¿Te pasa a menudo que ves algunos sustantivos extraños y algunos conceptos desconocidos, como por ejemplo aperturas desnudas, arbitraje de fondos de financiación, etc.? Buscas con un motor de búsqueda impulsado por IA y los resultados que obtienes a veces son totalmente diferentes. Hoy, desde una perspectiva académica, te enseñaré cómo entender y leer los conceptos y los métodos del mundo cripto; “enseñar a pescar”
Primero, hablemos del punto de vista de las fuentes de información. Con el auge de modelos grandes como GPT, DeepSeek GLM, etc., para las personas comunes la obtención de información se ha vuelto mucho más amplia. Pero un fenómeno interesante es que, cuanto más fácil es acceder a la información, más ansiosos nos volvemos, sin saber a dónde ir a buscarla. ¿Dónde está el problema? Dos dolores centrales 👇
❗️Alucinaciones de la IA
En esencia, los modelos grandes son motores de predicción probabilística. Cuando los datos de entrenamiento son insuficientes o el problema se sale de los límites, inventan con confianza referencias, datos y conclusiones que parecen razonables, pero que en realidad no existen.
❗️Relación información-ruido demasiado baja
Llega una cantidad masiva de información, pero no puedes distinguir entre autoridad y ruido. Esto coincide totalmente con lo que en ciencia cognitiva se conoce como el problema de tener demasiadas opciones: ¿no es como apilarte muchas guías de apoyo en el escritorio de tu secundaria/preparatoria, sin saber por cuál empezar?
Primero, hablemos de la solución: búsqueda aumentada + validación cruzada de múltiples agentes
La idea central es realmente la misma que la dirección principal en la academia para resolver las alucinaciones: hacer que el modelo responda solo con fuentes confiables.
Herramienta: Google NotebookLM
¿Por qué elegir NotebookLM? Porque lo que subas como material, él responderá solo basándose en esos materiales. En esencia, es un sistema ligero de RAG; al limitar el desempeño del modelo a nivel de arquitectura, reduce significativamente la probabilidad de alucinaciones.
🔬 Flujo de trabajo (con plantilla de prompts)
Paso 1 · Determinar la dirección de la investigación; obtener un conjunto de literatura clásica usando cualquier herramienta de IA; introducir el siguiente mensaje:
"En [algún campo/concepto], ¿cuáles son 10 artículos clásicos con alto número de citas?"
Paso 2 · Descargar la literatura
Descarga los artículos anteriores mediante Google Scholar.
Paso 3 · Subir a NotebookLM (para simplificar, a continuación lo denominamos en general NLM)
Sube la literatura a NLM y construye tu propia base de conocimientos privada.
Paso 4 · Preguntas cruzadas con múltiples IAs para provocar un debate académico
Pregunta simultáneamente a múltiples IAs (como el mecanismo de coordinación de múltiples agentes del equipo de expertos WorkBuddy), para que distintos modelos respondan desde perspectivas diferentes:
"¿Cuáles son, respectivamente en la academia y en la industria, los marcos subyacentes de este concepto? ¿Qué controversias centrales existen?"
💡 ¿Por qué usar varias IAs? Un solo modelo tiene sus limitaciones. La validación cruzada con varios modelos puede revelar de manera efectiva los sesgos de cada uno, de forma similar a la lógica de la revisión por pares académica.
Paso 5 · Alimentar las controversias de nuevo a NLM; verificar en los artículos originales las discrepancias y controversias expuestas en el paso anterior; y volver a formular preguntas a NLM:
"Con base en la literatura cargada, ¿cuáles son los núcleos de estas controversias? ¿Cómo responden los artículos?"
—Usa NLM para decidir entre las discrepancias de las IAs
Paso 6 · Hacer que la IA amplíe el análisis de las respuestas de NLM
Después de obtener la respuesta basada en literatura de NLM, se la das nuevamente a la IA:
"Indique las limitaciones de los puntos de vista anteriores y los posibles problemas lógicos. A partir de estas limitaciones, ¿qué direcciones de investigación se pueden ampliar?"
🔄 Ciclo cerrado: iterar hasta que lo entiendas
Paso 4→5→6 ciclo de ejecución; en cada ronda:
Exponer nuevos sesgos cognitivos y ampliar nuevas perspectivas
En el próximo artículo, llevaré a todos a un análisis profundo del discurso de los fundadores de DeepSeek, que recientemente se volvió tan popular. Primero lanzamos la piedra para marcar el camino y enseñarles cómo aprovechar mejor la IA en nuestra vida.
—Si crees que este artículo te resulta útil o te inspira, espero que puedas dar like y seguir; pero ayudar a mis amigos de la comunidad también es una forma de alegría para mí.