Buenas prácticas en materia de datos: Eliminación de barreras a la reutilización de datos con licencias CC0 («Sin derechos reservados»)

The Dryad. «Good Data Practices: Removing Barriers to Data Reuse with CC0 Licensing». Dryad news, 30 de mayo de 2023.

Ver noticia

CC0 “No Rights Reserved”

CC0 permite a científicos, educadores, artistas y otros creadores y propietarios de contenidos protegidos por derechos de autor o bases de datos renunciar a esos intereses sobre sus obras y, de ese modo, ponerlas lo más completamente posible en el dominio público, de modo que otros puedan basarse libremente en ellas, mejorarlas y reutilizarlas para cualquier fin sin restricciones en virtud de la legislación sobre derechos de autor o bases de datos.

¿Por qué CC0 es una gran opción para los datos abiertos?

A los autores que envían datos a Dryad se les pide que consientan la publicación de sus datos bajo Creative Commons Public Domain Dedication, más comúnmente conocida como CC0. Al hacerlo, se pide a los autores que confirmen que cualquier material que haya sido publicado previamente por otro autor o grupo de trabajo se publicó en condiciones compatibles con CC0 y que aceptan publicar de forma novedosa cualquier material no publicado previamente bajo esta exención.

Las licencias Creative Commons (CC) son un estándar ampliamente adoptado para los productos académicos y también se emplean para una amplia gama de otros medios difundidos digitalmente (muchas imágenes de Wikipedia están alojadas bajo una licencia CC, por ejemplo). La licencia CC BY (Atribución) es particularmente común en las comunidades de investigación, ya que es la licencia bajo la cual se publican con frecuencia los artículos de acceso abierto. También existen muchas otras licencias abiertas estándar, como las específicas para software.

En cambio, CC0 no es una licencia, sino una renuncia a los derechos de autor del propietario o creador. Dedica una obra al dominio público sin restricciones ni condiciones para su reutilización, modificación o redistribución.

La reutilización de datos es el objetivo ideal de compartir datos abiertos. Las afirmaciones indebidas de derechos de autor y restricciones de licencias sobre material que probablemente no esté amparado por la ley de derechos de autor hace que los usuarios potenciales tengan que descifrar los textos legales para determinar si el contenido está sujeto a derechos de autor. Esto puede resultar bastante oneroso y crear aversión a la reutilización por miedo a acciones legales por uso indebido, especialmente en el caso de las licencias más restrictivas. Incluso si hay poca ambigüedad sobre si se puede hacer una reclamación de derechos de autor, la incertidumbre sobre cómo seguir las condiciones prescritas también puede sofocar la reutilización por miedo a acciones legales. Por ejemplo, todas las licencias CC exigen la atribución, pero ésta debe hacerse de la forma específica prescrita por el creador o creadores. Cuando se recopilan muchas obras con este tipo de licencias, esto puede crear mayor ambigüedad y cargas para los usuarios.

Con CC0, no hay ambigüedad sobre las restricciones de los datos, lo que, de nuevo, no autoriza a los usuarios potenciales a ignorar las normas establecidas por la comunidad, como la citación o la colaboración. Además, evita complicaciones en torno al llamado «apilamiento de atribuciones», cada vez más común a medida que los investigadores compilan grandes conjuntos de datos procedentes de muchas obras con licencias independientes (un inconveniente típico de CC BY en comparación con CC0). Por último, libera al editor de los datos de la carga legal de supervisar la reutilización de sus datos y, en caso necesario, de emprender acciones legales contra acciones percibidas como indebidas (algo para lo que muchas personas carecen de tiempo o recursos).

El concepto de renunciar a los derechos de autor de los productos académicos suele resultar desconcertante para los investigadores, que esperan que se reconozca el mérito de su trabajo. CC0 no exime ni excluye a los usuarios de los resultados publicados bajo esta exención de observar las normas establecidas de la comunidad, de las cuales la citación adecuada es sólo una de muchas. Las expectativas de citación y la práctica de hacerlo deben considerarse como una contribución positiva a una comunidad de investigación, no como una acción tomada bajo coacción por temor a acciones legales.

ChatGPT: la inteligencia artificial y la generación de textos académicos. Planeta biblioteca 2023/05/31

ChatGPT: la inteligencia artificial y la generación de textos académicos.

Planeta biblioteca 2023/05/31

ESCUCHAR EL PROGRAMA

Ir a descargar

Video Conferencia Argentina

Video «Cómo funciona CHATGPT»

ChatGPT es un modelo de lenguaje basado en IA desarrollado por OpenAI que puede ser una herramienta valiosa para los educadores. Permite interactuar con un asistente virtual inteligente para obtener respuestas y generar ideas sobre tendencias. Sin embargo, su uso plantea preocupaciones éticas y de privacidad, como el acceso y uso indebido a datos personales, el sesgo algorítmico, el plagio académico y las implicaciones de la toma de decisiones automatizada en temas sensibles.

Los lectores canadienses están comprando menos libros y pidiendo más libros prestados a la biblioteca

Canadian Leisure & Reading Study 2022. BookNet Canada., 30 de mayo de 2023.

Texto completo

PDF

ePub

Según un informe de BookNet Canada, que analiza las ventas de libros y las tendencias de lectura en el país, se observa un cambio en el comportamiento de los lectores canadienses, quienes están optando cada vez más por pedir prestados libros en bibliotecas en lugar de comprarlos en librerías. Además, el informe destaca un aumento en la popularidad de los cómics y las novelas gráficas entre los lectores canadienses durante el año 2022.

Una encuesta sobre el tiempo libre y los hábitos de lectura de BookNet Canada, organización sin ánimo de lucro del sector, ha revelado que el 81% de los canadienses consideraba que disponía de suficiente o más que suficiente tiempo libre en 2022. Los canadienses dedicaban su tiempo libre a ir de compras (99%), ver la televisión, vídeos o películas (97%), cocinar (96%), escuchar música (96%) y pasar tiempo con la familia (96%).

En la encuesta, que se realiza regularmente cada invierno, se preguntó a 1.290 canadienses si habían leído o escuchado un libro en el último año y, como en los 8 años anteriores, aproximadamente 8 de cada 10 canadienses dijeron que sí. En cuanto a la frecuencia con que leen, el 40% lo hace a diario, el 24% semanalmente y el 15% una vez al mes. En cuanto a lo que leen, casi todos los lectores (94%) han leído al menos un libro impreso en 2021. Tanto la lectura de libros electrónicos como de audiolibros había aumentado con respecto a las cifras de 2021. Más de dos tercios de los lectores habían leído un libro electrónico en 2022 (67%), frente al 64% en 2021. En 2022, el 51% de los lectores había escuchado un audiolibro, frente al 45% de los lectores que lo habían hecho en 2021.

En general, los lectores están adquiriendo menos libros y optando por pedir prestados más ejemplares en 2022 en comparación con 2020, y esta tendencia se hace más notable en el caso de los libros impresos. En 2022, el 52% de los lectores compraron libros impresos, en contraste con el 61% registrado en 2020. Esta disminución en las compras de libros impresos puede atribuirse a varios factores. Uno de ellos puede ser el cambio en las preferencias de los lectores, quienes están optando por pedir prestados libros en lugar de adquirirlos.

El número de lectores de cómics y novelas gráficas aumentó en 2022 con respecto a 2021. Esto es válido tanto para los libros de ficción como para los de no ficción. Los cómics y novelas gráficas de ficción registraron un mayor número de lectores tanto en formato impreso (15% en 2022 frente al 3% en 2021) como electrónico (16% en 2022 frente al 2% en 2021). Los cómics y novelas gráficas de no ficción también registraron un aumento de lectores en formato impreso (12% en 2022 frente al 7% en 2021) y electrónico (10% en 2022 frente al 6% en 2021).

Otros aspectos destacados del estudio:

  • Los lectores utilizan más que nunca los smartphones para leer ebooks: el 23% lo hizo en 2019 y ha aumentado de forma constante hasta el 34% en 2022.
  • Se observa una disminución en las compras de libros por parte de los lectores en favor de la petición de libros prestados en bibliotecas. En 2022, el 52% de los lectores optaron por pagar por sus libros impresos, en comparación con el 61% que lo hizo en 2020.. Esta tendencia es más pronunciada en el caso de los libros impresos. En 2022, el 52% de los lectores pagaron por sus libros impresos, frente al 61% en 2020.
  • Durante el primer año, inspirados por la popularidad de BookTok, preguntamos a los lectores si habían visto una publicación específica sobre un libro en las redes sociales, por ejemplo en BookTok, BookTube, Bookstagram o similares. En 2022, más lectores habían visto o buscado este tipo de contenido a diario que los que habían visitado una red social específica de un libro (por ejemplo, Shelfari, Goodreads, 49th Shelf, Wattpad, etc.): un 12 % para ver una publicación en una red social específica de un libro frente a un 10 % para visitar una red social específica de un libro.

Resultados de la investigación sobre el proyecto de creación de una red nacional de ayuda para la búsqueda de documentos de archivo

Weber, Chela Scott, Lynn Silipigni Connaway, Brooke Doyle, Lesley A. Langa, Merrilee Proffitt, Bruce Washburn, y Itza A. Carbajal. «Summary of Research: Findings from the Building a National Archival Finding Aid Network Project», 30 de mayo de 2023.

Texto completo

Entre 2020 y 2023, OCLC fue socio de Building a National Finding Aid Network (NAFAN) (Creación de una red nacional de ayuda para la búsqueda de archivos), un proyecto de investigación y demostración respaldado por el IMLS para sentar las bases de una red nacional de ayuda para la búsqueda de archivos a fin de abordar la incoherencia e inequidad del panorama actual de identificación de archivos (LG-246349-OLS-20). El proyecto fue dirigido por la Biblioteca Digital de California (CDL), con socios de OCLC, la Biblioteca de la Universidad de Virginia, Shift Collective y Chain Bridge Group.

OCLC dirigió la investigación para el proyecto, llevando a cabo una investigación de las necesidades tanto de los usuarios finales como de los contribuyentes en relación con las asignaciones de ayudas para la búsqueda, y una evaluación de la calidad y coherencia de los datos de ayudas para la búsqueda codificados en EAD existentes de los agregadores de archivos regionales.

Los resultados de NAFAN representan un esfuerzo de investigación sin precedentes al servicio de la comunidad archivística. Esta investigación proporciona valiosos conocimientos que pueden ser utilizados por el proyecto NAFAN e informar a otros proyectos al servicio de los investigadores y archiveros de archivos, de aquellos que deseen aprovechar los datos descriptivos de los archivos y de los investigadores de archivos y usuarios de archivos para explorar nuevas vías de investigación para sus propias investigaciones.

Inteligencia Artificial, Ética y Creatividad Artística: actividades

Inteligencia Artificial, Ética y Creatividad Artística: actividades. Santiago de Chile: Ministerio de Educación, 2023

Texto completo

Programa de inteligencia artificial para 7° básico a I medio: fundamentos, ética y creatividad artística, desarrollado para fomentar el trabajo y reforzar la capacidad creativa e imaginativa de niñas, niños y adolescentes.

Promueve la discusión sobre temas éticos en torno a la Inteligencia Artificial generativa, junto al plan de estudios del MIT “Creative AI: A middle school curriculum about Creativity, Generative AI and Ethics” (Inteligencia artificial creativa: un currículum sobre creatividad, inteligencia artificial generativa y ética para la enseñanza media), en español.

Compuesto por 6 módulos con actividades autoexplicativas y recursos para el trabajo teórico y práctico (suma equivalente a 14 clases de 45 minutos). Está desarrollado para las asignaturas de Tecnología e Historia, Geografía y Ciencias Sociales de 7° básico a I medio, con oportunidades de integración curricular con Artes Visuales, Historia, Geografía y Ciencias Sociales y Orientación. Estas actividades son perfectamente adaptables, a otras asignaturas o niveles, así como a talleres y actividades extracurriculares.

Ciudadanía Digital para los desafíos de las comunidades educativas

Ciudadanía Digital para los desafíos de las comunidades educativas. Santiago de Chile: Ministerio de Educación, 2023

Texto completo

El documento “Ciudadanía Digital para los desafíos de las comunidades educativas” entrega el nuevo marco propuesto por el Ministerio de Educación para comprender la Ciudadanía Digital en un contexto educativo.

Este documento contiene la definición de Ciudadanía Digital y sus cuatro dimensiones: Alfabetización digital crítica y reflexiva, Cuidado y responsabilidades digitales, Participación ciudadana digital y Creatividad digital e innovación, además de la vinculación de estos conceptos con los desafíos de Formación Ciudadana y de Desarrollo Profesional Docente.

Guía para Docentes – Cómo usar ChatGPT para potenciar el aprendizaje activo

Guía para Docentes – Cómo usar ChatGPT para potenciar el aprendizaje activo. Santiago de Chile: Ministerio de Educación, 2023

Texto completo

En el marco del fortalecimiento de la Ciudadanía Digital impulsado por el Mineduc, este documento ofrece una guía práctica para que los y las docentes exploren cómo aprovechar estas nuevas herramientas para potenciar el aprendizaje activo de los y las estudiantes.

El 85% de los trabajadores estadounidenses han utilizado herramientas de IA para realizar tareas en el trabajo

«Insights from American Workers: A Survey on AI in the Workplace». Checkr. Accedido 30 de mayo de 2023. https://checkr.com/resources/articles/ai-workplace-survey-2023.

En el panorama tecnológico en rápida evolución, ha surgido una tendencia que ha cambiado las reglas del juego para las empresas de todo el mundo: la adopción generalizada de la Inteligencia Artificial (IA) en el lugar de trabajo. A medida que nos adentramos en 2023, la IA ha pasado de ser una palabra de moda a una fuerza transformadora que está revolucionando la forma en que las organizaciones operan, innovan e interactúan con sus clientes.

Checkr encuestó a trabajadores estadounidenses de cuatro generaciones para conocer sus opiniones sobre la adopción de herramientas de IA generativa en el trabajo; si los trabajadores creen que la IA podría sustituirles algún día; su uso de herramientas de IA en el trabajo; cómo podría afectar la IA a los puestos de trabajo y a la remuneración en 2023; el impacto de la IA en el equilibrio entre la vida laboral y personal; qué generación de trabajadores teme más el papel de la IA en el lugar de trabajo, y mucho más.

  • El 85% de los trabajadores estadounidenses han utilizado herramientas de IA para realizar tareas en el trabajo. Los Millennials lideran el grupo con un 89% que afirma haber utilizado la IA en el trabajo.
  • El 69% de los trabajadores estadounidenses -el 63% de los Boomers, el 65% de los Gen Xers, el 76% de los Millennials y el 71% de los Gen Zers- afirman estar de acuerdo o dudar si contar a sus jefes el uso de la IA en el trabajo por miedo a ser sustituidos por las herramientas que utilizan.
  • El 79% de los trabajadores estadounidenses se sienten presionados para aprender más sobre las herramientas de IA. Los Millennials lideran el grupo con un 85% sintiendo la mayor presión en el trabajo.
  • El 57% de los trabajadores estadounidenses -el 53% de los Boomers, el 49% de los Gen Xers, el 59% de los Millennials y el 65% de los Gen Xers- afirman que aceptarían un recorte salarial a cambio de una semana laboral de cuatro días con IA.
  • El 86% de los trabajadores estadounidenses -85% de los Boomers, 82% de los Gen Xers, 84% de los Millennials y 92% de los Gen Zers- afirmaron que aceptarían un recorte salarial para trabajar menos, en general, si la IA pudiera ayudarles a realizar todo su trabajo.
  • El 79% de los trabajadores estadounidenses -el 75% de los Boomers, el 81% de los Gen Xers, el 82% de los Millennials y el 76% de los Gen Zers- afirmaron tener miedo o estar indecisos sobre si la IA podría suponer una reducción salarial para las personas en sus puestos.
  • El 74% de los trabajadores estadounidenses -el 71% de los Boomers, el 70% de los Gen Xers, el 81% de los Millennials y el 73% de los Gen Zers- afirmaron estar de acuerdo o indecisos sobre la posibilidad de que la adopción de herramientas de IA les lleve a perder sus puestos de trabajo.
  • El 67% de los trabajadores estadounidenses -el 59% de los Boomers, el 61% de los Gen Xers, el 77% de los Millennials y el 69% de los Gen Zers- afirmaron que gastarían su propio dinero en mejorar sus conocimientos sobre IA para evitar ser sustituidos.
  • El 74% de los estadounidenses -el 70% de los Boomers, el 69% de los Gen Xers, el 78% de los Millennials y el 79% de los Gen Zers- dijeron que creen que se van a producir despidos por IA en los próximos seis meses a dos años.

En conclusión: la IA se utiliza cada vez más en diversos aspectos del trabajo, desde la automatización de tareas repetitivas hasta el análisis avanzado de datos y la toma de decisiones.

¿Sustituirá ChatGPT al motor de búsqueda de Google?

«Will ChatGPT Replace the Google Search Engine?», 26 de mayo de 2023. https://www.boldare.com/blog/will-chatgpt-replace-google-search-engine.

ChatGPT ha arrasado en el sector digital, conquistando corazones y mentes por igual. Y esto ha ocurrido por una razón. Es fácil de usar, gratuito y lleno de usos potenciales. Es potente, pero no ilimitado. En pocas palabras: no, ChatGPT no sustituirá al motor de búsqueda de Google. Puede que se haga con parte del tráfico pero, al menos por ahora

ChatGPT, o modelos lingüísticos similares, son potentes herramientas para generar textos de apariencia humana y ayudar a los usuarios a encontrar información. Sin embargo, es importante señalar que ChatGPT está diseñado como agente conversacional y no como motor de búsqueda.

Google Search y ChatGPT parecen similares. Hay un campo en el que se introduce la consulta y, a continuación, se obtiene un resultado: en el caso de Google, se trata de una lista de sitios web (aunque no sólo: en los últimos años, Google ha empezado a mostrar los denominados resultados enriquecidos, que pretenden responder a la pregunta del usuario a nivel de motor de búsqueda); en el caso de ChatGPT, se trata de una respuesta completa a una pregunta determinada.

Google vs ChatGPT no se trata simplemente de una competición entre un motor de búsqueda clásico y la IA. Google lleva tiempo utilizando algoritmos de IA para responder a las consultas de los usuarios. RankBrain, Neural Matching, Bert, MUM: estos son los algoritmos de IA más populares que Google ha introducido en su motor de búsqueda en los últimos años.

BERT (Bidirectional Encoder Representations from Transformers) se lanzó en 2018 y ayuda al motor de búsqueda a procesar y comprender el lenguaje natural. Se basa en la arquitectura Transformer – al igual que el modelo GPT utilizado por ChatGPT.

¿Cómo funciona ChatGPT?

ChatGPT es un modelo lingüístico probabilístico diseñado para seguir y ejecutar instrucciones. Ha sido entrenado con un conjunto específico de datos textuales para ejecutar las instrucciones con la mayor precisión posible. Lo hace generando tokens: secuencias de caracteres y palabras, basadas en una distribución de probabilidades.

En pocas palabras, lo que hace básicamente la inteligencia artificial es analizar las estadísticas y la secuencialidad del orden de las palabras y construir cadenas con las palabras más probables. El aspecto que aún no es visible en el propio ChatGPT -pero lo será en su iteración Bing o en el modelo fuente OpenAI Playground- es la posibilidad de definir el parámetro «temperatura». Esta característica permite a los usuarios decidir cuánto puede desviarse el modelo de la información que ha aprendido de su conjunto de datos.

En la práctica, el parámetro de temperatura indica si los tokens (palabras) utilizados deben tener el nivel de probabilidad más alto. Esto tiene un enorme impacto en el efecto final. Si decide añadir sólo las palabras más probables, el resultado será muy plano, repetitivo y esquemático. Si permite el uso de tokens de menor rango, más aleatorios, obtendrá un resultado más versátil e interesante.

Los posibles errores y elucubraciones en las respuestas se deben a que, aunque los modelos se entrenan con enormes cantidades de datos textuales, no son capaces de entender el mundo de forma humana ni de verificar la veracidad de la información como harían las personas. En su lugar, se basan en estructuras lingüísticas y patrones aprendidos a partir de los datos de entrenamiento.

Por ejemplo, cuando se le pregunta sobre algún tema científico, puede citar determinados trabajos de investigación, junto con sus títulos, autores, fechas de publicación, etc. Pero una vez que se empieza a buscar esos trabajos, a menudo resulta que nunca han existido. Todo depende de cuánta información y cuántas citas sobre un tema determinado había en el corpus de texto utilizado para entrenar el modelo.

Por consiguiente, aunque el resultado generado por un modelo sea gramaticalmente correcto y suene sensato, puede contener información falsa, o información «inventada» por el modelo. De ahí viene el concepto de «alucinación»

Y por eso hay que tener en cuenta que, aunque la IA sea una herramienta poderosa para la generación de textos, sigue requiriendo supervisión y evaluación humanas, sobre todo si la información que proporciona se va a utilizar para tomar decisiones importantes o en situaciones en las que el uso de datos precisos y exactos es esencial. Por eso, utilizar ChatGPT como alternativa a los motores de búsqueda -incluido Google- está prácticamente descartado.

ChatGPT no es un motor de búsqueda, es un procesador de texto. Como su nombre indica, su función es procesar texto. También puede generar textos, pero para ello debe recibir alguna entrada o un patrón a seguir. No escribirá una entrada de blog por ti (es decir, puede hacerlo, pero el escritor debe comprobar la información generada por el chatbot). ChatGPT puede resultar útil para varios usos: puede codificar, corregir, analizar y categorizar contenidos, etcétera. Pero no funcionará como motor de búsqueda.

Aunque los modelos de IA conversacional como ChatGPT pueden proporcionar respuestas instantáneas y ayudar a los usuarios en determinadas tareas, no tienen la misma amplitud y profundidad de información que un motor de búsqueda como Google. Es más acertado considerar los modelos de IA conversacional y los motores de búsqueda como herramientas complementarias que como competidores directos. La IA conversacional puede ser útil para proporcionar respuestas rápidas y entablar conversaciones interactivas, mientras que los motores de búsqueda destacan en la recuperación de una amplia gama de información de la inmensidad de Internet.

En conclusión: Hay que tener en cuenta que la tecnología está en constante evolución y que es posible que surjan nuevos avances en el futuro. Sin embargo, por ahora, es poco probable que los modelos de IA conversacional sustituyan por completo a los motores de búsqueda como Google Search. En cambio, es probable que sigan coexistiendo y complementándose de diferentes maneras para atender las diversas necesidades de información de los usuarios.

Herramientas gratuitas para detectar tesis, trabajos de investigación, tareas, documentación y blogs generados por modelos de IA. ChatGPT, GPT-4, Bard y Claude

«Top 10 Tools for Detecting ChatGPT, GPT-4, Bard, and Claude». KDnuggets (blog). Accedido 30 de mayo de 2023. https://www.kdnuggets.com/top-10-tools-for-detecting-chatgpt-gpt-4-bard-and-claude.html.

Vivimos en una época de auge de la inteligencia artificial (IA), en la que cada semana aparecen nuevos modelos lingüísticos de gran tamaño (LLM) que pueden escribir como los humanos. Estos modelos pueden generar contenidos muy creativos y, por desgracia, algunos estudiantes y profesionales los utilizan indebidamente para plagiar.

Como resultado, las herramientas de detección de IA se han convertido en algo esencial en todas las aulas, lugares de trabajo e institutos de investigación. Todas las herramientas mencionadas en este blog son gratuitas, y algunas de ellas incluso vienen con extensiones de Chrome para que puedas detectar contenidos sobre la marcha.

  1. GPTZero

GPTZero se ha mejorado significativamente. Ahora es muy preciso, fácil de usar e incluye una extensión para Chrome. Puede utilizarlo para detectar una amplia gama de texto generado por IA, incluido el texto de los últimos modelos como Bard (PalM 2), ChatGPT, GPT-4 y otros modelos de código abierto. Además, es rápido y resalta el texto generado para facilitar su identificación.

  1. OpenAI AI Text Classifier

AI Text Classifier de OpenAI es muy preciso, pero no proporciona información adicional sobre el contenido. Funciona para New Bard, ChatGPT, GPT-4 y otros modelos basados en LLaMA.

  1. CopyLeaks

CopyLeaks. Es un verificador de plagio rápido y preciso que viene con una simple extensión de Chrome. Incluso puedes pasar el ratón sobre el texto resaltado para comprobar la popularidad de la IA. Puede detectar Bard, ChatGPT, GPT-4 y otros grandes modelos lingüísticos (LLM).

  1. Typeset

Academic AI Detector es un poco diferente de las otras herramientas mencionadas. Es muy preciso, pero se diseñó específicamente para detectar contenido académico en PDF. No hay opción de copiar y pegar por el momento, pero el equipo técnico está trabajando para añadir esa característica. Puedes cargar cualquier tipo de trabajo académico como PDF y Typeset generará resultados. Typeset detecta contenido generado por Bard, ChatGPT y HuggingChat, y lo ha detectado todo con precisión.

  1. Moderación de Hive

La detección de contenidos generados por AI Generative Content Detection a veces identifica erróneamente contenidos generados por humanos como IA. Para garantizar resultados fiables, es aconsejable disponer de una herramienta de respaldo cuando se utilice como recurso principal. Además, ofrece la capacidad de detectar imágenes generadas por IA de plataformas como DALL-E, Midjourney y Stable Diffusion.

  1. Content at Scale

AI Content Detector de Content at Scale es fácil de usar y produce informes bastante precisos sobre predictibilidad, probabilidad y patrón. Funciona con todo tipo de modelos lingüísticos de gran tamaño (LLM) más recientes y destaca el contenido en función de la probabilidad variable de que la IA genere trabajo…

  1. Hello Simple AI

 ChatGPT Detector de Hello Simple AI es una herramienta gratuita y de código abierto que puede utilizarse para detectar texto generado por ChatGPT. Está alojada en Hugging Face Spaces y proporciona resultados rápidos y bastante precisos. El detector no es tan preciso como OpenAI AI Text Classifier, pero proporciona dos métricas (GLTR y probabilidad PPL) que pueden ayudar a determinar si el contenido está generado por IA o no.

  1. OpenAI Detector

OpenAI Detector es una herramienta gratuita y de código abierto que puede utilizarse para detectar texto generado por el modelo de lenguaje GPT de OpenAI. Está alojado en Hugging Face Spaces y proporciona resultados rápidos. Sin embargo, el detector puede ser muy impreciso, especialmente cuando se trata de detectar versiones más recientes de los modelos de OpenAI y otros modelos de lenguaje de gran tamaño de código abierto.

  1. AI Detector 

AI Detector  es una herramienta bastante precisa que puede utilizarse para detectar texto generado por ChatGPT, Bard y otras versiones antiguas de grandes modelos lingüísticos (LLM). Sin embargo, no es capaz de detectar versiones más recientes de LLM. Esto se debe a que funciona analizando la sintaxis y la semántica del texto, y los LLM más recientes son mejores generando texto que no se distingue del texto escrito por humanos.

  1. Writer.com

El Detector de Contenido AI de Writer se presenta como la opción menos precisa con una limitación de 1500 caracteres. Sirve como solución alternativa cuando otras herramientas no están disponibles o son ineficaces.