Noticias
Investigating students’ programming behaviors, interaction qualities and perceptions through prompt-based learning in ChatGPT
Ahmed MA (2023) ChatGPT and the EFL classroom: Supplement or substitute in Saudi Arabia’s eastern region. Inf Sci Lett 12(7):2727–2734. https://doi.org/10.18576/isl/120704
Google Scholar
Andersen R, Mørch AI, Litherland KT (2022) Collaborative learning with block-based programming: investigating human-centered artificial intelligence in education. Behav Inf Technol 41(9):1830–1847. https://doi.org/10.1080/0144929x.2022.2083981
Google Scholar
Avila-Chauvet L, Mejía D, & Acosta Quiroz CO (2023) Chatgpt as a support tool for online behavioral task programming. Retrieved 20 Feburary, 2024, from https://elkssl50f6c6d9a165826811b16ce3d7452cf8elksslauthserver.casb.hznu.edu.cn/abstract=4329020
Babe HM, Nguyen S, Zi Y, Guha A, Feldman MQ, Anderson CJ (2023) StudentEval: A benchmark of student-written prompts for large language models of code. Cornell University Library, arXiv.org, Ithaca, https://doi.org/10.48550/arxiv.2306.04556
Google Scholar
Balanskat A, Engelhardt K (2015) Computing our future. Computer programming and coding – Priorities, school curricula and initiatives across Europe–update 2015. European Schoolnet, Brussels
Biswas S (2022) Role of ChatGPT in Computer Programming. Mesopotamian J Comput Sci 8–16. https://doi.org/10.58496/mjcsc/2022/004
Brown T, Mann B, Ryder N, Subbiah M, Kaplan J. D, Dhariwal P, Neelakantan A, Shyam P, Sastry G, Askell A, Agarwal S, Herbert-Voss A, Krueger G, Henighan T, Child R, Ramesh A, Ziegler D, Wu J, Winter C, Hesse C, Chen M, Sigler E, Litwin M, Gray S, Chess B, Clark J, Berner C, McCandlish S, Radford A, Sutskever I, & Amodei D (2020). Language models are few-shot learners. In H Larochelle, M Ranzato, R Hadsell, MF Balcan, and H Lin eds. Advances in NeurIPS, (v 33), (pp. 1877–1901). Curran Associates, Inc., URL https://elksslc6aca02ee3bce85ceac323fb2b0abf87elksslauthserver.casb.hznu.edu.cn/paper/2020/file/1457c0d6bfcb4967418bfb8ac142f64a-Paper.pdf
Cooper G (2023) Examining science education in ChatGPT: An exploratory study of generative artificial intelligence. J Sci Educ Technol 32(3):444–452
Google Scholar
Davis FD (1989) Perceived usefulness, perceived ease of use and user acceptance of information technology. MIS Quartely 13(3):319–340
Google Scholar
DeepLearning.AI. (2023) Retrieved 20 Feburary, 2024, from https://elksslc767dbb71ea7c8497a1d1906bf794435elksslauthserver.casb.hznu.edu.cn/short-courses/chatgpt-prompt-engineering-for-developers/
Dengler K, Matthes B (2018) The impacts of digital transformation on the labour market: Substitution potentials of occupations in Germany. Technol Forecast Soc Change 137:304–316. https://doi.org/10.1016/j.techfore.2018.09.024
Google Scholar
Denny P, Leinonen J, Prather J, Luxton-Reilly A, Amarouche T, Becker BA, Reeves BN (2023) Promptly: Using prompt problems to teach learners how to effectively utilize AI code generators. Cornell University Library, arXiv.org, Ithaca, 10.48550/arxiv.2307.16364
Dwivedi YK, Kshetri N, Hughes L, Slade EL, Jeyaraj A, Kar AK, Baabdullah AM, Koohang A, Raghavan V, Ahuja M, Albanna H, Albashrawi MA, Al-Busaidi AS, Balakrishnan J, Barlette Y, Basu S, Bose I, Brooks L, Buhalis D, Wright R (2023) So what if ChatGPT wrote it?” multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. Int J Inf Manag 71:102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
Google Scholar
Eason C, Huang R, Han-Shin C, Tseng Y, Liang-Yi L (2023) GPTutor: A ChatGPT-powered programming tool for code explanation. Cornell University Library, arXiv.org, Ithaca, 10.48550/arxiv.2305.01863
Ekin S (2023) Prompt engineering for ChatGPT: A quick guide to techniques, tips, and best practices. Retrieved Jan 10, 2024 from https://doi.org/10.36227/techrxiv.22683919
Faraone SV, Dorfman DD (1987) Lag sequential analysis: Robust statistical methods. Psychol Bull 101(2):312–323. https://doi.org/10.1037/0033-2909.101.2.312
Google Scholar
Filva DA, Forment MA, Garcıa-Penalvo FJ, Escudero DF, Casan MJ (2019) Clickstream for learning analytics to assess students’ behavior with scratch. Future Gener Computer Syst 93:673–686. https://doi.org/10.1016/j.future.2018.10.057
Google Scholar
Gayed JM, Carlon MKJ, Oriola AM, Cross JS (2022) Exploring an AI-based writing assistant’s impact on English language learners. Computers Educ: Artif Intell 3:100055. https://doi.org/10.1016/j.caeai.2022.100055
Google Scholar
ICOURSE (2023) retrieved from 28 July, 2023 from https://elkssl0e848bfdddb2460a97621c537a9f3f13elksslauthserver.casb.hznu.edu.cn/course/BIT-268001?from=searchPage&outVendor=zw_mooc_pcssjg_
Jeon J, Lee S (2023) Large language models in education: A focus on the complementary relationship between human teachers and ChatGPT. Edu Info Technol 1–20. https://doi.org/10.1007/s10639-023-11834-1
Kashefi A, Mukerji T (2023) ChatGPT for programming numerical methods. J Mach Learn Modeling Comput 4(2):1–74. https://doi.org/10.1615/jmachlearnmodelcomput.2023048492
Google Scholar
Kohnke L, Moorhouse BL, Zou D (2023) ChatGPT for language teaching and learning. RELC J 54(2):537–550. https://doi.org/10.1177/00336882231162868
Google Scholar
Krupp L, Steinert S, Kiefer-Emmanouilidis M, Avila KE, Lukowicz P, Kuhn J, Küchemann S, Karolus J (2023) Unreflected acceptance – investigating the negative consequences of ChatGPT-assisted problem solving in physics education. Cornell University Library, arXiv.org, Ithaca, 10.48550/arxiv.2309.03087
Liu J, Li Q, Sun X, Zhu Z, Xu Y (2021) Factors influencing programming self-efficacy: an empirical study in the context of Mainland China. Asia Pac J Educ 43(3):835–849. https://doi.org/10.1080/02188791.2021.1985430
Google Scholar
Liu P, Yuan W, Fu J, Jiang Z, Hayashi H, Neubig G (2023) Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing. ACM Comput Surv 55(9):1–35
Google Scholar
Liu G, Ma C (2023) Measuring EFL learners’ use of ChatGPT in informal digital learning of English based on the technology acceptance mode, Innov Lang Learn Teach (online), 1–19. https://doi.org/10.1080/17501229.2023.2240316
Liu I-F, Hung H-C, Liang C-T (2023) A Study of Programming Learning Perceptions and Effectiveness under a Blended Learning Model with Live Streaming: Comparisons between Full-Time and Working Students. Interactive Learn Environ (online), 1–15, https://doi.org/10.1080/10494820.2023.2198586
Lu OHT, Huang JCH, Huang AYQ, Yang SJH (2017) Applying learning analytics for improving students engagement and learning outcomes in an MOOCs enabled collaborative programming course. Interact Learn Environ 25(2):220–234. https://doi.org/10.1080/10494820.2016.1278391
Google Scholar
Mayer RE (2004) Should there be a three-strikes rule against pure discovery learning? The case for guided methods of instruction. Am Psychologist 59(1):14–19
Google Scholar
McTear M, Varghese Marokkie S, Bi Y (2023) A comparative study of chatbot response generation: Traditional approaches versus large language models.In: Jin Z, Jiang Y, Buchmann RA, Bi Y, Ghiran AM, Ma W (eds) Lecture Notes in Computer Science. Knowledge Science, Engineering and Management. KSEM 2023. Springer, Cham 14118. https://doi.org/10.1007/978-3-031-40286-9_7
Mollick E, Mollick L (2023) Assigning AI: Seven approaches for students, with prompts. Cornell University Library, arXiv.org, Ithaca, 10.48550/arxiv.2306.10052
Nouri J, Zhang L, Mannila L, Noren E (2020) Development of computational thinking, digital competence and 21st century skills when learning programming in K-9. Educ Inq 11(1):1–17
Google Scholar
Ofosu-Ampong K, Acheampong B, Kevor M-O, Amankwah-Sarfo F (2023) Acceptance of artificial intelligence (ChatGPT-4) in education: Trust, innovativeness and psychological need of students. Info Knowledge Manag 13(4). https://doi.org/10.7176/ikm/13-4-03
Ou Q, Liang W, He Z, Liu X, Yang R, Wu X (2023) Investigation and analysis of the current situation of programming education in primary and secondary schools. Heliyon 9(4):e15530. https://doi.org/10.1016/j.heliyon.2023.e15530
Google Scholar
Ouh EL, Benjamin KSG, Shim KJ, Wlodkowski S (2023) ChatGPT, can you generate solutions for my coding exercises? an evaluation on its effectiveness in an undergraduate java programming course. Cornell University Library, arXiv.org, Ithaca, https://doi.org/10.48550/arxiv.2305.13680
Google Scholar
Ouyang F, Dai X (2022) Using a three-layered social-cognitive network analysis framework for understanding online collaborative discussions. Australas J Educ Technol 38(1):164–181. https://doi.org/10.14742/ajet.7166
Google Scholar
Ouyang L, Wu J, Xu J, Almeida D, Wainwright CL, Mishkin P, Zhang C, Agarwal S, Slama K, Ray A, Schulman J, Hilton J, Kelton F, Miller L, Simens M, Askell A, Welinder P, Christiano P, Leike J, Lowe R (2022) Training language models to follow instructions with human feedback. Cornell University Library, arXiv.org, Ithaca, https://doi.org/10.48550/arxiv.2203.02155
Google Scholar
Phung T, Pădurean V, Cambronero J, Gulwani S, Kohn T, Majumdar R, Singla A, Soares G (2023) Generative AI for programming education: Benchmarking ChatGPT, GPT-4, and human tutors. Cornell University Library, arXiv.org, Ithaca, https://doi.org/10.48550/arxiv.2306.17156
Google Scholar
Pryzant R, Iter D, Li J, Lee YT, Zhu C, Zeng M (2023) Automatic prompt optimization with “gradient descent” and beam search. Cornell University Library, arXiv.org, Ithaca, https://doi.org/10.48550/arxiv.2305.03495
Google Scholar
Rawas S (2023) ChatGPT: Empowering lifelong learning in the digital age of higher education. Educ Info Technol (online), 1–14. https://doi.org/10.1007/s10639-023-12114-8
Sánchez RA, Hueros AD (2010) Motivational factors that influence the acceptance of Moodle using TAM. Computers Hum Behav 26(6):1632–1640. https://doi.org/10.1016/j.chb.2010.06.011
Google Scholar
Schick T, Schütze H (2021) Exploiting cloze questions for few shot text classification and natural language inference. Cornell University Library, arXiv.org, Ithaca, https://doi.org/10.48550/arxiv.2001.07676
Google Scholar
Shaffer DW, Collier W, Ruis AR (2016) A tutorial on epistemic network analysis: analyzing the structure of connections in cognitive, social, and interaction data. J Learn Analytics 3(3):9–45
Google Scholar
Strzelecki A (2023) To use or not to use ChatGPT in higher education? A study of students’ acceptance and use of technology. Interactive Learning Environments, (online), 1–14. https://doi.org/10.1080/10494820.2023.2209881
Sun D, Boudouaia A, Zhu C et al. (2024a) Would ChatGPT-facilitated programming mode impact college students’ programming behaviors, performances, and perceptions? An empirical study Int J Edu Technol Higher Educ 21:14. https://doi.org/10.1186/s41239-024-00446-5
Google Scholar
Sun D, Ouyang F, Li Y, Zhu C (2021b) Comparing learners’ knowledge, behaviors, and attitudes between two instructional modes of computer programming in secondary education. Int J STEM Educ 8(1):54–54. https://doi.org/10.1186/s40594-021-00311-1
Google Scholar
Sun L, Guo Z, Zhou D (2022) Developing K-12 students’ programming ability: A systematic literature review. Educ Inf Technol 27:7059–7097. https://doi.org/10.1007/s10639-022-10891-2
Google Scholar
Sun M, Wang M, Wegerif R, Jun P (2022) How do students generate ideas together in scientific creativity tasks through computer-based mind mapping? Computers Educ 176:104359. https://doi.org/10.1016/j.compedu.2021.104359
Google Scholar
Sun D, Looi C, Li Y, Zhu C, Zhu C, Cheng M (2024b) Block-based versus text-based programming: A comparison of learners’ programming behaviors, computational thinking skills and attitudes toward programming. Educ Technol Res Develop, online. https://doi.org/10.1007/s11423-023-10328-8
Sun D, Ouyang F, Li Y, Zhu C, Zhou Y (2024c) Using multimodal learning analytics to understand effects of block-based and text-based modalities on computer programming. J Comput Assisted Learn, (online), 1 Int J Edu Technol Higher Edu14. https://doi.org/10.1111/jcal.12939
Sun L, Hu L, Zhou D (2021a) Which way of design programming activities is more effective to promote K-12 students’ computational thinking skills? A meta-analysis. J Comput Assist Learn (online), 1Int J Edu Technol Higher Edu 15. https://doi.org/10.1111/jcal.12545
Surameery NMS, Shakor MY (2023) Use chatgpt to solve programming bugs. Int J Inf Technol Computer Eng 3(1):17–22
Tam A (2023) What are large language models. Retrieved Jan 10, 2024 from https://elkssl6ed619682db9e40376a67ef6f6364a3belksslauthserver.casb.hznu.edu.cn/what-are-large-languagemodels/#:~:text=There%20are%20multiple%20large%20language,language%20and%20can%20generate%20text
Thongkoo, K Daungcharone, J & Thanyaphongphat. (2020). Students’ acceptance of digital learning tools in programming education course using technology acceptance model. In Proceedings of Joint International Conference on Digital Arts, Media and Technology with ECTI Northern Section Conference on Electrical, Electronics, Computer and Telecommunications Engineering (pp. 377–380)
Tian H, Lu W, Li TO, Tang X, Cheung S, Klein J, Bissyandé TF (2023) Is ChatGPT the ultimate programming assistant – how far is it? Cornell University Library, arXiv.org, Ithaca, https://doi.org/10.48550/arxiv.2304.11938
Google Scholar
Venkatesh V, Davis FD (2000) A theoretical extension of the technology acceptance model: Four longitudinal field studies. Manag Sci 46(2):186–204. https://doi.org/10.1287/mnsc.46.2.186.11926
Google Scholar
Vukojičić, M, & Krstić, J (2023) ChatGPT in programming education: ChatGPT as a programming assistant. Journal for Contemporary Education, (online), 7-13
Wei J, Bosma M, Zhao VY, Guu K, Adams WY, Lester B, Du N, Dai AM, Le QV (2021) Finetuned language models are zero-shot learners. Cornell University Library, arXiv.org, Ithaca, https://doi.org/10.48550/arxiv.2109.01652
Google Scholar
White J, Fu Q, Hays S, Sandborn M, Olea C, Gilbert H, Elnashar A, Spencer-Smith J, Schmidt DC (2023) A prompt pattern catalog to enhance prompt engineering with ChatGPT. Cornell University Library, arXiv.org, Ithaca, https://doi.org/10.48550/arxiv.2302.11382
Google Scholar
Xie Y, Boudouaia A, Xu J, AL-Qadri AH, Khattala A, Li Y, Aung YM (2023) A study on teachers’ continuance intention to use technology in English instruction in western China junior secondary schools. Sustainability 15(5):4307. https://doi.org/10.3390/su15054307
Google Scholar
Xu L, Chen Y, Cui G, Gao H, Liu Z (2022) Exploring the universal vulnerability of prompt-based learning paradigm. Cornell University Library, arXiv.org, Ithaca, https://doi.org/10.48550/arxiv.2204.05239
Google Scholar
Yi YJ, You S, Bae BJ (2016) The influence of smartphones on academic performance. Libr Hi Tech 34(3):480–499. https://doi.org/10.1108/lht-04-2016-0038
Google Scholar
Yilmaz R, Karaoglan Yilmaz FG (2023b) The effect of generative artificial intelligence (AI)-based tool use on students’ computational thinking skills, programming self-efficacy and motivation. Computers Educ Artif Intell 4:100147. https://doi.org/10.1016/j.caeai.2023.100147
Google Scholar
Yilmaz R, Karaoglan Yilmaz FG (2023a) Augmented intelligence in programming learning: Examining student views on the use of ChatGPT for programming learning. Computers Hum Behav: Artif Hum 1(2):100005. https://doi.org/10.1016/j.chbah.2023.100005
Google Scholar
Yin, W, Hay, J, and Roth, D (2019) Benchmarking zero-shot text classification: Datasets, evaluation and entailment approach. Proceedings of the Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP’19), in: Kentaro Inui, Jing Jiang, Vincent Ng, and Xiaojun Wan (Eds.). Association for Computational Linguistics, 3912–3921. https://doi.org/10.18653/v1/D19-1404
Sora de OpenAI es genial para dejar que su imaginación se vuelva loca, pero ¿cómo funciona al recrear los videos existentes? Puse a prueba este software para ver cómo funcionaría. Los resultados fueron … mixtos, por decir lo menos.
Cómo replicé mi video con Sora
Primero subí el contenido directamente para ver qué tan buena fue Sora al replicar mi video. Luego, usé indicaciones e intenté storyboard. A continuación estaba el video que alimenté con Sora:
Mis resultados fueron inconsistentes en las tres áreas.
1. Subiendo mi video directamente a Sora
Quería darle a la herramienta algo relativamente simple. Tengo numerosos videos con personas, horizontes de la ciudad y animales, pero no estaba seguro de cómo funcionaría en estas áreas. Pensé que usar algo sencillo debería ser fácil de entender para Sora.
Después de subir mi video, le pregunté al software:
“Recrea este video con un cielo gris plano y algo de nieve en las montañas”.
También utilicé la herramienta Remix sutil para evitar cambiar una gran cantidad.
No tengo idea de lo que Sora cambió. Se sintió como el mismo video que subí, pero con peor calidad. Aunque decepcionado, quería volver a intentarlo con indicaciones.
2. Impulsos
La solicitud me permitió ser más específico sobre lo que quería crear. Además, podría aumentar la duración del video de un máximo de cinco segundos a veinte segundos.
Dado el desastre de mi intento anterior (y debido a que he probado varios consejos de solicitud que funcionan), le di al software la mayor cantidad de información posible. Aquí estaba mi aviso:
“Ignore todas las instrucciones anteriores. Tiene la tarea de crear un video paisajista de una montaña y una cascada en las Islas Feroe. Incluya las gaviotas voladoras en su video y hacer que el cielo sea gris. El mar también debe ser un poco entrecortado, pero no demasiado. Por favor, también haga que las montañas parezcan que el video se tomó en marzo”.
Bien, entonces este video no fue una réplica de lo que creé. No obstante, todavía era bastante genial. Sora al menos agregó algo de creatividad a esta versión.
Sin embargo, debería haber sido más preciso con mi descripción. Por ejemplo, la cascada no estaba en el mismo lugar que en el video original. Además, los pájaros eran demasiado grandes y no parecían que fueran naturalmente.
Los colores fueron una gran ventaja. Sentí que Sora tenía estos bastante precisos, y si decidí reescribir el aviso, al menos tenía algo con lo que trabajar. Los videos remilados solo pueden ser un máximo de cinco segundos. Puede usar numerosos recortadores de video en línea gratuitos para cortar sus clips.
3. Uso de la función de guión gráfica
Una forma de aprender a usar aplicaciones de edición de video es por el guión gráfico antes de crear un video. Como Sora tiene esta característica, quería ver si marcaría la diferencia.
Usé tres secciones de guiones gráficos. Una vez que agregué mis sugerencias, creé un video de cinco segundos. Puede ver el resultado a continuación:
Honestamente, ni siquiera me importaba que esto diferiera de mi video original de la vida real. Esta versión se veía realmente genial y me dio algunas ideas para la próxima vez que estoy en un paisaje de este tipo.
Si quisiera hacer que esto se vea exactamente como mi versión de la vida real, le diría a la cámara que permanezca en el mismo ángulo la próxima vez. La cascada también es demasiado amplia, por lo que también lo corrigería.
¿Con qué funcionó Sora bien?
Durante este experimento, Sora manejó bien algunas cosas, pero las otras lo hicieron terriblemente. Esto es lo que me gustó de la herramienta.
1. Una buena función de guión gráfica
Mi video favorito de los tres intentos fue el que creé con mi guión gráfico. Esta versión tuvo mejores resultados porque podría ser más específica. Además, la herramienta sabía exactamente dónde incluir cada elemento.
Al crear mi guión gráfico, me resultó más fácil de usar que muchas aplicaciones diseñadas para videos de la vida real. Todo fue intuitivo y receptivo, lo que ayudó masivamente.
2. Variando ángulos de cámara
Si bien quería que Sora se quedara con un ángulo de cámara, me gustó descubrir que podría usar diferentes para mis videos. Las imágenes donde la cámara voló cerca de la cascada era particularmente fresca.
En el futuro, usaré diferentes ángulos de cámara y otros consejos útiles de Sora para mejorar mis videos.
¿Dónde podría haber mejorado Sora?
Puedo ver el potencial de Sora, pero fue decepcionante cuando recreé mis videos. La aplicación necesita arreglar tres elementos antes de que me sienta cómodo vuelva a ejecutar este experimento y obtener mejores resultados.
1. Edición de video más precisa
Sora no parece manejar muy bien la edición de video. Cuando subí mis propias imágenes, todo lo que recibí a cambio era una versión de peor calidad de lo mismo. Quizás mis indicaciones debían ser más precisas, pero también sentí que el software jugaba un papel aquí.
En lugar de solicitar, creo que tener botones como la extracción de fondo funcionaría mejor.
2. Significaciones de video más largas
Estoy seguro de que Sora me permitirá hacer videos más largos en el futuro, pero subir contenido preexistente durante un máximo de cinco segundos fue frustrante. Este no es tiempo suficiente para ser verdaderamente creativo.
Si bien el límite de 20 segundos en los videos que creo en la aplicación es mejor, todavía es a veces limitante. Supongo que crear múltiples videoclips y reunirlos en una aplicación de edición de video externa. Por ejemplo, podría usar una de las alternativas a Capcut.
3. Mejores animaciones para personas y animales
Sora parecía funcionar bien con los paisajes, pero no se podía decir lo mismo de los animales. Por ejemplo, los pájaros volando en mis videos parecían muy antinaturales. En lugar de ir a algún lado, estas aves estaban efectivamente de pie en el aire.
Otros también se han quejado de lo mala que es Sora en las interacciones de los objetos. Me imagino que el software planchará esto a medida que obtenga más información y, con suerte, lo hace en poco tiempo.
¿Qué tipo de videos funcionan mejor con Sora?
No recomiendo usar Sora para recrear videos de la vida real. Si bien podría haber hecho ciertas cosas de manera diferente, el software no me impresionó.
En cambio, creo que Sora es mejor para crear videos desde cero. Ofrece muchas opciones si desea dejar que su creatividad funcione salvaje con indicaciones y guiones gráficos. Del mismo modo, usaría la herramienta para inspirarse en futuros proyectos de la vida real.
El Asistente de Google está siendo reemplazado por Gemini
SOPA Images/LighTrocket a través de Getty Images
Google Assistant está evolucionando a Géminis, trayendo potentes nuevas capacidades de IA pero también descontinuando algunas características favoritas. Si usa el Asistente de Google para establecer temporizadores, reproducir música o controlar su hogar inteligente, prepárese para algunas interrupciones significativas a medida que la compañía comienza a reemplazar al asistente de nueve años con su chatbot Gemini más nuevo, más potente y alimentado por IA. Este artículo describirá los cambios clave que puede esperar, ayudándole a prepararse para la transición y comprender lo que será diferente.
Actualización del 22 de marzo a continuación, con consejos sobre cómo trabajar en algunas de las características descontinuadas del Asistente de Google. Este artículo fue publicado originalmente el 20 de marzo.
Google Gemini: una actualización inevitable
Gemini representa un salto gigante en la capacidad en comparación con el Asistente de Google. Podrá chatear con Gemini de manera similar a la forma en que hablas con Google Assistant ahora, pero como se basa en modelos de lenguaje grande (LLM) con AI, Gemini puede ser mucho más conversacional y útil, capaz de realizar tareas más desafiantes y capaz de adaptarle sus respuestas específicamente a usted.
Google ya ha comenzado la transición a Gemini. Los teléfonos inteligentes son los primeros en cambiar y serán seguidos por altavoces inteligentes, televisores, otros dispositivos domésticos, dispositivos portátiles y automóviles en los próximos meses.
Los teléfonos inteligentes, con algunas excepciones importantes (ver más abajo), se habrán trasladado a Gemini por completo a fines de 2025, momento en el que “el clásico Asistente de Google ya no se puede acceder en la mayoría de los dispositivos móviles o disponible para nuevas descargas en tiendas de aplicaciones móviles”, según Google.
Pero no siempre una transición perfecta
Desafortunadamente, la transición a Géminis no será perfecta para todos. Si actualmente hace un uso extenso de Google Assistant, puede requerir un poco de esfuerzo para adaptarse a Géminis. Algunos usuarios deberán hacer ajustes significativos en cómo usan sus dispositivos, ya que ciertas características de Google Assistant no funcionarán de la misma manera con Gemini, si es que funcionan. Es importante comprender estos cambios si desea evitar la interrupción.
Google ha eliminado varias características del Asistente de Google antes de la transición a Gemini.
Varias características del Asistente de Google descontinuadas
Google tiene un historial de eliminación de funciones que considera “infrautilizadas” por los clientes. Desde el año pasado, ha eliminado 22 características de Google Assistant.
Las mudanzas notables incluyen funciones de libros de cocina/recetas y alarmas de medios que le permiten despertar a su música favorita. Si bien no todas estas discontinuaciones se pueden atribuir a la transición a Géminis, hacer que el interruptor hará que alguna funcionalidad desaparezca de inmediato.
Recientemente, Modo de intérprete para traducciones en vivo y Campana de la familia Los anuncios para establecer recordatorios personalizados fueron descontinuados para el consternación de muchos usuarios frecuentes. La lista de funciones discontinuadas continúa, y los usuarios están no feliz.
Puede leer la lista completa de funciones discontinuadas y cambiadas en Este documento de soporte de Google.
Google también reconoce que para empezar, Gemini puede ser más lento para responder a las solicitudes que en el Asistente de Google, aunque se espera que sea más rápido con el tiempo.
Sin embargo, debido a que se basa en AI, Gemini, a diferencia del Asistente de Google, a veces puede proporcionar información falsa o “alucinaciones”. Los usuarios tendrán que acostumbrarse a verificar cualquier información que Gemini proporcione de una manera que no fuera tan crítica con el Asistente de Google.
Gemini intenta comprender sus solicitudes y responder adecuadamente en lugar de simplemente seguir una lista de comandos programados. Esto lo hace considerablemente más poderoso pero también un poco impredecible.
Se eliminan las características antes de ser reemplazadas
Afortunadamente, Gemini es mucho más poderoso que el Asistente de Google que los usuarios eventualmente obtendrán muchas más capacidades de las que pierden. Géminis probablemente pueda restaurar gran parte de la funcionalidad eliminada eventualmente. Sin embargo, no todas las características de Google Assistant actualmente tienen una alternativa que funciona con Gemini.
¿Puede mi dispositivo usar Gemini?
No todos los dispositivos son compatibles con Gemini, y deberá ubicarse en uno de los países donde Géminis está disponible. Si su dispositivo no cumple con los criterios a continuación, puede continuar usando el Asistente de Google por ahora.
Para teléfonos y tabletas, necesitará:
- Mínimo de 2 gb RAM
- Android 10, iOS 16 o superior.
- Los dispositivos Android Go no son compatibles
El Asistente de Google se convierte en Géminis: los altavoces inteligentes, las pantallas inteligentes y los televisores son los próximos
Por ahora, el Asistente de Google continuará trabajando en dispositivos, como altavoces inteligentes, pantallas inteligentes y televisores, pero eso cambiará en los próximos meses. El despliegue eventualmente se extenderá a tabletas, automóviles, auriculares y relojes, siempre que cumplan con las especificaciones mínimas.
Es posible que algunos otros dispositivos más antiguos tampoco sean lo suficientemente potentes como para ejecutar Gemini, aunque en este momento no se han dado requisitos específicos. Si su dispositivo es demasiado viejo para admitir Gemini, aún podrá usar Google Assistant siempre que Google continúe admitiendolo.
Para obtener detalles sobre la transición a Géminis y lo que Géminis puede hacer por usted, consulte Google’s Introducción a Géminis.
Actualización del 22 de marzo. Aquí hay algunas soluciones para algunas de las características más populares que se eliminan del Asistente de Google mientras Google hace la transición a Gemini.
Modo de intérprete
Si bien traduce con precisión palabras, frases y documentos completos, Gemini actualmente no reemplaza directamente la función de modo de intérprete de traducción en vivo de Google Assistant. Esto significa que los altavoces inteligentes y otros dispositivos ya no podrán traducir conversaciones en tiempo real.
La mejor alternativa de Google es cambiar a la aplicación Google Translate, que ofrece una función similar de “modo de conversación”. Sin embargo, es principalmente para dispositivos móviles y no ofrece la misma experiencia sin voz y activada por voz como altavoz inteligente o pantalla inteligente.
Si un modo de intérprete manos libres en un altavoz inteligente es de vital importancia para usted, siempre puede comprar un dispositivo de Amazon y usar la función de traducción en vivo de Alexa.
Verifique el de Google páginas de ayuda Para posibles actualizaciones sobre el modo intérprete.
Comandos de voz de Google Photos, configuración del marco de fotos y configuración de pantalla ambiental
Lamentablemente, ya no podrá usar su voz para favoritas y compartir sus fotos o preguntar cuándo y dónde fueron tomadas. Sin embargo, podrá usar la aplicación Google Photos para realizar estas funciones manualmente.
Es una situación similar para la configuración del marco de fotos y la configuración de la pantalla ambiental. Ahora tendrá que ajustarlos manualmente tocando las opciones de configuración en su pantalla.
La pérdida de control de voz será un golpe para cualquiera que se base en el control de voz para la accesibilidad. Con suerte, Gemini eventualmente podrá realizar una función similar, pero por ahora, si no puede usar la pantalla táctil, tendrá que buscar otras opciones de accesibilidad.
Aprenda a usar las rutinas de Google Home
Algunas de las características del Asistente de Google que Google ha eliminado, como Family Bell, se puede aproximar utilizando las rutinas de Google. Sin embargo, el proceso de configuración será más complicado que antes. Lo mismo ocurre con la creación de actualizaciones diarias automáticas. Google proporciona Ayuda para crear rutinas En sus páginas de apoyo, pero prepárese para invertir algo de tiempo aprendiendo a configurarlas.
Seguir @Paul_Monckton en Instagram.
Noticias
Hollywood a Trump: No dejes que Operai y Google entrenen en nuestro trabajo con derechos de autor
La lucha entre los creadores y los titanes tecnológicos de IA por la ley de derechos de autor y la licencia se está calentando. En una carta presentada a la Oficina de Política de Ciencia y Tecnología de la Administración Trump el 15 de marzo, más de 400 actores, escritores y directores pidieron al gobierno que defendiera la ley actual de derechos de autor.
Los firmantes incluyen a Paul McCartney, Guillermo del Toro, Ava Duvernay, Cynthia Erivo, Phoebe Waller-Bridge, Ayo Edebiri, Chris Rock y Mark Ruffalo. La carta solicita específicamente al gobierno que no otorgue excepciones de uso justo a las compañías tecnológicas que capacitan la IA.
El uso justo es un concepto fundamental en la ley de derechos de autor que brinda a las personas una excepción para usar contenido protegido, incluso si no son el titular de los derechos de autor, en casos limitados y específicos. Anteriormente, las compañías de IA, hambrientas por el contenido generado por los humanos para capacitar y mejorar sus modelos de IA, han necesitado pagar a los editores y catálogos de contenido por el acceso a ese material. Una excepción de uso justo facilitaría que las compañías tecnológicas accedan a contenido sin obstáculos legales.
Google y Openai propusieron cambios similares a la ley actual de derechos de autor en sus propuestas para el plan de acción de IA de la administración. Google escribió que tales excepciones le permiten “evitar negociaciones a menudo altamente impredecibles, desequilibradas y largas con los titulares de datos durante el desarrollo del modelo”. Operai escribió que las protecciones de uso justo para la IA son necesarias para proteger la seguridad nacional estadounidense.
Parte del reciente impulso gubernamental alrededor de la IA es una preocupación por la pérdida de la posición global y una ventaja tecnológica sobre el desarrollo de IA a adversarios como China. La IA china, como el rival de chatgpt Deepseek, continúa procesando, pero las preocupaciones abundan sobre su seguridad y falta de barandillas.
En otras palabras, compañías tecnológicas como Google y OpenAI, cada una valorada por la capitalización de mercado en los cientos de miles de millones y billones de dólares, no quieren pasar por el proceso legal establecido y pagar los derechos del contenido que necesitan para que su AIS sea competitivo con los desarrollados por China. Y quieren que la administración Trump codifique las protecciones para ellos como parte de su plan de acción de IA.
Los firmantes de Hollywood se oponen firmemente a la posibilidad de tal reescritura de la ley de derechos de autor. “Estados Unidos no se convirtió en una potencia cultural global por accidente”, dice la carta. “Nuestro éxito se deriva directamente de nuestro respeto fundamental por la IP y los derechos de autor que recompensa la toma de riesgos creativos por estadounidenses talentosos y trabajadores de todos los estados y territorio”.
La Oficina de Derechos de Autor de EE. UU. Ha estado desarrollando orientación sobre cómo manejar los reclamos de derechos de autor por contenido generado por IA. Pero la gente ha estado preocupada durante años, e incluso demandó, cómo los modelos de IA están entrenados de una manera que potencialmente viola los derechos de los titulares de derechos de autor. El doble huelga en el verano de 2023 por miembros del Guild de Escritores de América y el Gremio de Actores de Screen y la Federación Americana de Artistas de Televisión y Radio, o Sag-Aftra, incluyó a la IA como una de sus principales preocupaciones. Ni Openai ni Google han compartido exactamente qué contenido constituye sus bases de datos de capacitación para ChatGPT y Gemini.
La ecuación de derechos de autor se vuelve aún más complicada, ya que sabemos al menos una compañía que recibió un reclamo de derechos de autor para una imagen cuya IA genera cada parte. Deja espacio para la incertidumbre en cada lado del desastre que es los derechos de autor y la IA.
La administración Trump y la IA
Hasta este punto, no ha habido un progreso mucho significativo en la supervisión del gobierno o la legislación que regula cómo los gigantes tecnológicos como OpenAI y Google desarrollan IA. El ex presidente Biden consiguió que muchas de las principales compañías tecnológicas se comprometieran voluntariamente a desarrollar AI de manera responsable e intentó promulgar algunas barandillas en torno al desarrollo de la IA a través de la orden ejecutiva. Pero a las pocas horas de ser inaugurado, Trump retrocedió la orden ejecutiva de AI de Biden con una de las suyas.
En su propia orden ejecutiva sobre IA, Trump dijo que quiere “mantener y mejorar el dominio global de IA de Estados Unidos”. El Plan de Acción de AI es cómo planea promulgar su versión de la política tecnológica. El vicepresidente Vance presentó el plan, y más ampliamente la opinión de la administración sobre la tecnología, en una cumbre internacional sobre IA en enero.
Vance dijo: “Cuando conferencias como esta se convierten en discutir una tecnología de vanguardia, a menudo, creo que nuestra respuesta es ser demasiado consciente de sí misma, demasiado requerida por el riesgo. Pero nunca he encontrado un gran avance en la tecnología que claramente nos llama a hacer precisamente lo contrario”.
Además del llamado a los comentarios, una orden ejecutiva de enero del presidente Trump pidió que American AI estuviera “libre de sesgos ideológicos o agendas sociales diseñadas”.
Al mismo tiempo, los líderes tecnológicos como Sundar Pichai de Google y Sam Altman de Openai se han acercado a la nueva administración. Altman donó un millón de dólares de su propio dinero al Fondo de inauguración de Trump, y Google como compañía donó lo mismo. Altman y Pichai obtuvieron asientos de primera fila para la ceremonia de juramentación, junto con Mark Zuckerberg de Meta, Elon Musk de X y Jeff Bezos de Amazon. Es probable que los ejecutivos esperen que llegar al lado bueno de Trump los ayude a allanar el camino para el futuro de su empresa tecnológica, incluso si, en este caso, molestaría décadas de ley establecida de derechos de autor.
Muchos grupos de personas, no solo creadores, están preocupados de que el desarrollo y el uso no regulado de la IA puedan ser desastrosos.
¿Qué viene después para los derechos de autor y la IA?
Se espera que la Oficina de Derechos de Autor de los Estados Unidos publique un informe más sobre AI, específicamente sobre “implicaciones legales de capacitar a los modelos de IA en trabajos con derechos de autor, consideraciones de licencia y la asignación de cualquier posible responsabilidad”.
Mientras tanto, una serie de demandas activas podrían establecer precedentes importantes para la rama judicial. Thomson Reuters acaba de ganar su caso que dijo que una compañía de IA no tenía un caso de uso justo para usar su contenido para construir IA. La legislación como la Ley No Fakes también se está abriendo camino a través del Congreso, pero no está claro qué tipo de legislación futura de IA tendrá.
Para obtener más información, consulte cómo AI y Art Clash en SXSW y por qué la promesa anti-AI de una compañía resuena con los creadores.
Inside the OpenAI-DeepSeek Distillation Saga & Alibaba’s Most Powerful AI Model Qwen2.5-Max
De ChatGPT a mil millones de agentes
-
Startups10 meses agoRemove.bg: La Revolución en la Edición de Imágenes que Debes Conocer
-
Recursos10 meses agoCómo Empezar con Popai.pro: Tu Espacio Personal de IA – Guía Completa, Instalación, Versiones y Precios
-
Tutoriales10 meses agoCómo Comenzar a Utilizar ChatGPT: Una Guía Completa para Principiantes
-
Startups8 meses agoStartups de IA en EE.UU. que han recaudado más de $100M en 2024
-
Recursos10 meses agoSuno.com: La Revolución en la Creación Musical con Inteligencia Artificial
-
Startups10 meses agoDeepgram: Revolucionando el Reconocimiento de Voz con IA
-
Recursos10 meses agoPerplexity aplicado al Marketing Digital y Estrategias SEO
-
Noticias8 meses agoDos periodistas octogenarios deman a ChatGPT por robar su trabajo
