentes es [e.g., shipping times, return policy, product usage]. Detalles a incluir en la respuesta: [insert details]. El correo electrónico también debe terminar con una despedida amistosa”.

Si desea que ChatGPT redacte un correo electrónico promocional, puede utilizar el siguiente mensaje:

“Me gustaría que escribieras un [insert tone: upbeat, friendly, professional, etc.] correo electrónico anunciando [briefly describe the promotion]. El correo electrónico debe terminar con un sentido de urgencia para [describe the call to action: purchase, subscribe, etc.] antes de que termine la promoción”.

¿Cuáles son las alternativas de ChatGPT para pequeñas empresas?

De acuerdo a McKinsey La investigación, el marketing y las ventas es una de las cuatro áreas que generarán el 75 por ciento del valor del uso de la IA generativa. Para las pequeñas empresas, ChatGPT es una herramienta accesible para comenzar a utilizar la IA para marketing y ventas. Dicho esto, existen un par de potentes alternativas a ChatGPT en el mercado.

Google Bard es una alternativa. Al utilizar IA conservacionista, Bard es excelente para generar respuestas detalladas y vincularlas a recursos externos. Los usuarios leales de Google estarán felices de saber que se integra perfectamente con herramientas de Google como Docs y Sheets. Bard puede generar varios tipos de contenido, incluidos (lo adivinaste) correos electrónicos y materiales de marketing para pequeñas empresas.

Otra alternativa es Claude de Anthropic. Claude se destaca por su enfoque en interacciones de IA éticas y seguras, minimizando las preocupaciones comunes de los chatbots de IA, como la producción sesgada. Se puede utilizar para tareas como redactar respuestas de correo electrónico y se puede integrar fácilmente en su sistema de correo electrónico para agilizar la comunicación.

¿Cuáles son las mejores prácticas de marketing por correo electrónico?

Para las pequeñas empresas, una estrategia de marketing por correo electrónico es vital para un crecimiento continuo. Si bien la estrategia en sí evolucionará continuamente, existen ciertas mejores prácticas a tener en cuenta.

Para empezar, es esencial revisar periódicamente sus objetivos de marketing por correo electrónico. Establecer metas es fundamental: si no sabes lo que te propones lograr, tus esfuerzos estarán desenfocados en el mejor de los casos y, en el peor, infructuosos. Está bien establecido que las personas que articulan claramente sus objetivos tienen más probabilidades de alcanzarlos. La misma lógica se aplica a las empresas. Tome lápiz y papel (o su aplicación para tomar notas favorita) y describa sus objetivos, como aumentar la participación del cliente o impulsar conversiones y ventas.

A nivel micro, el establecimiento de objetivos también es fundamental. Cada correo electrónico debe tener un objetivo claramente definido, de lo contrario, puedes dañar la credibilidad de tu negocio. Evite sobrecargar sus correos electrónicos con múltiples objetivos: cada comunicación debe tener un único llamado a la acción. De lo contrario, corre el riesgo de diluir su mensaje y perder clientes potenciales.

Adoptar herramientas de inteligencia artificial como ChatGPT puede cambiar las reglas del juego para las pequeñas empresas, no solo ahorrando tiempo y esfuerzo, sino también permitiendo a los emprendedores concentrarse en las tareas que mueven la aguja de sus empresas.

Continue Reading

Trending