Table of Contents
Bienvenidos a una nueva entrega sobre las inteligencias artificiales. Como ya explicamos en nuestro anterior artículo, GPT-3 (en inglés Generative Pretrained Transformer 3) es un modelo de procesamiento de lenguaje de última generación desarrollado por OpenAI. Ha sido entrenado con una gran cantidad de datos y puede generar texto similar al humano sobre una amplia gama de temas. Una de las formas de acceder a las capacidades de GPT-3 es a través de su API, que permite a los desarrolladores integrar fácilmente GPT-3 en aplicaciones.
En este artículo, proporcionaremos una guía detallada sobre cómo utilizar la API de GPT-3, incluido cómo configurar su clave de API, generar respuestas y acceder al texto generado. Al final de este artículo, tendremos una base de cómo utilizar GPT-3 en aplicaciones propias.
Guía paso a paso
Para usar GPT-3 con Python, tendremos que utilizar la librería openAI, que es la oficial de Python para interactuar con su API.
Configuración de su clave API
Primero, tendremos que registrarnos para obtener una clave API de OpenAI. Esta clave nos permitirá acceder a la API de GPT-3 y usarla en nuestros scripts de Python. Puedes registrarte para obtener una clave API en el sitio web de OpenAI.
Una vez que tengamos la clave API, tendremos que instalar la librería OpenAI. Esto se puede hacer mediante pip, el administrador de paquetes de Python. Para instalar la librería, abriremos una terminal y ejecutaremos el siguiente comando:
Después de que la instalación se haya completado, podremos importarla en nuestro proyecto de Python usando el siguiente código:
Una vez que hemos importado el paquete OpenAI, podremos configurar nuestra clave API de la siguiente manera:
Generando Completions con GPT-3
Con el paquete OpenAI importado y su clave API configurada, ya estamos listos para empezar a programar nuestra prueba. La clase Completion toma una serie de parámetros, incluido el modelo que se va a usar, el prompt que se debe completar y la cantidad máxima de tokens (unidades individuales de texto) que se van a generar.
GPT-3 tiene varias versiones de modelos diferentes, cada una con diferentes tamaños y capacidades. Para este ejemplo, usaremos el modelo text-davinci-002.
Por ejemplo, para generar tres finalizaciones de hasta 50 tokens cada una con el modelo text-davinci-002, podríamos usar el siguiente código:
El objeto Completion que nos devuelve contiene una lista de objetos de Completion, cada uno de los cuales tiene un campo de texto con la respuesta generada. Podemos acceder al texto de cada Completion mediante un bucle for:
Este código imprimirá cada una de las Completions generadas en nuestra consola.
Puede pasar parámetros adicionales como la temperatura para controlar el nivel de aleatoriedad en el texto, max_tokens para establecer la cantidad máxima de tokens a generar, entre otros. Si quieres conocer más acerca de los parámetros, te recuerdo que en nuestro anterior artículo hablamos en detalle de los más importantes.
El siguiente código es similar al ejemplo anterior, pero con algunos parámetros adicionales:
Tened en cuenta que tendremos que reemplazar «your_api_key_here» con la clave API que hemos obtenido antes de OpenAI.
Si tienes curiosidad y quieres aprender más sobre su API y cómo usarla, puedes acceder a su documentación, la cual está muy bien explicada.
¿Cómo afecta GPT-3 al ámbito laboral?
Si bien GPT-3 es un modelo de procesamiento de lenguaje, por lo general no se usa como una capacidad de contratación directa. Más bien, es una herramienta que pueden usar los desarrolladores e investigadores para ayudarse en sus puestos de trabajo.
Un uso potencial de GPT-3 es en el campo del procesamiento del lenguaje natural (NLP), el cual se puede usar para desarrollar aplicaciones, como el análisis de sentimientos, y generar texto similar al humano. Por ejemplo los ingenieros de software, lo usan para desarrollar chatbots o herramientas de traducción de idiomas, con el objetivo de generar texto que pueden usar en sus aplicaciones, como respuestas a las entradas de los usuarios o contenido que se genera de forma automática.
Hay otros trabajos que implican el uso de GPT-3 como por ejemplo los científicos de datos, que a menudo lo usan para generar descripciones de productos o resúmenes de artículos.
Finalmente otro ejemplo son los redactores que, en general, lo usan para generar texto similar al humano para su escritura, como descripciones de productos o “copy” de marketing.
En general, aunque GPT-3 no es actualmente un motivo de contratación directa, tiene el potencial de usarse en una amplia gama de campos. Más bien es una herramienta que ayuda a las personas en algunos ámbitos laborales a realizar su trabajo de forma más rápida.
Conclusión de GPT-3 en aplicaciones
En conclusión, GPT-3 es un poderoso modelo de procesamiento de lenguaje que se puede usar en una variedad de aplicaciones, incluidos los juegos. Para que os hagáis una idea, os voy a poner un ejemplo.
Un uso potencial de GPT-3 en un juego podría ser generar un diálogo con un NPC (Non-Player Character) basado en las acciones y elecciones del jugador. Por ejemplo, si el jugador elige ayudar a un personaje, el NPC podría responder con gratitud y ofrecerle una recompensa. Por otro lado, si el jugador elige robarle al NPC, este podría responder con ira y hostilidad. Lo genial de esto, es que para cada jugador, situación, día y hora la respuesta sería distinta, y eso haría más real la interacción con el mundo del videojuego.
En general, la capacidad de GPT-3 para generar texto similar al humano lo convierte en una herramienta valiosa para muchos ámbitos y, poco a poco, iremos viendo que se asienta cada día más en nuestros puestos de trabajo.
