# Programando com chatgpt: o que é e como funciona a Inteligência Artificial?

## Introdução

## O que são leads orgânicos e como eles diferem dos leads pagos?

## Gerando leads orgânicos para o seu negócio

### Otimizando o seu site para os mecanismos de busca

### Criando conteúdo engajador

### Utilizando as redes sociais

### Construindo uma lista de e-mails

## Dicas práticas para gerar leads orgânicos

### Faça uma pesquisa de palavras-chave

### Otimize seu conteúdo para palavras-chave

### Crie conteúdo evergreen

### Use títulos e subtítulos atraentes

### Mantenha seu conteúdo atualizado

## A importância de medir o seu sucesso com leads orgânicos

## Conclusão

## Perguntas frequentes

1. Como saber se um lead é orgânico ou pago?
2. O que é SEO e como ele ajuda a gerar leads orgânicos?
3. Posso comprar leads orgânicos?
4. Como criar conteúdo evergreen?
5. Qual é a melhor maneira de medir o sucesso dos meus esforços de leads orgânicos?

br>¿Qué es la inteligencia artificial? , ¿cómo funciona?, ¿se parece a una inteligencia humana? ¡Vamos a verlo!

¡Suscríbete al canal!

Sigue a Eduardo Sáenz de Cabezón:

En Twitter:

En Instagram:

En Facebook:
www.facebook.com/DerivandoYouTube

Este vídeo foi indexado através do Youtube link da fonte
programar com chatgpt ,

[vid_tags] ,

https://www.youtubepp.com/watch?v=_tA5cinv0U8 ,

Ya llevamos un tiempo escuchando noticias como una inteligencia artificial derrota a un maestro mundial de ajedrez o de go o de no sé qué juego dificilísimo o una inteligencia artificial compone una pieza al estilo de bach que los expertos no pueden distinguir de una auténtica pinta un

Cuadro de rembrandt o ayuda a la conducción de coches autónomos o es capaz de distinguir rostros de criminales o yo que se mil cosas pero en todas esas noticias que quieren decir con inteligencia artificial y sobre todo cómo funciona esa cosa efectivamente este es un tema largo complicado y con

Muchísimas caras pero hoy vamos a dar algunas pinceladas [Música] la inteligencia artificial así en general se suele definir como la capacidad que tienen artilugios artificiales como por ejemplo el ordenador de realizar tareas propias de una inteligencia humana es verdad que las cosas están cambiando y a veces la

Gente se plantea que una inteligencia artificial no tiene por qué parecerse del todo a una inteligencia humana pero esa es una cuestión complicada así que nos quedamos de momento con la definición habitual la cosa es qué significa eso de las tareas propias de una inteligencia humana bueno si consideramos la capacidad de cálculo

Entonces eso si las máquinas la tienen si consideramos la capacidad de memorizar datos pues también conforme los ordenadores fueron siendo más capaces también se fueron atreviendo con cosas más de humanos inteligentes juegos complicados como el ajedrez y otros para los que podían crear ciertas estrategias apoyadas sobre todo en su capacidad de

Cálculo y de memoria poco a poco se iba avanzando en el terreno de la inteligencia que las matemáticas iban logrando pero claro hay cosas demasiado humanas que quedaban fuera del alcance de la inteligencia artificial como por ejemplo la capacidad de aprendizaje la creatividad o la autoconciencia la inteligencia humana es probable

Más que esas tres cosas pero si una máquina las logra no está nada mal nos parece la autoconciencia de momento está lejos es una cosa más bien de la ciencia ficción pero bueno ya sabéis que los artistas van siempre un paso por delante de los científicos en muchas cosas y

Quizá un día lleguemos a ver máquinas que ahora mismo sólo encontramos en las pelis en los videojuegos en las novelas o en los cómics lo de la creatividad es más dudoso hay algoritmos a los que podemos empezar a atribuir ciertas formas de creatividad y es un terreno en

El que se está trabajando mucho y en muchos ámbitos distintos pintura matemáticas escritura música e incluso humor ya hay ordenadores que son capaces de producir arte creativo o de inventarse chistes y es un tema interesantísimo pero el 90% o más de las ocasiones en las que oyes hablar de que

Una inteligencia artificial ha hecho tal o cual cosa normalmente estamos en el terreno del aprendizaje y eso es un tema en el que hay avances espectaculares se llama aprendizaje automático o machine learning y hoy por hoy es prácticamente sinónimo de inteligencia artificial pero como lo definiría el aprendizaje

Automático el masín learning ese es un conjunto de técnicas mediante las cuales un algoritmo que tiene que realizar una tarea capaz de modificar su propio comportamiento basándose en los datos de que dispone o en lo bien o mal que lo haya hecho en el pasado o en lo que le

Digan otros que están bien o mal hecho vamos lo que se dice aprender de toda la vida o sea vaya que esos algoritmos son capaces de aprender de sus errores no como esa gente que lleva 25 años apuntándose al gimnasio el 2 de enero y des apuntándose el 5 hay montones de

Algoritmos de aprendizaje automático que nos rodean cada día que son cada vez mejores y que son un tema de estudio total para empezar hay varios tipos hay unos que se llaman de aprendizaje supervisado se les envía en un montón de datos que se llaman etiquetados o sea para los que

Se sabe la solución al problema que se les plantea ya medida que van procesando esos datos van aprendiendo a este proceso se le llama entrenamiento un ejemplo típico de estos más típicos no puede ser es un algoritmo al que entrenamos para que sepa distinguir una foto mía de una foto de cualquier otra

Persona le pasó mil eso mediante fotos las que sea de las cuales en unos cuantos cientos de miles estoy yo y en otras no y le digo en cuáles sí estoy y en cuáles no estoy el algoritmo se entrena con esas fotos y luego cuando le llega una foto nueva

Pues con lo que he aprendido ya sabes si salgo en esa foto o no estos algoritmos de aprendizaje supervisado se usan mucho mucho mucho muchísimo y lo que necesitan son datos millones de datos etiquetados y tú les estás ayudando quizás sin saberlo sabes esos captcha para entrar

En algunas webs que te dicen que márquez fotos en las que salen semáforos o coches o peatones o señales o autobuses pues están etiquetando fotos que luego servirán para entrenar un algoritmo que reconozca esas cosas en imágenes y que a lo mejor en un tiempo está instalado en

Un coche autónomo o sea que haciendo bien lo de las fotos esas estás enseñando a conducir a los coches del futuro como que te quedás los problemas que resuelven estos algoritmos son super variados un reconocimiento facial reconocimiento de voz de huellas digitales coches automáticos en fin mil

Cosas muchas más cosas de las que te imaginas la verdad otro tipo de algoritmo de aprendizaje automático son los nuevos supervisados estos no entrenan como las anteriores con datos etiquetados estos se usan por ejemplo para agrupar datos que son parecidos entre sí imagínate por ejemplo si el

Algoritmo agrupar a la gente que tienen los mismos gustos musicales o de ropa se podrían utilizar en publicidad este no es su único uso hay algoritmos muy variados esto es lo que hacen es definir una distancia entre datos por ejemplo entre tu historial de escuchas en spotify y el mío comparan nuestros

Gustos y así nos ofrecen canciones parecidas después se usan mucho también en aplicaciones científicas como en genómica por ejemplo luego están los semi supervisados claro no va a haber supervisados no supervisados y ya está no aquí no somos binarios muy frente este lo que hace es que cuando tenemos

Pocos datos etiquetados por lo que sea consiguen unos pocos y usan el aprendizaje supervisado para etiquetar más datos por una parte y luego eso es los usa en otro modelo de aprendizaje supervisado para resolver el problema que tengamos y finalmente otro tipo de aprendizaje automático muy usado es el

Aprendizaje por refuerzo este actúa por prueba y error y se usa mucho para aprender a jugar por ejemplo en estos casos hay un concepto de recompensa que te dice cuando los echo bien por ejemplo ganar la partida así que el algoritmo se queda con unos parámetros de una partida

Por ejemplo los movimientos que ha hecho las decisiones que ha tomado y si el resultado es que gana esos movimientos los usará con más probabilidad en las próximas partidas y si le llevan a perder pues con menos probabilidad en aplicaciones científicas se usan muchísimo estos también para realizar estos tipos de

Aprendizaje hay muchas técnicas hay algoritmos específicos que se utilizan para cada problema en particular o que se mezclan para conseguir mejores modelos entre los más famosos y utilizados los menciono para que podáis hacer una búsqueda por internet si os interesan los detalles están algunos que tienen que ver con estadística y

Probabilidad clásicas como algunos de reflexión regresión lineal regresión logística métodos vallesanos etcétera otros son árboles de decisión en los que vas dirigiéndote por una rama u otra según vas tomando decisiones por ejemplo random forest que está muy bien se generan varios árboles de decisión con partes de los datos y se analiza el

Resultado de cada uno de ellos cuáles han sido las decisiones más comunes que vota la mayoría de los árboles etcétera es muy chulo knn es muy usa no significa que mires neighbors y sirve por ejemplo para clasificar haciéndolo para cada dato en base a la clasificación de sus

Vecinos más próximos para ello hay que definir bien qué significa que los datos sean cercanos pero bueno hay muchos otros support vector machine todos los degradan boosting etcétera en muchos alhaurinos y quizá la técnica más potente de todas son las redes neuronales que consisten en muchas pequeñas funciones matemáticas

Cada una de ellas llamada neurona o zelda que se combinan entre sí se coordinan se pasan resultados unas a otras formando una red cuando estas redes son grandes y con muchas capas se llaman redes profundas y dan nombre a toda una rama del aprendizaje automático que se llama aprendizaje profundo o deep

Learning que normalmente es aprendizaje supervisado ahora ya sabéis lo que es usando redes profundas para entrenar al modelo en fin ya veis montones de técnicas en las que la comunidad científica está súper activa sobre todo porque las aplicaciones son muchísimas algunas muy transformadoras hay algoritmos que hacen cosas increíbles a

Mí por ejemplo los de traducción automática que son cada vez mejores me dejan flipado o muy útiles el reconocimiento de voz por ejemplo pero que también pueden cometer errores si no están bien diseñadas o incluso hacer cosas no tan buenas si no tenemos un poco de cuidado y sobre todo si no

Sabemos al menos algo de cómo funcionan están por todas partes así que os animo a seguir conociendo la inteligencia artificial y los algoritmos que hay detrás y sobre todo las matemáticas que les otorgan suponer [Música]

,00:00 ya llevamos un tiempo escuchando
00:01 noticias como una inteligencia
00:03 artificial derrota a un maestro mundial
00:05 de ajedrez o de go o de no sé qué juego
00:07 dificilísimo o una inteligencia
00:09 artificial compone una pieza al estilo
00:11 de bach que los expertos no pueden
00:13 distinguir de una auténtica pinta un
00:15 cuadro de rembrandt o ayuda a la
00:17 conducción de coches autónomos o es
00:19 capaz de distinguir rostros de
00:21 criminales o yo que se mil cosas pero en
00:24 todas esas noticias que quieren decir
00:26 con inteligencia artificial y sobre todo
00:28 cómo funciona esa cosa efectivamente
00:30 este es un tema largo complicado y con
00:33 muchísimas caras pero hoy vamos a dar
00:34 algunas pinceladas
00:36 [Música]
00:41 la inteligencia artificial así en
00:43 general se suele definir como la
00:45 capacidad que tienen artilugios
00:46 artificiales como por ejemplo el
00:47 ordenador de realizar tareas propias de
00:50 una inteligencia humana es verdad que
00:51 las cosas están cambiando y a veces la
00:53 gente se plantea que una inteligencia
00:55 artificial no tiene por qué parecerse
00:57 del todo a una inteligencia humana pero
00:59 esa es una cuestión complicada así que
01:02 nos quedamos de momento con la
01:03 definición habitual la cosa es qué
01:05 significa eso de las tareas propias de
01:07 una inteligencia humana bueno si
01:09 consideramos la capacidad de cálculo
01:11 entonces eso si las máquinas la tienen
01:13 si consideramos la capacidad de
01:15 memorizar datos pues también conforme
01:17 los ordenadores fueron siendo más
01:18 capaces también se fueron atreviendo con
01:21 cosas más de humanos inteligentes juegos
01:23 complicados como el ajedrez y otros para
01:26 los que podían crear ciertas estrategias
01:28 apoyadas sobre todo en su capacidad de
01:30 cálculo y de memoria poco a poco se iba
01:32 avanzando en el terreno de la
01:33 inteligencia que las matemáticas iban
01:35 logrando pero claro hay cosas demasiado
01:37 humanas que quedaban fuera del alcance
01:39 de la inteligencia artificial como por
01:41 ejemplo la capacidad de aprendizaje la
01:44 creatividad o la autoconciencia la
01:46 inteligencia humana es probable
01:48 más que esas tres cosas pero si una
01:49 máquina las logra no está nada mal nos
01:51 parece la autoconciencia de momento está
01:53 lejos es una cosa más bien de la ciencia
01:55 ficción pero bueno ya sabéis que los
01:57 artistas van siempre un paso por delante
01:58 de los científicos en muchas cosas y
02:01 quizá un día lleguemos a ver máquinas
02:02 que ahora mismo sólo encontramos en las
02:04 pelis en los videojuegos en las novelas
02:06 o en los cómics lo de la creatividad es
02:08 más dudoso hay algoritmos a los que
02:10 podemos empezar a atribuir ciertas
02:12 formas de creatividad y es un terreno en
02:14 el que se está trabajando mucho y en
02:15 muchos ámbitos distintos pintura
02:17 matemáticas escritura música e incluso
02:20 humor ya hay ordenadores que son capaces
02:22 de producir arte creativo o de
02:24 inventarse chistes y es un tema
02:26 interesantísimo pero el 90% o más de las
02:29 ocasiones en las que oyes hablar de que
02:30 una inteligencia artificial ha hecho tal
02:32 o cual cosa normalmente estamos en el
02:34 terreno del aprendizaje y eso es un tema
02:37 en el que hay avances espectaculares se
02:39 llama aprendizaje automático o machine
02:41 learning y hoy por hoy es prácticamente
02:43 sinónimo de inteligencia artificial pero
02:45 como lo definiría el aprendizaje
02:47 automático el masín learning ese es un
02:49 conjunto de técnicas mediante las cuales
02:52 un algoritmo que tiene que realizar una
02:53 tarea
02:54 capaz de modificar su propio
02:56 comportamiento basándose en los datos de
02:58 que dispone o en lo bien o mal que lo
03:00 haya hecho en el pasado o en lo que le
03:02 digan otros que están bien o mal hecho
03:03 vamos lo que se dice aprender de toda la
03:05 vida o sea vaya que esos algoritmos son
03:07 capaces de aprender de sus errores no
03:10 como esa gente que lleva 25 años
03:12 apuntándose al gimnasio el 2 de enero y
03:14 des apuntándose el 5 hay montones de
03:17 algoritmos de aprendizaje automático que
03:18 nos rodean cada día que son cada vez
03:20 mejores y que son un tema de estudio
03:23 total para empezar hay varios tipos hay
03:25 unos que se llaman de aprendizaje
03:27 supervisado
03:28 se les envía en un montón de datos que
03:29 se llaman etiquetados o sea para los que
03:31 se sabe la solución al problema que se
03:33 les plantea ya medida que van procesando
03:35 esos datos van aprendiendo a este
03:37 proceso se le llama entrenamiento un
03:39 ejemplo típico de estos más típicos no
03:41 puede ser es un algoritmo al que
03:43 entrenamos para que sepa distinguir una
03:45 foto mía de una foto de cualquier otra
03:47 persona le pasó mil eso mediante fotos
03:49 las que sea de las cuales en unos
03:51 cuantos cientos de miles estoy yo y en
03:54 otras no y le digo en cuáles sí estoy y
03:56 en cuáles no estoy el algoritmo se
03:58 entrena con esas fotos y luego cuando le
04:00 llega una foto nueva
04:01 pues con lo que he aprendido ya sabes si
04:03 salgo en esa foto o no estos algoritmos
04:05 de aprendizaje supervisado se usan mucho
04:07 mucho mucho muchísimo y lo que necesitan
04:10 son datos millones de datos etiquetados
04:12 y tú les estás ayudando quizás sin
04:14 saberlo sabes esos captcha para entrar
04:16 en algunas webs que te dicen que márquez
04:18 fotos en las que salen semáforos o
04:20 coches o peatones o señales o autobuses
04:23 pues están etiquetando fotos que luego
04:25 servirán para entrenar un algoritmo que
04:27 reconozca esas cosas en imágenes y que a
04:29 lo mejor en un tiempo está instalado en
04:31 un coche autónomo o sea que haciendo
04:34 bien lo de las fotos esas estás
04:36 enseñando a conducir a los coches del
04:37 futuro como que te quedás los problemas
04:39 que resuelven estos algoritmos son super
04:41 variados un reconocimiento facial
04:43 reconocimiento de voz de huellas
04:44 digitales coches automáticos en fin mil
04:47 cosas muchas más cosas de las que te
04:49 imaginas la verdad otro tipo de
04:50 algoritmo de aprendizaje automático son
04:52 los nuevos supervisados estos no
04:54 entrenan como las anteriores con datos
04:55 etiquetados estos se usan por ejemplo
04:58 para agrupar datos que son parecidos
04:59 entre sí imagínate por ejemplo si el
05:01 algoritmo agrupar a la gente que tienen
05:03 los mismos gustos musicales o de ropa se
05:05 podrían utilizar en publicidad
05:07 este no es su único uso hay algoritmos
05:09 muy variados esto es lo que hacen es
05:11 definir una distancia entre datos por
05:13 ejemplo entre tu historial de escuchas
05:15 en spotify y el mío comparan nuestros
05:17 gustos y así nos ofrecen canciones
05:18 parecidas después se usan mucho también
05:21 en aplicaciones científicas como en
05:22 genómica por ejemplo luego están los
05:25 semi supervisados claro no va a haber
05:27 supervisados no supervisados y ya está
05:29 no aquí no somos binarios muy frente
05:32 este lo que hace es que cuando tenemos
05:33 pocos datos etiquetados por lo que sea
05:35 consiguen unos pocos y usan el
05:37 aprendizaje supervisado para etiquetar
05:39 más datos por una parte y luego eso es
05:41 los usa en otro modelo de aprendizaje
05:42 supervisado para resolver el problema
05:45 que tengamos y finalmente otro tipo de
05:47 aprendizaje automático muy usado es el
05:49 aprendizaje por refuerzo este actúa por
05:52 prueba y error y se usa mucho para
05:53 aprender a jugar por ejemplo en estos
05:55 casos hay un concepto de recompensa que
05:57 te dice cuando los echo bien por ejemplo
05:59 ganar la partida así que el algoritmo se
06:02 queda con unos parámetros de una partida
06:03 por ejemplo los movimientos que ha hecho
06:05 las decisiones que ha tomado y si el
06:07 resultado es que gana esos movimientos
06:09 los usará con más probabilidad en las
06:11 próximas partidas y si le llevan a
06:13 perder pues
06:14 con menos probabilidad en aplicaciones
06:16 científicas se usan muchísimo estos
06:18 también para realizar estos tipos de
06:20 aprendizaje hay muchas técnicas hay
06:21 algoritmos específicos que se utilizan
06:23 para cada problema en particular o que
06:25 se mezclan para conseguir mejores
06:27 modelos entre los más famosos y
06:28 utilizados los menciono para que podáis
06:30 hacer una búsqueda por internet si os
06:32 interesan los detalles están algunos que
06:35 tienen que ver con estadística y
06:36 probabilidad clásicas como algunos de
06:38 reflexión regresión lineal regresión
06:40 logística métodos vallesanos etcétera
06:42 otros son árboles de decisión en los que
06:44 vas dirigiéndote por una rama u otra
06:46 según vas tomando decisiones por ejemplo
06:48 random forest que está muy bien se
06:50 generan varios árboles de decisión con
06:52 partes de los datos y se analiza el
06:54 resultado de cada uno de ellos cuáles
06:56 han sido las decisiones más comunes que
06:58 vota la mayoría de los árboles etcétera
07:00 es muy chulo knn es muy usa no significa
07:03 que mires neighbors y sirve por ejemplo
07:05 para clasificar haciéndolo para cada
07:08 dato en base a la clasificación de sus
07:10 vecinos más próximos para ello hay que
07:12 definir bien qué significa que los datos
07:14 sean cercanos pero bueno hay muchos
07:15 otros support vector machine todos los
07:17 degradan boosting etcétera en muchos
07:19 alhaurinos
07:20 y quizá la técnica más potente de todas
07:22 son las redes neuronales que consisten
07:24 en muchas pequeñas funciones matemáticas
07:25 cada una de ellas llamada neurona o
07:28 zelda que se combinan entre sí se
07:30 coordinan se pasan resultados unas a
07:32 otras formando una red cuando estas
07:34 redes son grandes y con muchas capas se
07:36 llaman redes profundas y dan nombre a
07:38 toda una rama del aprendizaje automático
07:40 que se llama aprendizaje profundo o deep
07:42 learning que normalmente es aprendizaje
07:44 supervisado ahora ya sabéis lo que es
07:45 usando redes profundas para entrenar al
07:47 modelo en fin ya veis montones de
07:50 técnicas en las que la comunidad
07:51 científica está súper activa sobre todo
07:53 porque las aplicaciones son muchísimas
07:55 algunas muy transformadoras hay
07:57 algoritmos que hacen cosas increíbles a
07:59 mí por ejemplo los de traducción
08:00 automática que son cada vez mejores me
08:02 dejan flipado o muy útiles el
08:04 reconocimiento de voz por ejemplo pero
08:06 que también pueden cometer errores si no
08:08 están bien diseñadas o incluso hacer
08:09 cosas no tan buenas si no tenemos un
08:11 poco de cuidado y sobre todo si no
08:13 sabemos al menos algo de cómo funcionan
08:16 están por todas partes así que os animo
08:18 a seguir conociendo la inteligencia
08:20 artificial y los algoritmos que hay
08:22 detrás y sobre todo las matemáticas que
08:24 les otorgan suponer
08:27 [Música]
, , , #Qué #cómo #funciona #INTELIGENCIA #ARTIFICIAL , [agora]