Episodio #155

#155 La forma CORRECTA de INVESTIGAR con IA | Lo que profesores, alumnos y académicos DEBEN saber

Resumen del episodio

Resumen elaborado a partir de la conversación del episodio.

Lo que aprenderás

  • Por qué investigar con IA exige pasar de buscar keywords a formular la pregunta correcta.
  • Cómo usar Consensus para responder preguntas a partir de papers académicos con revisión de pares.
  • Qué ofrecen las herramientas gratuitas de AI2, como Semantic Scholar y Asta, y para qué sirve Elicit.
  • Cómo SciSpace permite extraer resultados, metodologías y brechas de muchos papers a la vez.
  • Cómo Litmaps y ResearchRabbit muestran las conexiones entre papers de forma visual.
  • Por qué ChatGPT o Gemini no garantizan que las fuentes sean solo académicas.

Capítulos

  1. 0:32 De las keywords a la pregunta correcta
  2. 3:31 Consensus: respuestas basadas en papers académicos
  3. 6:09 Cómo evaluar la relevancia de un paper
  4. 11:19 Afinar la pregunta: un caso de visión computacional
  5. 18:16 Semantic Scholar y Asta, las herramientas gratuitas de AI2
  6. 26:13 Empresas y universidades: partir de lo que ya existe
  7. 29:40 Reportes académicos con Asta y preguntas mejores con Elicit
  8. 34:53 SciSpace: extraer información de muchos papers
  9. 44:26 Litmaps y ResearchRabbit: mapas de citas
  10. 49:36 Por qué no basta con ChatGPT o Gemini

Cómo investigar con IA: de las keywords a la pregunta correcta

Ignacio Alarcón conversa con Jonathan Vásquez, profesor de la Universidad de Valparaíso, sobre cómo usar la inteligencia artificial para encontrar fuentes académicas confiables. Jonathan explica que Google nos enseñó a buscar con palabras clave, pero que ahora se suma otra habilidad: saber hacer la pregunta correcta y elegir las herramientas adecuadas. Una búsqueda en Google puede llevar a páginas poco confiables, mientras que Google Scholar conecta con bases de datos académicas.

ChatGPT, por su parte, busca en la web, pero no necesariamente en bases de datos de papers con peer review, que es lo que los profesores piden cuando exigen fuentes confiables.

Es la pregunta lo que afino, no las keywords.

Jonathan Vásquez, profesor de la Universidad de Valparaíso

Consensus: responder preguntas con papers académicos

Consensus (consensus.app) fue una de las primeras aplicaciones para este problema. Es pagada, aunque tiene una versión gratuita limitada y un GPT dentro de ChatGPT con más de 17 millones de conversaciones. Su objetivo es responder una pregunta usando papers con revisión de pares, y muestra qué estudio respalda cada afirmación. Jonathan no sabe con qué criterio elige los papers, así que recomienda revisarlos siempre.

Yo creo que más que confiar en cuál es su criterio, siempre la invitación acá es revisar los papers que trae.

Jonathan Vásquez, profesor de la Universidad de Valparaíso

Sobre la relevancia, Jonathan aclara que el paper más reciente muestra la frontera del conocimiento, pero no es necesariamente el más relevante: «Attention Is All You Need» no es nuevo y es clave para entender los LLM. En la academia se usa la cantidad de citas como indicador. En una demostración sobre modelos para contar personas en la calle, Consensus mostró las keywords que usó, armó una tabla con enfoques como YOLO y, ante una pregunta sobre gasolineras, encontró estudios de estacionamientos que podían servir.

Semantic Scholar, Asta y Elicit para buscar papers gratis

AI2 es una fundación que crea aplicaciones gratuitas para la comunidad. Semantic Scholar funciona como una base de datos conectada a muchos publishers, como ACM. Asta busca los papers que podrían responder tu pregunta, les asigna un nivel de relevancia y genera reportes con estructura académica: introducción, pregunta de investigación, metodología y brechas en la literatura. La bibliografía se descarga en formato .bib, útil para quienes trabajan con LaTeX. AI2 también tiene una herramienta que encuentra hipótesis en una base de datos y las testea, aunque Jonathan insiste en que el humano debe interpretar los resultados.

Para Jonathan, Consensus tiene un enfoque más cercano a la industria, mientras que Asta es más científico. Elicit (elicit.com) es pagado, pero revisar si tu pregunta está bien planteada es gratis, así que se puede usar para refinarla y luego llevarla a una herramienta gratuita.

Jonathan agrega que, cuando una empresa trabaja con una universidad, la revisión de lo que ya existe es el paso inicial: evita partir desde cero y ayuda a responder si algo es factible.

SciSpace: extraer información de muchos papers a la vez

SciSpace es pagado, con planes que, según Jonathan, parten en unos 10 dólares. Está en varios idiomas e incluye notas, biblioteca y chat con PDF. En su revisión de literatura sugiere una mejor versión de la pregunta y ofrece modos estándar, high quality y deep review. Su ventaja es una tabla en la que cada columna extrae un dato de cada paper: resultados, metodología o investigación futura, donde suelen aparecer los gaps de la literatura. Además, permite conversar con un paper en el idioma que elijas.

Litmaps, ResearchRabbit y los límites de ChatGPT

Litmaps muestra de forma visual con qué papers se conecta uno que te interesa, hacia adelante o hacia atrás en las citas. En el gráfico, los más recientes aparecen a la derecha y se distinguen según cuántas citas tienen. ResearchRabbit es una alternativa gratuita. Jonathan los usa al final, cuando ya tiene sus papers afinados, para descubrir qué no vio en el camino.

¿Por qué no hacer todo con ChatGPT o Gemini? Según Jonathan, sus funciones de deep research no aseguran que las fuentes sean solo académicas y pueden usar blogs o Wikipedia. Estas herramientas, en cambio, solo acceden a bases de datos académicas.

Le estamos dedicando menos tiempo a la investigación literaria, que era como una cuestión más mecánica de las keywords, ir a buscar de aquí para allá, y más tiempo a la crítica.

Jonathan Vásquez, profesor de la Universidad de Valparaíso

Preguntas frecuentes

¿Qué es Consensus y para qué sirve?

Es una aplicación que responde preguntas usando papers académicos con revisión de pares y muestra en qué estudios se basa cada afirmación. Tiene una versión gratuita limitada y un GPT disponible en ChatGPT.

¿Qué herramientas gratuitas existen para buscar papers con IA?

Jonathan menciona Semantic Scholar y Asta, ambas de AI2, y ResearchRabbit para explorar conexiones entre papers. Elicit es pagado, pero permite revisar gratis si una pregunta de investigación está bien planteada.

¿Por qué no usar ChatGPT para buscar papers académicos?

Porque ChatGPT busca en toda la web y puede traer blogs o Wikipedia. Herramientas como Consensus o Asta solo acceden a bases de datos académicas.

¿Cómo saber si un paper es relevante?

Según Jonathan, el más reciente no siempre es el más relevante. La cantidad de citas es un indicador usado en la academia, al igual que lo que se ha construido a partir de ese paper.

Descripción

La forma de investigar cambió para siempre. En este episodio analizamos cómo la inteligencia artificial está transformando la búsqueda de información, pasando de keywords tradicionales a preguntas estratégicas que permiten acceder a conocimiento más profundo y confiable.

Revisamos herramientas como Consensus, Semantic Scholar y otras soluciones que permiten trabajar directamente con papers académicos, evitando errores comunes como confiar en fuentes poco fiables o contenido no validado. Además, exploramos cómo empresas y profesionales pueden usar estas herramientas para innovar, validar ideas y acelerar procesos de investigación.

Hoy: investigar mejor significa decidir mejor. Y quienes entiendan esto primero, van a tener ventaja competitiva real.

Un capítulo clave para profesionales y empresas que buscan tomar mejores decisiones en un entorno donde la información cambia constantemente.

Si quieres profundizar y aplicar esto en tu negocio, te invitamos a ser parte de nuestra comunidad en Skool, donde compartimos flujos accionables, talleres prácticos y sesiones en directo para implementar IA paso a paso.👉www.evoacademy.cl/comunidad 

⭐ Recuerda evaluarnos con 5 estrellas ⭐ así nos ayudas a llegar a más personas y seguir compartiendo conocimiento sobre IA y tecnología aplicada a los negocios.

—

📲 Síguenos en nuestras redes:

@evoacdm

https://www.instagram.com/evoacdm/

⁠⁠⁠⁠https://www.linkedin.com/company/evoacmd/⁠⁠⁠⁠

Host: Ignacio Alarcón

Invitado: Jonathan Vásquez

Transcript

Este transcript fue generado automáticamente por lo que podría contener errores

Ver transcript detallado

0:00 Ignacio Alarcón: Cuando estamos investigando temas complejos, uno siempre tiene la tendencia a ir a buscar a Google u otras herramientas. Pero, ¿puede la inteligencia artificial ayudarnos a encontrar fuentes relevantes de manera más fácil? Hoy día nos acompaña Jonathan Vásquez, profesor de la Universidad de Valparaíso y doctorado de la Universidad de George Mason, que nos muestra algunas herramientas que nos permiten hacer este trabajo más fácil. Bueno, Jonathan, muchas gracias por acompañarnos el día de hoy y Por favor cuéntanos cómo uno hace para pasar de la barra de búsqueda a la inteligencia artificial.

0:32 Jonathan Vásquez: La tarea no es fácil porque implica aprender nuevas habilidades que antes no las teníamos porque ya estábamos acostumbrados a identificar palabras claves y a través de esas palabras claves ir buscando, ¿no? Entonces como que esa es una habilidad que habíamos adquirido, que era algo nuevo que Google nos obligó a hacerlo.

0:49 Ignacio Alarcón: Claro, aprender a googlear, que en su época era—

0:51 Jonathan Vásquez: Exactamente, aprender a googlear.

0:53 Ignacio Alarcón: Que en su época era una habilidad importante, había gente que no encontraba las cosas y uno no, es que— Tenés que saber buscar, ¿cierto?

0:58 Jonathan Vásquez: Sí, había que saber buscar. La típica era como, no, no lo encontré. No, no, tú no sabías buscar.

1:03 Ignacio Alarcón: Exactamente. Que después fue toda una disciplina de marketing del SEO y todas esas cosas, digamos.

1:07 Jonathan Vásquez: Verdad, porque creo que toda una disciplina del SEO y que ahora hoy día, bueno, se está discutiendo en ChatGPT, pero bueno, el punto es que esa habilidad ahora se complementa con otras. Perfecto. El hecho de empezar a buscar no es necesariamente solo saber utilizar la keywords, Sino yo creo que se agrega una nueva, es saber utilizar, saber hacer la pregunta correcta. Ok, no es solamente a través de keywords, sino ahora a través de las preguntas y claramente las herramientas correctas también. Porque me imagino que muchos estudiantes o cualquier persona, no solamente términos de investigación, cuando uno quiere empezar a investigar empieza a buscar en Google y eso te lleva a cualquier página que muchas veces no es confiable o la información que entrega no es la correcta. Claro, y la que usan mucha, o de nuevo como estudiante, o una fuente que sí puede ser confiable es Google Scholar, que te conecta con bases de datos que son académicas, o eventualmente conectarte directamente a bases de datos académicas a través de que pagan empresas o pagan organizaciones que hacen investigación.

2:08 Ignacio Alarcón: Claro, eso te voy a preguntar, porque mucha gente cuando habla de todos estos temas de los papers o cosas, cuando usa por ejemplo ChatGPT para buscar, la típica pregunta que me hacen es uno, puede entrar a páginas que te piden login y dos, y más importante, puede entrar a páginas que usualmente uno tiene que pagar. Entonces esa es como la típica pregunta ahí de la gente de oye, ¿cómo hago para entrar a estas páginas donde uno tiene que pagar? Con ChatGPT, digamos.

2:29 Jonathan Vásquez: Usando inteligencia artificial. Esa es la respuesta. De verdad, usando inteligencia artificial y qué tipo de inteligencia artificial, aquellas que sí tienen ese acceso. Perfecto. Y voy a partir con una en… Porque la mayoría de lo que usa la gente es ChatGPT, ¿no? Sí, sí. Y uno puede ser, por ejemplo, preguntar de cuáles son los mejores papers de inteligencia artificial y esa búsqueda la va a hacer en un buscador pero no necesariamente va a ir a buscar a bases de datos donde hay papers que son certificados, que ya han sido revisados, lo que le llamamos nosotros en la academia el peer review o lo que los profesores, tanto en los colegios como en la universidad, o profesoras le piden a sus estudiantes, pues tráeme fuentes confiables, no vayas a Wikipedia, por ejemplo.

3:10 Ignacio Alarcón: Claro, no solamente eso, la otra vez estaba en clases y alguien había buscado por un tema en particular y le— oye, me trajo todas estas fuentes y qué sé yo, cuando uno iba a buscar eran posts de Facebook y tú buscabas y solamente existían en Facebook y era como oye, esto no tiene pinta de confiable, digamos. Pero muchas veces la gente no hace esa revisión, digamos, oye, va, súper, la inteligencia artificial me lo dio, así que asumo que está bueno.

3:31 Jonathan Vásquez: Entonces una de las primeras aplicaciones que salió para solucionar ese problema se llama Consensus, que es consensus.app, lamentablemente es pagada Tiene una versión gratuita que tú puedes utilizar, pero en ChatGPT tiene una versión que tiene su versión de GPTs. Ok, eso qué quiere decir, que es como una versión tipo ChatGPT pero está conectada a Consensus para responderte utilizando bases de datos académicas.

3:58 Ignacio Alarcón: Y solamente por si sabes, porque quizás no tiene la respuesta, pero ese es un, como un agente, digamos, incluso GPT que está conectado por API al sistema, o es una versión más limitada básicamente que disponibilizan.

4:10 Jonathan Vásquez: Ellos la conectan por API. Ah, perfecto. Me imagino que ellos se conectan a sus aplicaciones, claro, habrán creado alguna API o eventualmente la conectan a las bases de datos que ellos tienen. Pero mi impresión, por cómo veo y cómo interactúa esto, ellos se conectan a las APIs que ellos tienen. Ya, entonces lo voy a mostrar por acá, por ChatGPT, después lo podemos comparar en cómo hacerlo por Consensus, que es súper limitado cuando es gratuito, pero igual es bueno para que lo vean. Entonces vamos a ir a los GPTs y vamos a buscar El GPT Consensus, todos con S, Consensus.

4:43 Ignacio Alarcón: Claro, excepto la primera.

4:45 Jonathan Vásquez: ¿Dónde la primera también es con S?

4:46 Ignacio Alarcón: No, la C de con— ah, ya, vale.

4:51 Jonathan Vásquez: Ok, sí, es esa y de hecho mira, pueden ver que ya tiene más de 17 millones de conversaciones, o sea, se utiliza bastante.

4:57 Ignacio Alarcón: Poquito.

4:58 Jonathan Vásquez: Tiene poquitas conversaciones y tú le haces una pregunta y te da la respuesta basada en artículos académicos. O sea, si tú le quieres preguntar, no sé po', si yo bajo los impuestos aumenta el crecimiento de un país, le puedes preguntar a Consensus a través de papers.

5:14 Ignacio Alarcón: Perfecto, y ahí una duda, o si de nuevo es elige por prioridad de lo que el modelo estima que es más relevante o filtra por fecha o cuál es el criterio más o menos general, ¿cómo sabe?

5:25 Jonathan Vásquez: Es una buena pregunta y yo creo que más que— esta es un poco mi invitación. Yo creo que más que confiar en cuál es su criterio Siempre la invitación acá es revisar los papers que trae. Lo que uno te puedo asegurar es que son papers académicos y que generalmente tienen peer review, o sea, ya pasaron por un proceso de revisión de certificar que esto es legal, por así decirlo, o está bien hecho. Pero de ahí a escoger cuál es más relevante, cuál es el paper que finalmente decide mostrarte y con cuál basarse, no lo manejo el día de hoy. Entonces, o quizás tampoco lo revisaron o no encontraron dónde está.

6:05 Ignacio Alarcón: Entonces te hago—

6:06 Jonathan Vásquez: independiente de cuál exista, siempre igual tienes que revisarlo.

6:09 Ignacio Alarcón: No, claro, pero entonces te hago otra pregunta tú como investigador, ¿cierto? Cuando uno investiga papers, ¿es el último el más relevante o no necesariamente?

6:19 Jonathan Vásquez: No necesariamente, y ahí te voy a dar un ejemplo. Por ejemplo, el paper Attention Is All You Need no es el último pero es súper relevante pa' la academia po', o sea, es un paper de que si tú quieres saber de cómo funciona el LLM el que tienes que leer. Claro, entonces, pero sí, sí, lo que te entrega el último es qué es lo que se está haciendo, te dice en la frontera del conocimiento dónde está hoy día. Entonces, mientras más actual es, el más está más relacionado a cuál es el avance que está hoy día, el estado actual de la, el estado de arte que se le llama. Pero la relevancia yo creo que va en otros aspectos, como paper que más personas lo han comentado y han dicho que sí, si es que hace sentido. Y nosotros en la academia lo utilizamos a través Que también nos temona a través de la cantidad de citas que tiene. Es un indicador que podría funcionar porque refleja que más personas lo han leído, por tanto han creído en lo que muestra y en lo que de ahí se reporta y es una forma de evaluar la relevancia. Pero yo creo que la relevancia también va en— hay otra forma de evaluarlo como qué cosas se han generado desde ese paper. Claro. El Attention Is All You Need. Un paper que hoy día de ahí salió GPT, de ahí fue, digamos que no se creó por el Attention Is All You Need pero creó como la idea original desde su inicio.

7:35 Ignacio Alarcón: Claro, entonces en base a lo que yo estoy investigando va a depender la relevancia, ¿cierto?

7:39 Jonathan Vásquez: Sí, y generalmente si es que los profesores, bueno, si tú eres estudiante y estás escuchando esto, generalmente trata de buscar qué es lo que te dice tu profesor y generalmente los criterios son como utiliza papers que no sean más allá de 5 años porque lo que está buscando es lo más actual, utiliza revistas que hayan sido certificadas y Consensus hace eso, y hace ese filtro, es decir, filtro de utilizar revistas que han sido certificadas.

8:05 Ignacio Alarcón: ¿Podemos buscar algo entonces para el que use la herramienta?

8:07 Jonathan Vásquez: O sea, por ejemplo, yo tengo una pregunta que podría ser interesante que es la de cuál es el impacto de la inteligencia artificial en la educación, por ejemplo. Quiero saber cuál es el impacto de la inteligencia artificial en la educación.

8:24 Ignacio Alarcón: Claro, entonces entiendo bien lo que va a hacer esto es que va a buscar papers que hablen de este tema de alguna u otra manera, ¿cierto?

8:30 Jonathan Vásquez: Sí, aquí este no es tan abierto. Hay otra aplicación que vamos a hacer, que vamos a hacer algo muy parecido, pero que sí es más abierta en el sentido, o transparente la palabra, en cuáles las keywords que utiliza, cómo tradujo tu pregunta a hacer las búsquedas, o cómo lo interpretó. Ok, perfecto, perfecto. Entonces ya aquí lo que hizo es que fue a buscar papers que hablan sobre esto, ok, hizo búsqueda de distintos papers y me dio la respuesta al respecto de esto. Dice, el impacto de la inteligencia artificial en la educación es amplio y está transformando cómo se enseña y se aprende. La evidencia científica muestra tanto beneficios importantes como desafíos. Muy académico, ¿no? Es como depende, muy académico, no se centra Y lo interesante es que te muestra los papers. Entonces te dice, mira, la IA permite aprendizaje personalizado. ¿Quién lo dice? Barmaierol 2023 y Fedorchenko del 2025. Y yo puedo hacer clic para ir a ver esos papers. De ahí me muestra el paper y me dice de qué se trata, si lo quiero puedo ir a ver el PDF y puedo hacer que— aquí un poco la invitación es como no te quedes con lo que te está diciendo la IA porque fíjense que este es un insight, esto es como Esto es lo que dice la academia, esta es una idea, es un hallazgo que yo hice de la revisión literaria y yo lo sustento a través de estos 2 papers.

9:51 Ignacio Alarcón: Es que estaba pensando porque me hace pensar en varios papers, en la universidad siempre te hacen leer papers de cosas relacionadas, digamos, pero eventualmente hay un paper que te hace como preguntas, así como oye, ¿es la educación afectada por la IA? Pero al final la respuesta es como no o es sí, entonces muchas veces el título no te dice suficiente como para que tú lo puedas usar, leerlo es como obligatorio porque la conclusión A veces es completamente aparte el título, digamos.

10:14 Jonathan Vásquez: Ahora, acá ocurre un segundo aspecto porque fíjate que me está hablando de educación pero alguien que debería dar una segunda vuelta a esto es ya, pero ¿en qué nivel?

10:25 Ignacio Alarcón: Claro.

10:26 Jonathan Vásquez: ¿Estamos hablando a nivel escolar, a nivel universitario o estamos hablando preescolar?

10:34 Ignacio Alarcón: Aprendizaje general, idiomas, habilidades.

10:35 Jonathan Vásquez: Sí, entonces probablemente la búsqueda también puede ser muy amplia. Claro, porque ojo, que nosotros no teníamos tanto el control ahora acá de qué es lo que estamos buscando y el filtro de cuál es el artículo que queremos utilizar. Pero si nosotros podemos tener un control de dirigir esa búsqueda y dirigir de cuál es el paper que puede escoger, por eso la pregunta tiene que ser cada vez más afinada. Entonces acá, fíjate que ahora cambiamos la habilidad de escoger los keywords, porque si yo hubiese ido a Google Scholar hubiese puesto inteligencia artificial impacto educación. Claro, después educación media, preparar, o educación superior. Pero acá yo le hago una pregunta en donde la tengo que ir afinando cada vez más. Es la pregunta lo que afino, no las keywords.

11:16 Ignacio Alarcón: Ok, sí, sí entiendo.

11:17 Jonathan Vásquez: Son habilidades creo que son distintas.

11:19 Ignacio Alarcón: Claro, entonces déjame hacerte una pregunta y si me puedes ayudar a buscar a ver qué es lo que nos entrega la IA, y después me ayudas a refinar mi intento de prompt. Ya, digamos que yo soy una empresa que quiere hacer un modelo de visión, ya, no, de modelo de visión yo quiero eventualmente reconocer personas o contar personas o algo con una cámara en un dron o en una cámara que está arriba de un edificio, ¿ya? Entonces lo que yo buscaría si esto fuera Google, ¿cierto? Sería como paper computer vision, eso. No sé mucho más qué le podría preguntar.

11:48 Jonathan Vásquez: Sí, pero sería súper amplio.

11:50 Ignacio Alarcón: Claro, pero entonces, ¿cómo lo buscarías? ¿Habría que limitarlo en el caso de uso, por ejemplo?

11:55 Jonathan Vásquez: Sí, yo te haría la pregunta, es de hecho por ahí va, empezá a limitarlo en otras dimensiones como por ejemplo en industrias probablemente. Caso de uso en particular y qué quieres saber. ¿Quieres saber si ha sido un éxito o no? ¿Cuál ha sido el impacto? Si quieres saber qué investigaciones se han hecho, tienes que— porque claro, quiero asegurar, es muy amplio, tienes que empezar a afinar la pregunta de investigación al contexto. No, hagamos un ejemplo, hagamos un ejemplo acá. Entonces yo me voy, porque juego con Consensus, ya, esto es súper importante, a diferencia de otra herramienta Consensus trata de responderte una pregunta utilizando base de datos académica. No trata de decir anda a buscar papers de esto, que es distinto.

12:39 Ignacio Alarcón: Ya, ok, te entiendo. Entonces lo que hace es responder mi pregunta, no decirme por si acaso si quieres investigar estos temas, estos son los papers.

12:44 Jonathan Vásquez: No, no te va a decir eso, te va a decir mira, de hecho vamos a hacer el mismo ejercicio pero ahora yo lo voy a hacer en Consensus mismo.

12:50 Ignacio Alarcón: Perfecto.

12:50 Jonathan Vásquez: Acá está Consensus que es muy parecido como si fuera un chat Pero básicamente es comienza acá tu investigación haciendo la pregunta. Entonces tú querías, tú quieres saber…

13:01 Ignacio Alarcón: Sobre modelos de visión. Pensemos en un modelo de visión que sea capaz de contar la cantidad de gente que está pasando por la calle.

13:10 Jonathan Vásquez: De visión más usados, por decir algo, por ejemplo, para contar personas que pasan por la calle.

13:20 Ignacio Alarcón: Claro, que podría ser un uso bien común de marketing, digamos.

13:23 Jonathan Vásquez: Ya, entonces ahí lo que está haciendo está empezando a buscar la investigación, muy parecida así como Deep Research.

13:28 Ignacio Alarcón: Ok, perfecto.

13:28 Jonathan Vásquez: Que lo hemos utilizado acá nosotros en el mismo podcast, capítulos anteriores, pero la gracia de esto es que son a través de paper.

13:37 Ignacio Alarcón: Ok, perfecto.

13:38 Jonathan Vásquez: Acá me está indicando el paso a paso, no sé si se mostró en el paso, por eso esto se ve, gente. Entonces también te dice cuáles son las keywords que identificó para ir a buscar y sobre eso va tomando la decisión de ida y vuelta de cuáles son los papers que mejor responderían a esta pregunta que me está pidiendo.

13:52 Ignacio Alarcón: Perfecto, interesante ahí lo que le agrega porque habla como contar personas dentro de una multitud, otras palabras como pedestrian que son muy específicas para personas que están en la calle, ¿cierto?

14:01 Jonathan Vásquez: Exacto, entonces acá me muestra cuáles son todos los papers que trajo, entonces básicamente acá yo puedo ir a revisar ese paper incluso si es bueno o no, si me gusta. Y acá a la izquierda me da la respuesta a mi pregunta. Perfecto. Entonces me dice estos son los papers que más se han utilizado. YOLO, yo te escuché hablar de YOLO de repente.

14:19 Ignacio Alarcón: Y YOLO es un modelo que se usa mucho para, o que de hecho hemos traído de repente empresas que nos hablan de su proyecto, y los que nos han podido decir, algunos dicen, no nos pueden decir qué modelo usan, los que no han podido hablar de eso generalmente usan YOLO para empezar, por lo menos, ya, porque es el estándar de la industria a estas alturas cuando uno está partiendo con modelos, digamos, que son más abiertos.

14:41 Jonathan Vásquez: Claro, entonces aquí me muestra el enfoque y los modelos. Es lo típico. La ventaja, me hizo una tabla.

14:47 Ignacio Alarcón: Ya, perfecto.

14:48 Jonathan Vásquez: Y me da las citas de los papers donde se ha usado eso. Yo lo voy a ir a verificar, me ayuda un poco. Es como, yo lo veo así, es como si yo tuviera un ayudante de investigación y yo le digo, sabes qué, quiero averiguar sobre papers o qué es lo que se ha hecho respecto a esto, tráeme papers o casos de uso. Como esa lógica. Entonces ahora yo tengo que ser capaz de ir identificando acá. ¿Y cuál debería ser el paso siguiente entonces? Ahora que ya tengo estos artículos, bueno, leer esto, ver aquellos que han sido más utilizados en un caso particular, por ejemplo. Oye, ¿existirá esto mismo algún caso, no sé, bencineras, por ejemplo, donde yo quiero contar la cantidad de autos que pasan por fuera de la bencinera o estimar la demanda, por ejemplo?

15:30 Ignacio Alarcón: Entiendo.

15:31 Jonathan Vásquez: Entonces podemos incluso hacer un follow-up, una pregunta de follow-up bajo esta misma, bajo la pregunta que ya tenemos acá, para ir afinándola o Volver a construir nuevamente la pregunta en otra query. Hagamos el ejemplo acá de ahora, mira, sabes que en realidad ahora que leí esto y supongamos que para no alargar esto, supongamos que quiero ahora verlo a este caso de uso en particular, estoy afinando la pregunta, entonces, ¿qué ejemplos existen o gasolineras? Yo creo que iba a ser.

15:57 Ignacio Alarcón: Porque por ejemplo con el tema del computer vision la pregunta usual cuando uno empieza a hacer el caso de uso que siempre llegas como oye, tengo el modelo perfecto, funciona perfecto pero no entra en este dispositivo que yo tengo, ¿cierto? Quiero poner cámaras arriba del edificio, el modelo es demasiado pesado, no va a correr. Entonces uno empieza a hacer la iteración de bueno, ¿cuál es el mejor suficientemente liviano para poder hacer esto? Y usualmente, bueno, cuando uno está viendo esto a nivel corporativo siempre tienen que empezar a hacer los ajustes de bueno, este es mi presupuesto, esto es lo que puedo hacer, ¿cierto? Exacto. No sé, por ejemplo, tengo drones, bueno, este es el modelo de dron que puedo conseguir, ¿qué es lo mejor que puedo hacer? Y si es que lo puede hacer, genial, si no Ok, ¿cómo acoto mi caso de uso para que todavía me funcione?

16:35 Jonathan Vásquez: Esa acotación va bajo dos cosas: el dominio del experto, que tú estás aplicando acá dominio de experto, claro, pero también va en la lógica ahora de leer esto.

16:45 Ignacio Alarcón: Sí, claro.

16:46 Jonathan Vásquez: Aquí nosotros nos estamos saltando el espacio de ir a hacer clic, leer el paper, leer las partes que sean más importantes e ir capturándolas. Es que este artículo interesante, esto ahora me llamó la atención de Creo que tengo que afinar así la pregunta. Acá encontramos, dice que de los ejemplos que están no muchos de ellos son específicos en gasolineras.

17:07 Ignacio Alarcón: Igual fuiste bien específico, ni siquiera fue contar autos, fue específicamente—

17:10 Jonathan Vásquez: Específico en gasolineras, pero de todas maneras hizo búsquedas relacionadas con eso. Perfecto. Ahora, acá Consensus la lógica que tiene es para lo que estamos haciendo ahora, afinar la pregunta.

17:21 Ignacio Alarcón: Claro, entiendo.

17:23 Jonathan Vásquez: Ese es el enfoque principal de una primera etapa es si no entiendo por dónde ir, bueno, usa Consensus para identificar y que te ayuda a traer cuáles son los artículos importantes y no te pierdas tú buscando las keywords. Totalmente puede que no tengas el dominio de la disciplina para identificar cuáles son las keywords más importantes.

17:41 Ignacio Alarcón: No, claro.

17:42 Jonathan Vásquez: Entonces te ayuda un poco en esa etapa para traerte los papers y tú vas identificando y vas afinando en la pregunta que quieres hacer en base a lo que estás investigando.

17:50 Ignacio Alarcón: Claro, o sea, es que es súper interesante porque, por ejemplo, acá mencionó y dice, oye, No tengo, este paper no es específico de gasolineras pero es de estacionamientos y técnicamente deberían funcionar igual según tu necesidad porque después te da otros que son estáticos asumiendo que tu necesidad es otra pero claro, a uno no se le ocurriría, probablemente si busca en Google te va a decir no hay ejemplos específicos de, para contar autos que pasan cerca de gasolineras. Entonces acá te da la capacidad de decirte oye, tenemos algo ligeramente parecido que probablemente te va a servir.

18:16 Jonathan Vásquez: Entonces eso yo encuentro que es una muy buena herramienta para iniciar. Ahora, el problema que tiene con eso es es pagado. Sí, bueno, ahora nosotros nos dio cierta forma, nos dio un espacio gratuito, nos dio ciertas preguntas, pero hay una versión que es gratuita y es una competencia y que hoy día está generando bastante buenos resultados, muy parecida a Consensus, y que es gratuita.

18:40 Ignacio Alarcón: Perfecto.

18:40 Jonathan Vásquez: De hecho, de una fundación, es de la Fundación AI2. Perfecto. AI2 es una fundación que se dedica a utilizar o generar modelos y generar aplicaciones que utilizan modelos open, open source, pero aplicaciones también que sean gratuitos para la comunidad. Y han generado varias aplicaciones, entre ellos está Semantic Scholar, que también es algo muy parecido a lo que vimos acá, pero es más pensado como una base de datos donde tú ahí, si tú buscas a través de keywords, pero está conectado a muchas bases de datos, a muchos publishers. De hecho, les voy a mostrar rápidamente cuáles son los publishers que tienen conectados. Son todos estos.

19:16 Ignacio Alarcón: Ah, wow, súper.

19:21 Jonathan Vásquez: Eso al menos para mí eso es reconocido. Está ACM, también es reconocido dentro de la parte de computer science. Ahí ya cada uno tiene que empezar a ver en cuál de estos está más relacionado con su ciencia o con su disciplina.

19:35 Ignacio Alarcón: Eso te iba a decir, estaba viendo que había mucha ciencia metida, no solamente ciencias de la computación sino papers de todo, ¿cierto? Que OpenAI ha salido muchas veces diciendo, oye, hay gente que está usando estos modelos para encontrar como avances en física o en biología, ¿cierto?

19:48 Jonathan Vásquez: Exacto. Ya, perfecto. Entonces ellos qué hacen y ahora último están sacando varias soluciones interesantes. Ya hay uno que le llaman AI for Science, que es como unos proyectos que ellos tienen y generan soluciones para facilitar o más que facilitar complementar tu investigación. Y voy primero por Asta. Asta es un proyecto que trata de empezar a hacer también investigación literaria una vez que ya tienes más afinada la pregunta, pero para empezar a traerte los papers que tú necesitas finalmente. A diferencia de lo que hacía Consensus que trataba de responderte la pregunta, acá tú le haces una pregunta y te dicen toma, estos son los artículos que creo que te podrían responder tu pregunta. Y hay una tercera que hoy día no la vamos a ver que es sobre análisis de datos. Yo llamo a la gente que utilice esa versión de análisis de datos, esto se lo voy a mostrar a un amigo que es economista, así que déjenle ahí comentarios si quieren que esto lo mostremos y básicamente tú le pasas una base de datos y encuentra hipótesis de relaciones entre variables.

20:49 Ignacio Alarcón: ¿Usando papers de referencia como…?

20:51 Jonathan Vásquez: No, usando la base de datos que tú le entregas.

20:53 Ignacio Alarcón: Ya, okey, o sea, es parte analítico, full analítico.

20:55 Jonathan Vásquez: Es full analítico y hace análisis de… Pero lo interesante es que encuentra cuáles son las hipótesis y hace testeo de esa hipótesis.

21:01 Ignacio Alarcón: Ah, wow, okey.

21:02 Jonathan Vásquez: Entonces la gracia de esto es porque eso es otra habilidad que hacemos nosotros los investigadores, identificar las relaciones, porque de repente hay muchas variables que son gigantes o bases de datos que son gigantes y de repente tú no encuentras las relaciones de patrones que no son tan visibles a la vista.

21:17 Ignacio Alarcón: Claro, no es obvia. Cuando empezamos a hablar de archivos gigantes de miles y millones de filas y columnas, digamos.

21:24 Jonathan Vásquez: Sí, esto se lo pasé a un amigo economista que hace bastante de eso y su comentario inicial dijo que encuentra hartas correlaciones, encuentra igual hipótesis que son interesantes pero que sin embargo todavía le falta como afinar en la calidad de las hipótesis que empieza a identificar. Pero que sí o sí quedó impresionado, dijo igual ya me llamó, me asustó un poco, me dijo así como me asustó un poco. Pero insisto, que nosotros le hemos llamado, hemos hablado muchas veces acá, todavía tiene que estar el humano dentro del proceso. Usar el criterio de si esto es correcto o no, si funciona o no.

21:55 Ignacio Alarcón: Claro, separar causalidad y casualidad y todas esas cosas.

21:57 Jonathan Vásquez: Exacto, entonces el humano que finalmente hace la interpretación de los resultados que entregó el IA.

22:02 Locutor: Aprender de inteligencia artificial puede ser muy difícil y más aún si lo haces solo, por eso hemos creado un espacio para que puedas compartir con otros, hacer y resolver dudas y poder acceder a material exclusivo que iremos actualizando continuamente. Únete ahora a nuestra comunidad y aprende con nosotros en evoacademy.cl/comunidad o en el link que podrás encontrar en la descripción de este podcast.

22:26 Jonathan Vásquez: Y volvamos a eso, entonces insisto, coméntenos ahí a ver si quieren que mostremos. Entonces yo voy a encontrar acá, hay dos, está el find papers y está el de generar un reporte. Voy a pedir primero con el find papers, que es como decir cuáles son los papers de los cuales tú estabas buscando, que es como lo que tú me dijiste. Por ejemplo, la pregunta que tú me hiciste inicialmente quería buscar más papers que respondieran a una pregunta.

22:46 Ignacio Alarcón: Claro.

22:46 Jonathan Vásquez: Ya, entonces el find papers es para eso. Hagamos lo que la pregunta que tú me dijiste en un principio.

22:52 Ignacio Alarcón: Y ahí lo usaste en español, eso cero drama con eso.

22:54 Jonathan Vásquez: Sí, sí, después lo hace la traducción, lo identifica, te va mostrando su paso a paso. Ok, perfecto. Por ejemplo, de hecho, analizando tu request, analizando el usuario del intento, y me dice buscando por esto. A veces de hecho me ha pasado que dice mejorar la pregunta, aprende a hacer preguntas, me dice, pregunta mejor, por Por favor. Entonces sí, de repente hay un proceso que dice de afinar más la pregunta para poder encontrar los artículos correctamente. Eso te lo pide a ti, así como por favor expande, o el modelo trata de identificar que tiene que mejorar tu pregunta, entonces decide hacer esa identificación de pregunta y después va con los pasos siguientes.

23:36 Ignacio Alarcón: Ok, ya.

23:37 Jonathan Vásquez: Entonces aquí está, encontró cuáles son los artículos que están más relacionadas con esa pregunta.

23:44 Ignacio Alarcón: Ok, perfecto.

23:44 Jonathan Vásquez: Entonces el enfoque es distinto, ya el enfoque acá está más relacionado de entregarte los artículos para que tú ahora lo sigas investigando. Ok, entonces esto sí es un cambio fuerte de la consola de búsqueda o la barrita de búsqueda a cambiar una, a una pregunta, y quizá la IA que identifique cuáles son las mejores keywords. Claro, para hacer esa investigación nuevamente en la base de datos de los publishers que mostré antes.

24:07 Ignacio Alarcón: Ya, son varios publishers que habían.

24:09 Jonathan Vásquez: De aquí tú puedes empezar a seleccionar este paper, nuevamente puedes hacer clic en los y te va a llevar a Semantic Scholar, que es donde estaba anteriormente el otro paper, porque se va a sacapo. Entonces acá está el Semantic Scholar, puedes revisar el paper, a veces el PDF está disponible o no. Y de hecho Semantic Scholar también tiene integrado inteligencia artificial entremedio, pero esto lo voy a dejar para otro punto porque esto es para otra etapa, el Semantic Scholar. Pero básicamente nuevamente me muestra cuál es el paper. Otra cosa que también hace es que hace una evaluación que todavía no sé cuál es de qué tan relevante es el paper a tu pregunta. Entonces, por ejemplo, acá dice la relevancia, dice perfectly relevant.

24:51 Ignacio Alarcón: Ah, guau.

24:52 Jonathan Vásquez: Entonces hace como un cálculo, mira, pa' esta pregunta yo creo que este paper es muy bueno y pa'l final deja los que son menos relevantes.

24:58 Ignacio Alarcón: Claro.

24:59 Jonathan Vásquez: Por ejemplo, este es relevante nomás, este es 0.81. No me he metido cómo hace ese cálculo pero lo que sí me ha pasado es que es efectivo. Por ejemplo, encuentra algún artículo que es lo que dices tú, por ejemplo sé que no lo encontré en la gasolinera pero lo encontré en estacionamiento. Entonces eso es más relevante que perfectamente relevante.

25:19 Ignacio Alarcón: Perfecto, entonces interesante porque por ejemplo este que dice relevante es cómo contar personas en multitudes extremadamente densas, que suena muy relevante pero si le das al primero, por favor sube, es como benchmark de data para métodos para contar personas.

25:33 Jonathan Vásquez: Qué porreal. Es cierto, es como— Qué porreal, sí, exactamente lo que yo estaba dibujando.

25:38 Ignacio Alarcón: Entonces es como súper chistoso que claro, efectivamente los que son relevantes son— sí, es básicamente lo que le pedí, pero lo súper relevante es como exactamente alguien estudió justo lo que tú querías.

25:48 Jonathan Vásquez: Entonces aquí igual lo interesante es como tener un asistente de investigación. Yo me acuerdo que yo partí trabajando como ayudante de investigación y una de las cosas que me pedían mis profesores por ahí en los años 2010, parece que era, era que yo les trajera papers de este tema. Perfecto. Y le tenía que también resumir cuál encontraba que el paper era más relevante o no. Ya no vamos a necesitar, yo no estoy metido para eso.

26:13 Ignacio Alarcón: Oye, tengo una duda porque sé que hay empresas que tienen como asociaciones con universidades para todo el tema de investigación de temas que son relevantes para ellos. En ese proceso también se hace básicamente una investigación por este lado o son desarrollos específicos que tiene que hacer la universidad o investigaciones propias.

26:29 Jonathan Vásquez: ¿Cómo así?

26:30 Ignacio Alarcón: Quiero decir con esto, por ejemplo, yo soy una empresa que vende, no sé, dulces, por ejemplo, ya. Entonces yo hago una asociación con una universidad y le digo, oye, yo te voy a pasar datos, a cambio yo quiero investigaciones. Ese es mi entendimiento básico de cómo funciona, tú puedes corregir si estoy equivocado, ¿cierto? Dentro de ese proceso, ¿existe un proceso de investigación para saber lo que ya existe para poder partir de algo?

26:51 Jonathan Vásquez: Sí.

26:52 Ignacio Alarcón: Ya, perfecto.

26:53 Jonathan Vásquez: Sí, al menos la experiencia mía y experiencia de colega, esto es lo inicial. Entonces, porque muchas veces la empresa viene y te dice, no, es que quiero crearlo desde cero. Y es como, ¿para qué crear desde cero si ya existe? Mira, acá está la investigación.

27:07 Ignacio Alarcón: Claro, o por último ya existe algo que te dice por qué camino ir o qué camino ya no sirve o cualquier cosa, digamos.

27:12 Jonathan Vásquez: Y además también te ayuda a responder a la pregunta, ¿esto es factible?

27:16 Ignacio Alarcón: Claro.

27:16 Jonathan Vásquez: Sí, mira, se ha probado en otros lados.

27:18 Ignacio Alarcón: Eso es lo que estaba pensando, para no gastar todo este tiempo y después te digan, oye, llevamos 6 meses y no se puede.

27:23 Jonathan Vásquez: No se puede, claro.

27:24 Ignacio Alarcón: Gracias por participar.

27:25 Jonathan Vásquez: Y también te puede dar algún indicio de hacia dónde podría ir la solución. Perfecto. Darte ideas eventualmente. Que tú puedes traer que funciona mucho en la ciencia, no necesariamente, de nuevo, mira, no se ha aplicado en tu caso pero esto se asimila mucho y bajo mi experticia las modificaciones que hay que hacer se pueden hacer para contextualizarlo a lo que tú me traes, al caso particular tuyo.

27:52 Ignacio Alarcón: Sí, lo estamos haciendo al revés porque de repente hay papers que dicen como oye, con la data con la que nosotros trabajamos no resultó pero a veces la data que tú tienes es ligeramente distinta en distintas cosas, ¿cierto? Mayor volumen o distintas características adicionales y de repente tú dices oye, quizás si yo aplico la data que yo tengo ahora que me están pasando a este paper que está limitado por cómo fue hecho, digamos, el estudio, quizás ahora sí va a funcionar. Y ahí como dices tú llega mucho de la capacidad del investigador de poder hacer ese juicio, de poder decir oye, en realidad quizás sí puedo ir por este camino porque mi data es suficientemente distinta o cuenta con algo característico extra que el otro no tenía, que ahora es otra habilidad.

28:31 Jonathan Vásquez: Así que me hiciste recordar mucho a algo que nosotros hemos conversado. Andrej Karpathy, sí, uno de los creadores de GPT-3, ya me acuerdo que él comentaba cuando estaba en la industria le dedicaba más tiempo a las bases de datos que al modelo. Ahora estaba en la academia, le dedicaba más a los modelos que a las bases de datos. Siento que con esta inteligencia artificial nosotros nos está pasando algo ahora con la investigación, le estamos dedicando menos tiempo a la investigación literaria, que era como una cuestión más mecánica de las keywords, ir a buscar de aquí para allá, y más tiempo a la crítica, que es lo que estamos haciendo ahora. Es como, oye, si es que este paper no es tan bueno, o este paper sí se relaciona, o esta idea está interesante para poder traerla a este otro contexto. Esto es lo que nos abre la inteligencia artificial, como que nos da el espacio a cosas nuevas que quizás antes no las teníamos.

29:24 Ignacio Alarcón: Sí, o el tiempo. De hecho, uno habla de los papers y obviamente hay papers que son 8 páginas, pero en general hay papers de 30, 40, y tú dime tú dónde para, digamos. Pero en general hay papers que son gigantes y que en realidad ahorrarse el tiempo de encontrarlos es súper significativo.

29:40 Jonathan Vásquez: La otra que tiene Asta también este tipo de proyecto es el generar un reporte, que este después yo me voy a saltar, me voy a conectar después a otra aplicación. Pero el generar el reporte, aquí también tú le haces una pregunta pregunta y su nombre lo dice, te genera un reporte. Sale, podemos hacer la misma pregunta que le hicimos, como la que fue con Consensus, sí, pero acá la respuesta que te da, a diferencia de Consensus que es como una respuesta, yo me atrevería a decir más industrial o más de la industria, como más practitioner, acá tiene, busca, te entrega respuestas tipo lógica académica, introducción, ideología, pregunta investigación, metodología. Te da como ese tipo de reporte.

30:22 Ignacio Alarcón: O sea, la estructura es distinta.

30:25 Jonathan Vásquez: Sí, la estructura es distinta. Asta es un enfoque muy científico, muy de academia. Consensus yo me atrevería a decir que tiene academia pero más también tirado pa' practitioner. Entonces, de hecho nosotros no le pudimos haber tirado la pregunta de si efectivamente la disminución de impuestos aumenta el crecimiento o no y decir sí, no o depende, ¿cachai?

30:43 Ignacio Alarcón: Ya, perfecto, entonces si entiendo bien tú me estás diciendo que Asta es más para, por ejemplo, Quiero hacer un paper, necesito encontrar fuentes, ese tipo de cosas. Y por el otro lado, Consensus es más, por ejemplo, si yo estoy en una empresa y quiero desarrollar algo que no existe, por así decirlo. Para encontrar la referencia.

30:57 Jonathan Vásquez: Yo diría que esa es la gran diferencia, el foco es distinto.

31:00 Ignacio Alarcón: Perfecto.

31:00 Jonathan Vásquez: Si quieres hacemos la misma pregunta para que vayamos probando los distintos resultados. Dale, dale. De hecho, vamos a poner la pregunta inicial a ver si es que afecta.

31:11 Ignacio Alarcón: Ahora te da otro paper completamente distinto ahora que tiene un segundo signo adentro.

31:18 Jonathan Vásquez: No, bueno, entonces aquí está, bueno, lo mismo atendiendo, de hecho ahí me dice reformulando la pregunta.

31:24 Ignacio Alarcón: Tu pregunta fue muy mala, lo que quiso decir. Claro, ahí hay el momento del actually, ¿cierto? Se ponen los lentes.

31:31 Jonathan Vásquez: De hecho, bueno, mira, no la voy a mostrar acá pero hay una aplicación parecida a esta que se llama Elicit, que se escribe elicit.com y también parte con lo mismo, muéstrame tu pregunta y abajo te dice si está bien la pregunta o no y te sugiere. Tu pregunta puede ser refinada de esta manera.

31:49 Ignacio Alarcón: Ya, ok, acá no es automático, no te pregunta eso.

31:51 Jonathan Vásquez: Por el caso elicit.com, entonces, ¿qué puede hacer uno? El problema de elicit.com es que es pagado también, entonces, pero tú igual puedes poner la pregunta y eso es gratis. Entonces puedes usar elicit.com sin pagar para refinar tu pregunta y después volver a esta aplicación que es gratuita para hacer la pregunta.

32:13 Ignacio Alarcón: Entonces podemos ver que está tirando información.

32:16 Jonathan Vásquez: Sí, y ahí está. Es, pero fíjate que sigue buscando porque es un agente, o sea, finalmente es tipo deep research pero enfocado a investigación.

32:25 Ignacio Alarcón: Ya, o sea, va a empezar a agregar las cosas por partes, cierto, la introducción, los puntos relevantes, la conclusión, y armar un, acá por ejemplo está la introducción y me muestra cuáles son los papers.

32:36 Jonathan Vásquez: Yo creo que los profesores van a odiar acá, los que profesores como aquellos, yo creo estudiantes que van a partir por sus tesis Pueden estar así felices, profesores que van a pedir que hagan esas tesis no van a estar muy felices.

32:50 Ignacio Alarcón: No sé, yo creo que si uno fuera profesor de ESI uno podría decir oye, ¿por qué no usaste estos 5 papers que casualmente tengo en la cabeza que quedan relevantes que no veo que utilizaste, Gabo?

33:00 Jonathan Vásquez: Claro, y que yo lo leí, entonces. Entonces este tiene un foco mucho más científico.

33:07 Ignacio Alarcón: Claro, entiendo.

33:08 Jonathan Vásquez: Entonces partió por una introducción, ahora está identificando las temáticas de lo que se ha hecho en la literatura. Cuando tú haces una investigación tienes que identificar lo que hay, cuál es el estado actual del arte para identificar los gaps, las brechas que no han sido cubiertas en la investigación, ya. Entonces eso es lo que está haciendo ahora básicamente y debería terminar con una respuesta. Hay un— ahora no pasó A mí me ha pasado previamente que a veces llega con una conclusión.

33:37 Ignacio Alarcón: Eso es lo que te iba a preguntar, ¿te refieres a respuesta, te refieres a conclusión o te refieres a un…?

33:40 Jonathan Vásquez: A mí me ha pasado que de repente dice conclusión y me da, termina como con una conclusión al final.

33:45 Ignacio Alarcón: Supongo que va a depender del tema y qué tan abiertos sean los papers, qué tan distinto sea la conclusión.

33:49 Jonathan Vásquez: Y de la pregunta también, porque además la pregunta acá es como cuáles son los modelos de visión más utilizados, ahí de repente he dicho, por ejemplo, creo que me pasó que cuando hice la pregunta del impacto de la IA y llegaba a una conclusión.

34:01 Ignacio Alarcón: Ya, perfecto. Por la naturaleza de la pregunta, digamos, porque va por ahí, va por ahí.

34:06 Jonathan Vásquez: Y bueno, y al final me da la lista de los papers que utilizó y lo puedo descargar como, creo que en un CSV se descarga, si no me equivoco, no, .bib, ya que es para los que ya estén de LaTeX.

34:19 Ignacio Alarcón: Eso te preguntaba, ¿ya bib es?

34:20 Jonathan Vásquez: Tú puedes importar la librería utilizando .bib. Está ahí, desde ahí puedo abrir.

34:25 Ignacio Alarcón: Ya, y puedo revisar la Pero está en LaTeX las fuentes, ya hay que preguntar porque LaTeX es— no es un lenguaje la palabra.

34:35 Jonathan Vásquez: Ya, LaTeX sí, yo diría que es un lenguaje de edición de texto.

34:39 Ignacio Alarcón: Ok, perfecto, que es lo que la gente usa para hacer PDF bonitos básicamente.

34:43 Jonathan Vásquez: Sí, sí, a los economistas, a la gente matemática, le encanta utilizar LaTeX.

34:48 Ignacio Alarcón: Así que si les interesa y quieren saber más y quieren un video escriban Nolan en los comentarios y Nolan va a hacer un video de LaTeX.

34:53 Jonathan Vásquez: Hay una aplicación y aquí voy a pasar a la penúltima, ya, por así decirlo, que hace esto mismo, es pagada, ya, pero tiene junto no solo la literatura de review, no solo responder a preguntas, sino que también tiene enfocado a que tú puedas sacar información desde los papers.

35:15 Ignacio Alarcón: Ok, ya, perfecto.

35:16 Jonathan Vásquez: Y esa es SciSpace. SciSpace está en español, en inglés, en muchos idiomas, de hecho están acá, están los idiomas que tú quieras.

35:23 Ignacio Alarcón: De hecho es como un juego de palabras entre science y space.

35:26 Jonathan Vásquez: Sí, un juego de palabras.

35:28 Ignacio Alarcón: Estoy viendo cómo está escrito y—

35:29 Jonathan Vásquez: Y porque tiene lógica que tenga ese nombre, si tú ves acá a la izquierda tiene cuadernos, es decir, notas que tú puedas generar, puedes generar una biblioteca, puedes chatear con un PDF.

35:39 Ignacio Alarcón: Está en español, eso me sorprendió respecto a la otra.

35:40 Jonathan Vásquez: Es que está en español, en inglés y en muchos otros idiomas más, entonces este me gusta, es una versión pagada, no me acuerdo, creo que ya la eliminé a esto.

35:49 Ignacio Alarcón: Te voy a preguntar, cuando hablamos de pagado ¿Pa' dó' esta herramienta? Dame un rango, los típicos $20 normales.

35:54 Jonathan Vásquez: $10 hasta, bueno, $70, por ejemplo, en este caso, pero pueden partir como de esos $10.

35:59 Ignacio Alarcón: Ah, ya, que ahí dice $20 si lo pagan mes a mes, como las suscripciones normales de herramientas de inteligencia artificial, $20 el estándar.

36:04 Jonathan Vásquez: Pero generalmente es como— esto yo me acuerdo que yo pagué una versión que era $12 por unos meses y lo estoy utilizando y es bastante bueno. No recuerdo si ya lo tengo. El último tiempo no he usado esto porque estoy fijado en otro. Fíjate que acá a la izquierda aparecen varias cosas: generador de citas, detector de IA, que yo no estoy muy de acuerdo con eso. Te voy a preguntar, pero tampoco lo usaba porque yo no soy muy pro de utilizar detectores de IA. Sí, claro, lo hemos hablado en otros capítulos, no es muy confiable. Entonces, pero quiero mostrar la funcionalidad de revisión de literatura. Ok, perfecto. Entonces vamos a hacer acá la pregunta de cuáles son esos artículos que están acá, y este sí tiene como casi una versión de Elicit que dice quizás podrías preguntar esto en vez de lo que tú me estás planteando. Entonces, ¿cuáles son las arquitecturas de deep learning más efectivas para el conteo de personas en imágenes de calles?

36:58 Ignacio Alarcón: Interesante.

37:00 Jonathan Vásquez: Ok, entonces también te afina la pregunta, claro, pero no tanto como Elicit. Elicit es mejor. Ok, entonces yo invito al, de verdad lo invito porque Elicit es mejor en la afinación de la pregunta.

37:09 Ignacio Alarcón: Ok.

37:10 Jonathan Vásquez: Puede ser un informe estándar, puede ser un informe de high quality, es decir, que trae más paper o un tipo de deep review que es más agéntico, es una iteración mucho más larga en cuáles son los papers que va a traer.

37:21 Ignacio Alarcón: O sea, se demora más tiempo básicamente pero trae más paper.

37:23 Jonathan Vásquez: Pero me voy a quedar con el high quality. Y si es que le vamos a hacer creer, vamos a ser el primero, le voy a comprar en que su pregunta es mejor que la nuestra.

37:33 Ignacio Alarcón: Oye, high quality sería como el módulo razonador entre comillas, el estándar sería como la versión normal y—

37:37 Jonathan Vásquez: La diferencia que yo le he notado es como la cantidad de artículos que trae. Ah, ok, perfecto. Y el tiempo que está buscando, es más, va más por ahí. Ok, perfecto. Es mi interpretación. No, está bien. Yo creo que cada usuario lo va a tener que hacer. Bueno, esto lo interesante, primero me hace un resumen muy parecido a esto, yo lo asimilo mucho a Consensus.

37:56 Ignacio Alarcón: Perfecto. Y esto fue en tiempo real, no se demorará.

37:58 Jonathan Vásquez: No se demoró un segundo. Pero igual de repente a veces se demora más. Ya, pero lo que pasa es que está haciendo otra cosa acá abajo que no lo estamos viendo. Ya, mira, esto es muy Consensus, esta parte es muy Consensus, como una respuesta muy de industria, te va a decir un informe. Perfecto. Pero al final me muestra una lista que va sacando información de los artículos.

38:18 Ignacio Alarcón: Perfecto, como la metadata.

38:19 Jonathan Vásquez: La metadata. Perfecto. ¿Qué metadata? Bueno, hay algunas que te las deja por default y a la derecha yo puedo agregar. Entonces, si es que, porque por ejemplo puede pasar que hay ciencias, por ejemplo, las ciencias de la computación, a nosotros nos interesa mucho la metodología.

38:33 Ignacio Alarcón: Claro.

38:33 Jonathan Vásquez: Hay otras ciencias más humanistas que le interesa más la introducción, la discusión de la pregunta, de cómo llegar a la pregunta. Que la metodología, por ejemplo. Perdónenme si es que eso no es así, aquellos que son de las ciencias más humanas, por así decirlo, pero yo he notado que dependiendo de la ciencia el enfoque del paper varía.

38:53 Ignacio Alarcón: La premisa inicial es muy relevante para todo el desarrollo del paper.

38:56 Jonathan Vásquez: Claro, en computer science incluso hay introducciones que son de 2 párrafos y eres, y como que no hay mucha justificación.

39:02 Ignacio Alarcón: No, claro.

39:03 Jonathan Vásquez: Entonces lo interesante acá es que yo me puedo enfocar, entonces Primero, yo puedo sugerir o puedo seleccionar una sugerencia de columna que quiero que extraiga de ese paper. Por ejemplo, el resultado. Entonces quiero ver los resultados y me va a ir sacando, imagino que utilizando el LLM, de cada uno de los papers esa característica. Perfecto. O la otra, si hay alguna que yo esté interesado en particular, lo puedo usar. Por ejemplo, crear una nueva columna. Entonces esta columna le vamos a llamar desempeño. Por ejemplo, veamos qué tal el desempeño de los modelos. Lo sacáis de la instrucción, del prompt, de que cuál quiero, que cómo yo defino desempeño. Exactamente, desempeño de los modelos, porque no utilicé el—

39:49 Ignacio Alarcón: no hay ñ acá, no existe la ñ.

39:52 Jonathan Vásquez: Desempeño de los modelos en los experimentos y comparación Con otros modelos, claro.

40:03 Ignacio Alarcón: Y ahí uno podría, si quisiera ser más específico, poner qué modelo estoy usando, porque si no estoy haciendo una, buscando investigaciones específicas de algo, y yo ya me metí un poco más, podría decir, oye, veo que mucha gente está usando el, no sé, Camin o alguna otra variable relevante, y empezar a decir, oye, yo quiero que estos valores sean superiores a esto, que se muevan dentro de estos rangos aceptables, etcétera.

40:24 Jonathan Vásquez: Ahí es, tiene hasta 150 palabras para decir el prompt. De esa, es como casi utilizar esto. Yo lo imagino muy como, ¿cómo se llama? Structured output, estructurado. Que cuando tú configuras los outputs estructurados tienes que dar una descripción de ese dato que quieres que extraiga. Entonces a mí me asemeja mucho que funciona con esa lógica.

40:49 Ignacio Alarcón: Claro que se usa para lo mismo, lo que pasa que usualmente uno trae información más chica, ¿cierto? Es como tráeme la edad de la persona. Dije, yo te traigo el número, pero bueno.

40:55 Jonathan Vásquez: Voy a poner crear acá. O sea, ahí va y me va trayendo los artículos, va diciéndome, te revisaron varios modelos, no me muestra cuál es, por ejemplo, el desempeño. Y probablemente también el prompt haya sido malo.

41:10 Ignacio Alarcón: Pero claro, esto lo que te permite entonces es evaluar los papers más rápido, poder elegir al tiro como, oye, este no cumple con la medida de desempeño que yo necesito, o no cumple con la conclusión que yo necesito.

41:21 Jonathan Vásquez: Entonces O básicamente, yo me acuerdo que muchas veces el profesor que yo le trabajaba y me pedía ir a investigar papers, él me decía, quiero saber qué metodología utilizan.

41:32 Ignacio Alarcón: Ya, perfecto.

41:32 Jonathan Vásquez: Eso es lo único que me interesa, tráeme con las metodologías. Entonces aquí yo creo una columna de solo metodologías.

41:37 Ignacio Alarcón: Claro, y ahí también puedo hacer cálculos rápidos de oye, fueron 30 papers de los cuales 20 usaban esa metodología y los otros no.

41:41 Jonathan Vásquez: O una, como por ejemplo, cuáles son las preguntas para futuras investigaciones. Entonces como Future research, le voy a llamar, que es como cuáles son las preguntas de investigaciones propuestas, no, preguntas de investigaciones propuestas que se dan.

42:00 Ignacio Alarcón: Perfecto, es cuando el paper básicamente cierra y dice bueno, lo que la manera en que se debería seguir este paper es deberíamos tener estos datos que nosotros no tenemos o usar estos modelos que no tenemos acceso, básicamente cómo seguir para adelante con él.

42:11 Jonathan Vásquez: O generalmente también es donde aparecen ahí los gaps, cuando uno empieza a hacer investigación y quiere saber dónde están los gaps en la literatura, generalmente están en sección de investigación futura de las conclusiones. Ya, perfecto. Y ahí los plantea. Entonces también aquí, si yo quiero identificar dónde están los gaps, busca el future research, cuál es la propuesta de investigación futura, y las falencias o los hoyos que tiene básicamente la investigación. Exacto. Ahí yo lo puedo extraer. Entonces la gracia de SciSpace, por eso encuentro buena esta herramienta, es que yo puedo ir escarbando más en los papers pero en volumen.

42:43 Ignacio Alarcón: Sí, yo entiendo.

42:44 Jonathan Vásquez: O trabajar más papers más rápido porque puedo acotar la información que me está trayendo específica lo que Y me gusta harto más porque me invita a que yo también reflexione más. Es decir, ok, esta es la pregunta que yo necesito investigar ahora, ok, esto quiero saber de los papers. Entonces creo una nueva columna, ya me leí estos papers. De hecho, por ejemplo, hay un paper que está interesante, puede ser este, por ejemplo, ya. Decís que mira, este artículo está interesante, pam, a la derecha tengo un chat que le puedo hacer preguntas de ese paper.

43:12 Ignacio Alarcón: Y tienen botón de podcast ahí.

43:15 Jonathan Vásquez: No tuvo que leerme. Entonces claro, aquí también le puedo empezar a hacer preguntas que nuevamente está en el idioma que tú eliges independiente del idioma del artículo.

43:27 Ignacio Alarcón: Entiendo, qué útil porque hay mucha investigación rusa, alemana que uno no habla.

43:33 Jonathan Vásquez: Entonces aquí tú ya puedes empezar a indagar mucho más fuerte. El nombre tiene buena lógica, SciSpace, es un espacio para la ciencia, para la investigación.

43:43 Ignacio Alarcón: Perfecto.

43:44 Locutor: ¿Interesado en adoptar la IA en tu empresa? Pues te tengo buenas noticias. En EvoAcademy diseñamos distintos cursos corporativos sobre cómo adoptar tecnología e inteligencia artificial. Ofrecemos cursos tanto para ejecutivos, donde explicamos de forma didáctica cómo entender el potencial de la IA, como para equipos técnicos, donde mostramos cómo puedes construir aplicaciones utilizando modelos de lenguaje. Entre otros varios cursos. Visita nuestro catálogo en evoacademy.cl/cursos-corporativos o en el enlace que te dejamos en la descripción del podcast y lleva tu empresa al siguiente nivel.

44:26 Ignacio Alarcón: Hoy me dijiste que había una última herramienta.

44:28 Jonathan Vásquez: Sí, una última herramienta que se llama Litmaps. Ok, que está más enfocado, y de hecho me gusta porque tiene más control de los artículos que tú puedas identificar. Imaginemos que, por ejemplo, hay un paper que me gustó mucho, pero yo quiero saber ese paper con qué otro paper se conecta. Ya, porque de hecho uno lo que hacía en los Google Scholar es como que tú buscabas un paper, después iba a la referencia, oye, si es que este paper te parece interesante, lo voy a buscar. Ya, eso se lo soluciona acá, pero de una manera visual.

44:55 Ignacio Alarcón: Ok, perfecto.

44:56 Jonathan Vásquez: Hagamos el ejemplo con el paper famoso de Attention Is All You Need.

45:00 Ignacio Alarcón: Entonces básicamente lo que me debería mostrar es los papers que se basaron en este y los papers en los que este se basó.

45:05 Jonathan Vásquez: Sí, puede ser hacia adelante o hacia atrás.

45:07 Ignacio Alarcón: Ya, perfecto.

45:08 Jonathan Vásquez: Entonces va a ser ese paper. No sé si me hace— ahí está.

45:12 Ignacio Alarcón: ¿Estás seguro que era ese?

45:13 Jonathan Vásquez: Sí, sí, era de Vaswani. Y ahí está buscando, ¿viste? Está buscando entre cientos de citaciones y referencias.

45:20 Ignacio Alarcón: Yo te voy a decir, ese paper debe tener millones de referencias.

45:22 Jonathan Vásquez: Y el gráfico que tengo acá a la derecha es interesante porque te lo ordena de izquierda a derecha siendo del más reciente el más a la derecha y te lo muestra desde el más citado al menos citado. ¿Cuál es la lógica? Es esperable que los papers que están más a la derecha sean menos citados. Pero actualmente puede surgir un paper que, como este por ejemplo de Otter, que es, eso es una literatura, una revisión de literaria, tiene más citas que este paper que fue antes. Pues este es esperable que sea, que tenga más citas porque tiene más tiempo.

45:52 Ignacio Alarcón: Claro, básicamente si hay un paper del 2026 probablemente tener muy pocas citas porque salió hace upe.

45:57 Jonathan Vásquez: Entonces este paper lo que hace Litmaps es esta lógica. Entonces yo pudiera ir haciendo como saltando, oye, ¿sabéis que este artículo Está súper interesante. Entonces lo que yo puedo hacer acá es ir afinando la búsqueda. Claro, ¿dónde está? Esto lo puedo dejar más acá. Este era atrás, perdón.

46:16 Ignacio Alarcón: Y te permite también elegir así, saber, oye, probablemente estos son los 4 papers que deberías, este es el foco que yo quiero tener, estos deberían ser los 4 papers que yo debería querer ir a buscar.

46:25 Jonathan Vásquez: Acá está, esto es, lo puedo agregar a un Litmap, ok, donde yo puedo ir afinando cantidad de papers que yo puedo hacer y sobre eso ir buscando más. Yo ya tengo papers que tengo acá, por ejemplo, tengo este. Entonces tengo todos estos papers que están acá, por ejemplo, y que a mí fueron interesantes y yo digo haz una búsqueda de— porque Litmaps es como— Sí, claro, grafos, son grafos. Ya po', entonces lo que tú estáis buscando es que quieres alumbrar hacia dónde quieres ir po'. Puedo hacer clic acá, es una farola eso, pucha, que más o menos ya no la pagué. Sí, mira, acá no está la versión pagada porque yo en su tiempo lo tenía pagado, lo eliminé, pero te hace eso, ¿cachai? Entonces tú puedes juntar un conjunto de papers y hacer ahora esa misma búsqueda para conjuntos de paper y te va encontrando otros papers que están relacionados, pero de manera gráfica.

47:17 Ignacio Alarcón: Ok, ah, qué interesante.

47:18 Jonathan Vásquez: Sí, esto yo lo encuentro mucho porque este me gusta mucho porque yo siento, ah, mira, acá hay uno, yo ya tenía uno, tenía Litmaps, por ejemplo, de discriminación sobre grupos bajo representados en machine learning. Y aquí me está buscando, dados los papers que yo tengo, qué otros autores han hecho esa investigación y cuáles son sus papers.

47:42 Ignacio Alarcón: Oye, interesante está esto.

47:43 Jonathan Vásquez: Sí, esto está muy bueno. A mí este me gustó mucho. En su tiempo yo lo pagaba, pero ya tengo otras prioridades ahora.

47:51 Ignacio Alarcón: Hay que ahorrar, hay demasiados modelos, demasiadas herramientas ahora, y $20 por todo el mundo.

47:54 Jonathan Vásquez: La pregunta que puede surgir ¿Hay más herramientas que estas que sean gratuitas así como el AI2? Sí, sí la hay y es ResearchRabbit, que es como research de investigación y rabbit de conejo. Búsquenla en internet. De hecho, si están interesados la audiencia, uy, queremos revisar esa herramienta, déjenlo ahí en los comentarios y le decimos ya, le dedicamos después más tiempo para esto. Pero es básicamente lo mismo, es decir, buscar a través de conexiones de nodos qué papers se relacionan entre ellos porque fueron citados o porque tienen autores y tú puedes ir viendo conexiones o líneas de investigación.

48:30 Ignacio Alarcón: Perfecto, entonces si quieren saber sobre eso escriban Jonathan en los comentarios y Jonathan va a hacer un video al respecto.

48:35 Jonathan Vásquez: Y esto también sirve a la industria, entonces, por ejemplo, estoy pensando en la lógica de la pregunta que tú hiciste, si alguien quiere investigar una línea de lo que se llaman como la línea de similaridad pero cuál fue el trabajo inicial que dio esta temática, que creó la base de la cual todo el resto se empezó a— Exacto. ¿Quién fue esa persona? Ya, esta es la herramienta. Claro. Entonces tú ahí puedes utilizar esta herramienta para visualmente llegar hasta esa persona o hasta ese paper.

48:59 Ignacio Alarcón: Claro, va a ser mucho más rápido.

49:00 Jonathan Vásquez: Es mucho más rápido. Ok, perfecto. Entonces ahí también es la respuesta de la pregunta que puede surgir no solo en la academia sino en la empresa.

49:07 Ignacio Alarcón: Claro, exactamente.

49:08 Jonathan Vásquez: Cuando las mandan a investigar, oye, tráeme qué casos se han hecho al respecto.

49:11 Ignacio Alarcón: Claro, las empresas que tienen equipos de investigación como los que hemos traído que han desarrollado básicamente desde cero estos modelos o estas herramientas que están usando.

49:18 Jonathan Vásquez: ¿Cuándo utilizar esta herramienta? Cuando yo utilizo Litmaps, o mi experiencia, yo la utilizo cuando ya pasé por todas las otras herramientas y ya tengo afinados los papers. Entonces tengo, estos son los papers que me sirven, entonces voy a hacer ahora un análisis de qué paper no vi en el camino y que sí se conecta con esto. Entonces utilizo Litmaps o ResearchRabbit.

49:36 Ignacio Alarcón: Claro, porque mucho uno lo ve y automáticamente ya sabe, oye, esto no los tengo, a diferencia de andar viendo una lista gigante que se puede Exacto, o que no lo trae, o básicamente no entiendo la relación. Yo tengo una última pregunta entonces. ¿Por qué no puedo hacer esto con ChatGPT, Gemini? O sea, ¿no puedo simplemente llegar y decirle deep research ChatGPT, oye, busca papers oficiales de las páginas de paper que hablen de estos temas?

50:00 Jonathan Vásquez: La pregunta la puedes hacer, o sea, puede hacer el prompt, sí, pero no te puede asegurar de que son las fuentes que utilices son solamente académicas. Tienen otra lógica, esto Deep Research o creo que también tiene el mismo nombre en caso de— Hacen la búsqueda en las páginas web cualquiera, no hay un filtro, de hecho al menos, de hecho yo he hecho el ejercicio y aún así igual utiliza blogs, Wikipedia, claro, va a buscar papers pero no tiene el foco ni tampoco está especializado solamente en búsquedas académicas y además no te asegura como aquí estos tipos de aplicaciones están solo conectadas a esas bases de datos.

50:43 Ignacio Alarcón: Solo puede entrar paper.

50:44 Jonathan Vásquez: Claro, su conocimiento al cual accede, al cual va a hacer el web search, por así decirlo, es solamente a esos tipos de información. Entonces te aseguras que no está trayendo información de Wikipedia o de un blog que no ha pasado por este proceso de revisión y de aceptación dentro de la industria.

51:02 Ignacio Alarcón: Porque no está conectado, a diferencia de ChatGPT que lo que puede pasar es que—

51:06 Jonathan Vásquez: Ojo, es que puede que esté conectado pero el tema es que también está conectado a lo otro. Ya, ok. Entonces, ¿qué es lo que ocurre ahí? Igual te va a traer información desde el otro lado.

51:15 Ignacio Alarcón: No, no, me refiero a las herramientas que mencionaste tú no están conectadas a Facebook, por ejemplo.

51:19 Jonathan Vásquez: Claro, exactamente.

51:21 Ignacio Alarcón: Mientras que claro, ChatGPT puede ir a Facebook y si Facebook el post dice Paper oficial de no sé qué, puede confundirse. Exacto, te lo puede traer. Ok, perfecto. Oye, muchas gracias Jonathan por acompañarnos hoy día y por mostrarnos todas estas herramientas. Creo que es súper interesante para las empresas, porque muchas veces ahora llegan empresas que dicen oye, quiero desarrollar algo, ¿y cómo empiezo? Digamos, y empresas que tienen equipos grandes que tienen que hacer estas investigaciones que toman mucho tiempo.

51:46 Jonathan Vásquez: Sí, no, aquí ya con esto se avanza harto tiempo en las revisiones literarias principalmente.

51:50 Ignacio Alarcón: Claro. Y bueno, gracias a todas las personas que se quedaron hasta el final del capítulo, muchas gracias. Ya saben, por favor sígannos, comentarios, 5 estrellitas si están en Spotify, y nos vemos en el siguiente capítulo de Inteligencia Artificial para los negocios. Hasta la próxima.

52:04 Jonathan Vásquez: Hasta la próxima.

Más episodios

Ver todos los episodios