Embedding el vector que genera respuestas inteligentes en los chatbots.

Embedding.

A fines de este pasado marzo 2023 el gigante y el buscador mas usado en el mundo, lanzĂł su Nuevo y moderno Chatbot.

Nos referimos a GOOGLE BARD.

Para muchos es la alternativa a ChatGPT  de Open Ai socios con el gigante Microsoft.

AdemĂĄs existen otros chatbot que segĂșn especialistas se alimentan en el mismo servidor o centro de datos (OpenAI).

Dado que concordamos con expertos en AI, los que predicen la muerte de las marcas por la IA,  tambiĂ©n tenemos nuestra opiniĂłn de los Chatbot.

El de Google, obviamente es TOTALMENTE diferente , dado los resultados que entrega y solo es el principio este 2023.

El comienzo a humilde  nuestro juicio, fue hace años (fines del 2018) cuando lanzĂł el algoritmo BERT,  el que utiliza la bidireccionalidad al analizar una frase en ambas direcciones.  

Cabe destacar que en el mundo de los chatbots, uno de los aspectos cruciales para brindar respuestas precisas y relevantes es el uso de embedding (s) o representaciones vectoriales de palabras y frases cercanas a lo que se busca.

Los vectores permiten que el chatbot comprenda y genere respuestas coherentes y contextualmente adecuadas. 

Es la idea, pero no todo lo que brilla es oro.

ÂżQuĂ© es el embedding? 

No somo expertos en IA, pero si somos los mejores especialistas en SEO y  estudiamos su relaciĂłn.

El embedding, tambiĂ©n conocido como representaciĂłn vectorial, es el procesamiento del  lenguaje natural; como vectores numĂ©ricos en un espacio multidimensional.

Una palabra o una frases son solo nĂșmeros.

 El  grĂĄfico 1, representa una bĂșsqueda del chatbot respecto a cĂłmo son los gatos y lo que puede hacer (una secuencia numĂ©rica).

Embedding

El grĂĄfico 2 son los vectores o palabras relacionadas a la bĂșsqueda y la distancia entre ellas.

En este caso todo lo relacionado con los gatos (comidas, alimentos, juguetes para ellos, etc).

¿Por qué es importante participar en los embedding?

Estos vectores capturan la semĂĄntica y sintaxis de las palabras descriptivas o lo que se busca (ej. de informaciĂłn del gato). 

Obviamente les permite comprender y trabajar con ellas de manera mĂĄs eficiente. 

El embedding es fundamental en la generaciĂłn de respuestas en un chatbot, dado que ejecuta una mejor comprensiĂłn del contexto de lo que busca (tipos de gatos).

En consecuencia el Chatbot (por Voz o Escritura), genera  respuestas mĂĄs precisas y coherentes porque cada palabra se representa mediante un vector que contiene informaciĂłn sobre su significado. 

AdemĂĄs con la IA puede asociar palabras similares, entender relaciones semĂĄnticas y capturar conceptos abstractos. 

Esto es especialmente valioso en la generaciĂłn de respuestas, ya que el chatbot puede identificar la INTENCIÓN DE BÚSQUEDA detrĂĄs de una consulta y buscar respuestas relevantes.

El rol del embedding en la comprensiĂłn de la intenciĂłn de bĂșsqueda. 

Comprender la intenciĂłn de bĂșsqueda es fundamental para  que el chatbot pueda ofrecer respuestas relevantes. 

Es una mĂĄquina por tanto analizarĂĄ lo que comprenda de esa intenciĂłn y ofrecerĂĄ su respuesta.

Por tanto la NUBE de palabras asociadas desempeñan un papel crucial en este proceso, ya que permite capturar el significado de las palabras y frases utilizadas en la consulta del internauta.

Es la razĂłn que los miles o millones de palabras que va a asociar a la consulta , sean multidimensional, tridimensional o en 3D, si prefiere.

El grĂĄfico siguiente ( 3 al 5 ), muestra cĂłmo se conforma la nube de palabras asociadas que analizarĂĄ en milĂ©simas de segundos los vectores de distancia y relevancia entre ellas.

Al comprender la intenciĂłn  de bĂșsqueda detrĂĄs de la consulta del usuario, el chatbot puede buscar respuestas pertinentes y generar una respuesta adecuada.

Ejemplos de intenciĂłn de bĂșsqueda

Busquemos una intenciĂłn conocidas por todo el mundo:

Un usuario se pregunta: «¿Cuål es el clima en Nueva York?».

El chatbot necesita entender que la intenciĂłn es obtener informaciĂłn sobre el clima actual en una ubicaciĂłn especĂ­fica. 

Al utilizar el embedding con palabras asociadas al tiempo, pronĂłsticos y el lugar; el chatbot puede analizar la consulta.

Ademas puede reconocer palabras clave como «clima» y «Nueva York», y luego buscar información relevante en su Base de Datos para generar una respuesta.

Por otra parte con  IA puede capturar relaciones semĂĄnticas entre palabras. 

Mas ejemplos:

Un usuario pregunta: «¿Cuål es la capital de Francia?».

La nube de palabras reconoce que «capital» estĂĄ relacionado con «ciudad» y «Francia» estĂĄ relacionado con «ParĂ­s». 

De esta manera, el chatbot y el embedding; puede generar una respuesta adecuada, incluso si la pregunta no se formula de manera exacta.

GeneraciĂłn de respuestas mediante embeddings contextuales.

Los vectores contextuales llevan la nube de palabras (embedding), un paso mĂĄs allĂĄ de lo que crees, con la IA.

Ellos consideran el contexto en el que se utiliza una palabra o frase en particular. 

ÂĄYa no solo es la palabra, es el contexto en la consulta!

A diferencia de los estĂĄticos, que asignan un solo vector a cada palabra, los contextuales generan difentes vectores que varĂ­an segĂșn el contexto en el que aparecen al buscar.

 Discriminan algunas de ellas de acuerdo a la intenciĂłn que analizan.

En consecuencia es muy Ăștil en la generaciĂłn de respuestas ya que permite capturar el significado preciso de una palabra en funciĂłn del contexto. 

Un ejemplo contextual. 

El usuario o internauta busca la palabra «banco». 

Obviamente puede tener diferentes significados segĂșn el contexto:

Tal ves se refiera a una instituciĂłn financiera o a un asiento en un parque.

 Al utilizar embeddings contextuales, el chatbot puede comprender el sentido correcto de la palabra y generar una respuesta coherente.

Lo que el chatbot solicitarĂĄ es agregar informaciĂłn especĂ­fica.

Al indicar la palabra šdepositarš , entregarå la respuesta: un banco seguro para su dinero.

ÂżQuĂ© pasa  con una marca que no cumple con la informaciĂłn para que aparezca en los embeddings?

ÂĄPor fin llegamos al asunto mas IMPORTANTE de lo leĂ­do!.

Si lees desde el comienzo y atento, recordaras que mencionamos a BERT, el que hizo su apariciĂłn en el 2018.

ÂżCual son sus caracterĂ­stica?

Una de las caracterĂ­sticas clave de BERT es su capacidad para comprender el significado de una palabra en funciĂłn del contexto que la rodea.

A diferencia de los enfoques de embedding tradicionales que asignan un solo vector a cada palabra, BERT genera representaciones vectoriales contextualizadas para cada palabra en una oraciĂłn. 

ÂĄEn castellano, para que se entieda!

BERT (Bidirectional Encoder Representations from Transformers)

¿Pero es Inglés?

Obviamente,  Bert fue lanzado y  creado  por Google en USA.

Ahora lo entenderĂĄs.

Que sea bidireccional permite que BERT capture la informaciĂłn tanto de las palabras que la preceden como de las que la siguen.

AdemĂĄs logra una comprensiĂłn mĂĄs profunda del contexto,  al tener en cuenta toda la oraciĂłn.

 Por otro lado es capaz de resolver ambigĂŒedades y capturar matices semĂĄnticos que antes eran difĂ­ciles de abordar.

ÂĄLEE EN AMBAS DIRECCIONES!.

Un ejemplo muy sencillo:

El gato esta en el techo de la casa = En el techo de la casa hay un gato.

Todo esto de los embeddings + mas Core Web Vitalis + las etiquetas internas de las web, lo incorpora a su Chatbot llamado Google Bard.

Es muy importante señalar que Web Vitalis es lo que solicita respecto a la velocidad de carga o rendimiento de una web, desde un móvil o celular.( debe cargar en 4 s. Måx.).

Hoy casi el 80% de la navegaciĂłn mundial es por este dispositivo y Google orientĂł todas sus herramientas de ayuda o control en Marzo del 2019.

Chatbot Bard

ÂĄLa muerte de las marcas con inteligencia artificial!

Un juicio de varios, lo compartimos y demostraremos.

Lo mĂĄs importante, lo ofrecemos dentro de nuestros servicios de posicionamiento.

ÂżCĂłmo funciona el Chatbot GOOGLE BARD?

Si eres de los que nos leen, en este pasado Febrero en un de nuestros post nos hicimos las  siguientes preguntas:

Si saliĂł ChatGPT Âż Por que Google no saca su propio Chatbot?

Indudablemente la mas importante: ÂżPor que no compro a Open AI, antes que lo hiciera Microsoft?.

Y en menos de un mes llega la RESPUESTA con un tremendo lanzamiento mundial.

Lo mas importante:

Ellos tienen las diferentes bĂșsquedas. Saben cuantos millones buscan y  el que , el como, para que, el uso, etc.

Saben todo de ti y de nosotros con IA . Llevamos años usando internet y obviamente el buscador GOOGLE.

Por otro lado almasenaron millones de datos en su increíble Data Center con la mejor iformación (INTENCIONES DE BÚSQUEDAS).

ÂżEs broma?… llevo tiempo leyendo y nada sustancioso. ÂĄAhora viene!.

Hace una semana atrĂĄs, en el lanzamiento mundial, Bard fue presentado por una Dama de origen AsiĂĄtico en USA.

Perfecto, una mujer y un carĂĄcter cosmopolita por su asendencia. GENIAL.

La dama hizo el ejemplo de como proporcionarĂĄ la informaciĂłn para los que buscan una carrera de Diseño con diferentes variables y  adicionĂł un arriendo de casas.

La del perro con la foto es increĂ­ble.

Hasta que
 llegó al ejemplo que nos interesa y por el cual muchos consideran que será la muerte de las marcas.

ÂżComo golpearĂĄ a las marcas la Inteligencia Artificial?

ÂĄBienen los cuadros explicativos!

La dama de la presentaciĂłn, dio el siguiente ejemplo:

buena bicicleta para un viaje de 5 millas con colinas

intenciones de bĂșsquedas

Esto es una intenciĂłn de bĂșsqueda  a lo que Google Bard respondiĂł con la siguiente (informaciĂłn del grĂĄfico siguiente).

Arriba su famoso carrusel por el que factura unos cuantos dĂłlares y llega a ser un mega gigante.

Abajo el Chatbot (letras azules), genera distintas alternativas a lo consultado (Search Genarit EXPERIENCES).

Si comparas las imĂĄgenes del carrusel, NO SON LAS MISMAS que proporciona el Chatbot.

Bard y el embedding

Las descripciones, los atributos y las caracterĂ­sticas es por lo cual posicionaron y son las respuestas que entrega el Chatbot.

AnalizĂł lo relacionados a los cambios de velocidades para las colinas, la comodidad del sillĂ­n, el peso de la bicicleta, la facilidad de transporte, tipo de neumĂĄticos y miles de etc.

 Son los Embeddins relacionados a los ATRIBUTOS  de la bicicleta.

ÂżY las marcas de ellas?

Al igual que tu marca o la de la empresa en que trabajas, va a desaparecer con esta IA.

Millones de webs en el mundo no cumplen con Core Web Vitalis que es la carga o el rendimiento al navedar desde un celular (hoy es prioritario).

AdemĂĄs  no cumplen con etiquetas de contenidos.

ÂżCĂłmo va a conciderar el Chtbot  los atributos de tu producto si no los subes correctamente?


y recuerda que el SEO tarda de 6 meses  a un año en posicionar tu contenido.

¿A qué parte se dirige este Chatbot?

Esto es solo ciencia ficciĂłn.

ÂżQuĂ© harĂ­as tu como CEO  que define el bussines?

En nuestra opiniĂłn va a mantener  el pago de Ads por los click y lo demuestra el grĂĄfico anterior.

Es lo que le a permitido ganar sus exiguos ingresos.

Pero los Inversionistas siempre queren mĂĄs.

A nuestro juicio el chatbot, gratis por ahora; pronto en español y otros idiomas, tiene 2 caminos relacionado a los US$.

Si cobra por click ÂżCuĂĄnto podrĂ­a cobrar?.

Como resultado de su  anĂĄlisis de palabras relacionadas, proporciona las ALTERNATIVAS de bicicletas.

El usuario esta a un click para comprar y la IA le recomendĂł este modelo.

Hoy el valor del click de Ads es de Us$ 1.3  aprox., dado que es una palabra de Alta bĂșsqueda.

ÂżCuĂĄnto pude cobrar si practicamente te entrega el producto con IA?

US$ 10 no serĂ­a un valor descabellado considerando su aporte en esta venta.

ÂżEs la alternativa que creemos?

No

Busines y solamante business.

A esto apostamos los Seopartners.

ÂżSabes como funciona Amazon?

Es un marketplace que no tiene inventario y que miles de proveedores venden sus productos en el.

Obviamente no es gratis, cobra una comisiĂłn por cada venta que va entre un 10 a 15 % el precio de venta.

Cada foto de un producto tiene en forma oculta (tĂș no lo ves) , un pequeño programa de fidelidad.

En consecuencia Amazon , cada vez que un cliente compra, sabe inmediatamente que comprĂł y el valor que ellos ganaron.

Google
 el que todo lo sabe.

ÂżTu crees que no tiene su propio programa?

Es nuestra opiniĂłn lo que puede hacer.

A las fotos de las bicicletas incorpora el programa y el dueño de ella ( tienda especializada, supermercado, etc ), tendrå que pagar un porcentaje.

Una bicicleta  de las caracterĂ­sticas del ejemplo,  en promedio cuesta US$ 300.

De hecho la comosiĂłn serĂ­a entre 30 y 45 dĂłlares.

Pero existen las bicicletas de ruta para los que practican este deporte en forma amateur y el valor es cercano a Us$ 2.000

El chat entregarĂĄ las mejores 10 bicicletas ordenadas por su valor.

Ahora su comisiĂłn podrĂ­a ser US$ 200 aproximadamente

Un pequeño Business nacido de los embedding (nuestra intuición).

Corolario

Como el poeta : CrĂłnica de una muerte anunciada.

2018 desarrolla BERT que permite bidereccionalidad en los textos.

2019 Core Web Vitalis, el upgrade que solicita que las web deben cargar en menos de 4 segundos (un edicto).

2021 Long Tail o palabras de cola larga basado en las Intenciones de BĂșsquedas. El buscador entrega diferentes resultado de acuerdo a como se busca.

2023 Google Bard. El Chatbot que responde basado en ATRIBUTOS, caracterĂ­sticas y EXPERIENCIAS  de lo que se busca. 

La marca ya no importa, solo los atributos posicionados correctamente del producto buscado.

ÂżAlguien mencionĂł a las redes sociales en este cuento?

Como siempre agradecemos tu comentario.

Somos tu Agencia Digitral por qué sabemos posicionar para que te encuentren los Chatbot con Atributos en el Embedding.

Una respuesta a «Embedding el vector que genera respuestas inteligentes en los chatbots.»

Deja una respuesta

Tu direcciĂłn de correo electrĂłnico no serĂĄ publicada. Los campos obligatorios estĂĄn marcados con *