{"id":1232,"date":"2025-01-31T11:29:13","date_gmt":"2025-01-31T10:29:13","guid":{"rendered":"https:\/\/blogs.ugr.es\/tecweb\/?p=1232"},"modified":"2025-01-31T11:29:13","modified_gmt":"2025-01-31T10:29:13","slug":"son-los-prompts-una-evolucion-del-querying","status":"publish","type":"post","link":"https:\/\/blogs.ugr.es\/tecweb\/son-los-prompts-una-evolucion-del-querying\/","title":{"rendered":"\u00bfSon los prompts una evoluci\u00f3n del querying?"},"content":{"rendered":"<p><a href=\"https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-1234 alignleft\" src=\"https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga.jpg\" alt=\"se ve a una persona buscando en una biblioteca tradicional\" width=\"218\" height=\"218\" srcset=\"https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga.jpg 800w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-300x300.jpg 300w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-700x700.jpg 700w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-150x150.jpg 150w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-100x100.jpg 100w\" sizes=\"auto, (max-width: 218px) 100vw, 218px\" \/><\/a>Tradicionalmente, en la teor\u00eda sobre recuperaci\u00f3n de informaci\u00f3n, se habla de dos enfoques fundamentales para acceder y recuperar informaci\u00f3n. Autores cl\u00e1sicos como Marchionini (1) o Belkin (2) nos han contado que existen dos m\u00e9todos diferentes: el querying (conocido como b\u00fasqueda anal\u00edtica) y browsing (navegaci\u00f3n). Ambos mecanismos responden a diferentes necesidades y comportamientos del usuario y, adem\u00e1s, suelen complementarse en la mayor\u00eda de los sistemas de recuperaci\u00f3n de informaci\u00f3n modernos.<\/p>\n<p>&nbsp;<\/p>\n<h2><strong>Lo haces sin pensar, el browsing<\/strong><\/h2>\n<p>El browsing se emplea en los sistemas de recuperaci\u00f3n de informaci\u00f3n para facilitar a los usuarios la posibilidad de explorar informaci\u00f3n de manera semiestructura. La clave est\u00e1 en que no se necesita de una consulta expl\u00edcita para empezar a buscar. Cuando consultas un directorio o, simplemente, navegas por una p\u00e1gina, en realidad lo que est\u00e1s haciendo es \u201cbuscar\u201d informaci\u00f3n, pero sin que tengas que hacer nada m\u00e1s que seleccionar entre las opciones que el sistema te ofrece. Este mecanismo es muy flexible, ya que sirve tanto para situaciones donde tienes una necesidad de informaci\u00f3n muy clara o para justo lo contario, no tienes ni idea de lo que necesitas y quieres descubrir conocimiento nuevo de manera org\u00e1nica o natural.<\/p>\n<p>Los sistemas que emplean este m\u00e9todo se basan en el concepto de <strong>exploraci\u00f3n libre<\/strong>. El usuario navega a trav\u00e9s de una serie de enlaces, categor\u00edas o estructuras jer\u00e1rquicas (nota mental: revisar bibliograf\u00eda sobre la relaci\u00f3n que existe entre la consolidaci\u00f3n de la web, la usabilidad web y la b\u00fasqueda de informaci\u00f3n por browsing).<\/p>\n<p>Ni que decir tiene que, en esta modalidad, la interfaz que se emplea es un elemento fundamental. Al apoyarse la b\u00fasqueda en mecanismos como men\u00fas, mapas, v\u00ednculos, nubes de etiquetas, etc. la usabilidad juega un papel fundamental en estos sistemas. No s\u00f3lo a la hora de crearlos, sino tambi\u00e9n a la hora de evaluarlos y analizar su efectividad.<\/p>\n<p>El hecho de no requerir de una consulta expl\u00edcita inicial es una de las caracter\u00edsticas fundamentales de estos sistemas. No es necesario que introduzcas t\u00e9rminos para localizar lo que necesitas. Tan solo tienes que navegar y dejarte llevar. Esto confluye en una de las cosas que, particularmente, creo que es m\u00e1s interesante de este m\u00e9todo: <strong>la serendipia<\/strong>. Es una palabra preciosa que descubr\u00ed cuando trabajaba en la revista <a href=\"https:\/\/revista.profesionaldelainformacion.com\/index.php\/EPI\/index\" target=\"_blank\" rel=\"noopener\">El profesional de la informaci\u00f3n<\/a> (gracias, Tom\u00e0s por ense\u00f1\u00e1rmela) y que me parece b\u00e1sica en este m\u00e9todo. Hacer descubrimientos inesperados tras seguir una ruta no planificada es justo la forma que tienen nuestras neuronas de generar conocimiento nuevo. Y es, precisamente, la manera que tiene el browsing de enriquecer la navegaci\u00f3n y la manera en la que se busca informaci\u00f3n. Aunque es algo problem\u00e1tica si eres una persona dispersa, eso s\u00ed &#x1f60a;<\/p>\n<p>As\u00ed que las ventajas que presenta este m\u00e9todo se pueden agrupar en:<\/p>\n<ul>\n<li>Es un m\u00e9todo de b\u00fasqueda perfecto para usuarios que no saben c\u00f3mo formular su necesidad de informaci\u00f3n.<\/li>\n<li>Reduce la carga cognitiva, al guiar al usuario, mediante una estructura m\u00e1s o menos clara, hacia lo que responde a su necesidad de informaci\u00f3n.<\/li>\n<li>Fomenta el \u201caprendizaje accidental\u201d<\/li>\n<\/ul>\n<p>De todo esto se pueden deducir sus inconvenientes. B\u00e1sicamente hay dos y ya se han ido avanzado en las l\u00edneas anteriores. Por un lado, todo depende de que exista una organizaci\u00f3n de la informaci\u00f3n bien dise\u00f1ada. Precisamente por eso son tan importantes lo arquitectos de la informaci\u00f3n web. Y, para los que somos dispersos, aumenta el riesgo de desorientarse, tanto en la estructura (muchas veces no tenemos claro qu\u00e9 camino seguir) como en el contenido (empiezas buscando una cosa y terminas viendo un v\u00eddeo de un gatito en YouTube).<\/p>\n<p>&nbsp;<\/p>\n<h2><strong><a href=\"https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-1.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"alignright  wp-image-1235\" src=\"https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-1.jpg\" alt=\"una serie de bloques de lego simulando una b\u00fasqueda en una base de datos\" width=\"329\" height=\"329\" srcset=\"https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-1.jpg 800w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-1-300x300.jpg 300w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-1-700x700.jpg 700w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-1-150x150.jpg 150w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-1-100x100.jpg 100w\" sizes=\"auto, (max-width: 329px) 100vw, 329px\" \/><\/a>Querying. Esto ya requiere pensar<\/strong><\/h2>\n<p>Tambi\u00e9n se conocen como consultas o como b\u00fasqueda anal\u00edtica. Estos sistemas se basan en la formulaci\u00f3n expl\u00edcita de consultas. Estas consultas emplean una serie de palabras clave unidas entre s\u00ed con diferentes tipos de operadores que forman ecuaciones de b\u00fasqueda. El gran <a href=\"https:\/\/www.lluiscodina.com\/ecuaciones-de-busqueda-bases-datos-operadores-booleanos\/\" target=\"_blank\" rel=\"noopener\">Llu\u00eds Codina tiene una entrada en su blog<\/a> muy buena sobre el tema.<\/p>\n<p>El p\u00e1rrafo anterior no s\u00f3lo sirve para describirlas sino que, adem\u00e1s, nos permite deducir muchos de los elementos que tienen impl\u00edcitas este tipo de b\u00fasquedas.<\/p>\n<p>El primero de ellos es muy evidente: se usan cuando se tiene una necesidad de informaci\u00f3n clara y precisa. \u00bfY por qu\u00e9 clara y precisa? Porque, si te fijas, necesitas traducir tu necesidad de informaci\u00f3n a palabras que expresan los conceptos por los que est\u00e1s buscando. En ese sentido, quiero comentar que hay muchos estudios que relacionan lo que necesitas con lo que realmente buscas o, mejor dicho, con los t\u00e9rminos que empleas para la b\u00fasqueda. De hecho, dentro del entorno SEO hay toda una corriente de estudio que se centra en la relaci\u00f3n que existe entre el \u201csearch intent\u201d (lo que necesitas), tus \u201ckeyword search\u201d (las palabras que usas para buscar) y el \u201ckeyword mapping\u201d (establecer relaciones entre la intenci\u00f3n de b\u00fasqueda de un usuario y las palabras que se emplean en un sitio web).<\/p>\n<p>Pero claro, no todo son palabras. Para que una ecuaci\u00f3n de b\u00fasqueda funcione es necesario unirlas con operadores. Realmente eso es lo que le aporta la sem\u00e1ntica (significado) a tu b\u00fasqueda. Esto requiere que el usuario tenga conocimiento sobre c\u00f3mo hacer las ecuaciones de b\u00fasqueda, qu\u00e9 operadores se usan en cada sistema de recuperaci\u00f3n de informaci\u00f3n y c\u00f3mo funciona la interfaz de b\u00fasqueda del sistema que est\u00e1 consultando para sacarle el m\u00e1ximo provecho.<\/p>\n<p>Por lo que se puede ver hasta ahora, este tipo de b\u00fasquedas son mucho m\u00e1s complicadas que las del browsing, porque requieren de un nivel de formaci\u00f3n por parte del usuario que, habitualmente, no se posee. Este tipo de cosas no suelen formar parte del curr\u00edculum docente de ninguna disciplina, por lo que es f\u00e1cil entender que la mayor\u00eda de la gente hace b\u00fasquedas muy pobres. Y, si no lo crees, piensa en las \u00faltimas b\u00fasquedas que has hecho en Google, que es un sistema de recuperaci\u00f3n que emplea este m\u00e9todo, y analiza la cantidad de operadores que has usado.<\/p>\n<p>Aunque este sistema es el que ofrece mejores resultados en la b\u00fasqueda, tiene el gran inconveniente de la formaci\u00f3n. Requiere que el usuario est\u00e9 formado en las t\u00e9cnicas de recuperaci\u00f3n de informaci\u00f3n para sacarle el m\u00e1ximo provecho, minimizar el ruido (cantidad de informaci\u00f3n no relevante que recueras) y que no se sienta frustrado. Pocos estudios existen sobre el nivel de frustraci\u00f3n que siente el usuario a la hora de buscar en bases de datos que emplean este sistema.<\/p>\n<p>Entre los muchos problemas que presenta este m\u00e9todo hay uno que siempre me ha apasionado, y est\u00e1 relacionado con el nivel de formaci\u00f3n del usuario, y es la aparici\u00f3n de \u00edndices. Antes mencion\u00e9 que este sistema se basa en la combinaci\u00f3n de palabras clave con operadores. Pues imagina que, para rizar el rizo, hay sistemas en los que no te puedes inventar esas palabras clave, sino que las tienes que sacar de un \u00edndice de palabras \u201caprobadas\u201d para ser usadas en la b\u00fasqueda. Esto complica mucho m\u00e1s la cosa, ya que a\u00f1ade un escal\u00f3n m\u00e1s de dificultad a su uso. Tengo pendiente un art\u00edculo sobre la Googlelizaci\u00f3n de los cat\u00e1logos de bibliotecas debido a este problema y c\u00f3mo esto ha generado un problema mayor: matar moscas a ca\u00f1onazos. Pero eso es para otra entrada.<\/p>\n<p>&nbsp;<\/p>\n<h2><strong>\u00bfY si mezclamos los dos sistemas?<\/strong><\/h2>\n<p>Con el paso del tiempo ambos sistemas han evolucionado hasta fusionarse uno con el otro. Son los sistemas h\u00edbridos, me combinan ambos enfoques para aprovechar las ventajas que tiene cada uno de ellos y minimizar los inconvenientes.<\/p>\n<p>Hoy en d\u00eda es muy normal encontrarse con motores de b\u00fasqueda (que emplean el querying para hacer consultas) que ofrecen sugerencias autom\u00e1ticas o filtros facetados para refinar los resultados de una consulta concreta.<\/p>\n<p><a href=\"https:\/\/youtube.com\/\" target=\"_blank\" rel=\"noopener\">Youtube<\/a>, <a href=\"https:\/\/spotify.com\/\" target=\"_blank\" rel=\"noopener\">Spotify<\/a> o <a href=\"https:\/\/music.amazon.com\/\" target=\"_blank\" rel=\"noopener\">Amazon Music<\/a>, por ejemplo, permiten buscar por un v\u00eddeo espec\u00edfico (querying) o explorar las diferentes recomendaciones que te ofrece (browsing).<\/p>\n<p>O bibliotecas digitales, como <a href=\"https:\/\/www.europeana.eu\/\" target=\"_blank\" rel=\"noopener\">Europeana<\/a>, que cuentan con opciones de b\u00fasqueda avanzada junto a sistemas de navegaci\u00f3n tem\u00e1tica.<\/p>\n<p>&nbsp;<\/p>\n<h2><strong>Y ahora aparecen los prompts<\/strong><\/h2>\n<p><a href=\"https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-2.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"alignright  wp-image-1236\" src=\"https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-2.jpg\" alt=\"una visi\u00f3n de un mundo futurista\" width=\"366\" height=\"366\" srcset=\"https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-2.jpg 800w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-2-300x300.jpg 300w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-2-700x700.jpg 700w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-2-150x150.jpg 150w, https:\/\/blogs.ugr.es\/tecweb\/wp-content\/uploads\/sites\/55\/2025\/01\/descarga-2-100x100.jpg 100w\" sizes=\"auto, (max-width: 366px) 100vw, 366px\" \/><\/a>Un prompt es una instrucci\u00f3n que se env\u00eda a un sistema de inteligencia artificial para guiar su comportamiento y generar una respuesta o acci\u00f3n espec\u00edfica. Aunque suelen ser textuales, lo cierto es que la cosa avanza tan r\u00e1pido que pueden ser tambi\u00e9n enviadas de viva voz o, como el <a href=\"https:\/\/community.openai.com\/t\/acesss-to-openais-chatgpt-live-vision-feature\/1053848\" target=\"_blank\" rel=\"noopener\">\u00faltimo avance de ChatGPT<\/a>, por medio de un v\u00eddeo.<\/p>\n<p>El prompt act\u00faa como una especie de gu\u00eda donde se define la tarea que queremos que lleve a cabo la IA. Aunque lo ideal es acompa\u00f1ar esta gu\u00eda con m\u00e1s elementos, como especificar el formato de salida esperado, el tono, ejemplos de lo que se busca, etc.<\/p>\n<p>Si se hace una mezcla con los trabajos de Brown (3), Wei (4) y Reynolds (5) se pueden organizar los tipos de prompts seg\u00fan:<\/p>\n<ul>\n<li>El contexto de uso. Que incluye los que se usan en IA generativa de texto, im\u00e1genes y c\u00f3digo<\/li>\n<li>La t\u00e9cnica de dise\u00f1o. Que aglutina a los \u201czero-shot\u201d (sin ejemplos previos), los \u201cfew-shot\u201d (con ejemplos para guiar al modelo en el formato o estilo de salida deseado), los prompts de cadena de pensamiento (los que solicitan que se explique el razonamiento paso a paso), los de rol (que asignan un rol o perspectiva espec\u00edfica al modelo para contextualizar la respuesta) y, con delimitadores (usa s\u00edmbolos o frases para estructura la instrucci\u00f3n y evitar ambig\u00fcedades).<\/li>\n<li>La complejidad. Pueden ser simples (instrucciones directas o concisas), compuestos (combinan m\u00faltiples tarras o restricciones) o iterativos (parten de una conversaci\u00f3n extendida donde el usuario refina la solicitud bas\u00e1ndose en respuestas previas)<\/li>\n<li>El control del formato. Pueden ser abiertos (dan libertar creativa al modelo) o estructurados (especifican restricciones claras).<\/li>\n<li>La retroalimentaci\u00f3n. Se trata de los prompts con ajuste por retroalimentaci\u00f3n, usados en entrenamiento de modelos para alinear respuestas con preferencias humanas.<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<p>Y, a todos estos, habr\u00eda que unirle un tipo de prompt que se ha puesto muy de moda \u00faltimamente, que son los que dise\u00f1a el propio modelo de IA. Se ha extendido mucho el truco de decirle al modelo algo como: \u201cact\u00faa como si fueras un ingeniero de prompts y mejora el siguiente prompt\u201d para, a continuaci\u00f3n, copiar el prompt generado y lanzarlo de nuevo al sistema como si fuera propio.<\/p>\n<p>&nbsp;<\/p>\n<h2><strong>Vale, pero entonces, \u00bfson los prompts una evoluci\u00f3n del querying?<\/strong><\/h2>\n<p>Pues, bajo mi punto de vista, s\u00ed y no.<\/p>\n<p>Los prompts son una evoluci\u00f3n del querying, una extensi\u00f3n natural, pero a\u00f1adiendo caracter\u00edsticas ampliadas gracias al uso del lenguaje natural y las ventajas que esta tiene. Hay cosas en las que se parecen, pero hay muchas m\u00e1s en las que difieren.<\/p>\n<p>La mayor semejanza la encontramos en que ambos sistemas parten de una misma intenci\u00f3n: la acci\u00f3n de recuperar informaci\u00f3n. Al igual que cuando se hace una ecuaci\u00f3n en un motor de b\u00fasqueda, el prompt pretende obtener informaci\u00f3n para resolver una necesidad concreta. Y esa acci\u00f3n se lleva a cabo, adem\u00e1s, por medio de soluciones simples (ecuaciones de b\u00fasqueda de pocas palabras, incluso sin operadores y prompts muy sencillos) o muy completas (justo lo contrario en ambos casos).<\/p>\n<p>Tambi\u00e9n se parecen en la complejidad. Hacer una ecuaci\u00f3n de b\u00fasqueda simple es sencillo. Pon s\u00f3lo un par de t\u00e9rminos en Google y ya la tienes hecha. Del mismo modo, hacer un prompt sencillo tambi\u00e9n es muy f\u00e1cil. Es m\u00e1s, creo que la mayor\u00eda de la gente los hace as\u00ed. Sin embargo, hacer ambas cosas bien es complicado. A nadie se le escapa que hacer buenas ecuaciones de b\u00fasqueda para querying es muy complejo y requiere de amplios conocimientos t\u00e9cnicos por parte del usuario. Pues hacer un buen prompt tambi\u00e9n. De hecho, en los \u00faltimos a\u00f1os ha surgido la disciplina del <strong>prompt engineering<\/strong>, que tiene como objetivo la optimizaci\u00f3n de prompts para obtener resultados precisos. Sin embargo, aqu\u00ed terminan las semejanzas.<\/p>\n<p>En el querying las b\u00fasquedas tienen una estructura, una sintaxis, muy r\u00edgida. De hecho, si no se combinan las palabras clave con los operadores en un orden espec\u00edfico la respuesta puede ser desde un horror hasta un error. Sin embargo, los prompts permiten usar el lenguaje natural para expresar las necesidades de informaci\u00f3n, reduciendo el problema a algo mas sencillo: las capacidades expresivas que tenga el usuario. Habr\u00e1 que analizar hasta qu\u00e9 punto afecta a la recuperaci\u00f3n la capacidad que tenga un usuario de expresar correctamente lo que necesita.<\/p>\n<p>A diferencia de lo que sucede en los sistemas de recuperaci\u00f3n que emplean el querying para hacer consultad, los modelos de IA permiten que, por medio de una simple conversaci\u00f3n, se puedan obtener refinamientos iterativos. Es decir, pedirle al sistema que te proporcione una respuesta m\u00e1s simple, que le aplique contexto, que le ponga ejemplos, que la cambie a otro idioma\u2026 Esto es algo que en los sistemas tradicionales es imposible. Incluso en aquellos que permit\u00edan la posibilidad de retroalimentaci\u00f3n por relevancia (relevance feedback) tampoco se llegaba tan lejos (6).<\/p>\n<p>Ya sabemos que una consulta en un sistema de recuperaci\u00f3n de informaci\u00f3n cl\u00e1sico te ofrecer\u00e1, como resultado de tu b\u00fasqueda, informaci\u00f3n existente (generalmente los documentos que haya en la base de datos que contengan los t\u00e9rminos por los que se ha buscado). Sin embargo, un prompt de un modelo de IA crea contenido nuevo (textual, im\u00e1genes, c\u00f3digo o v\u00eddeo). Esto es algo que trasciende la mera recuperaci\u00f3n, facilitando al usuario la tarea de obtener la respuesta de forma directa, y no de manera indirecta como hacen los sistemas tradicionales.<\/p>\n<p>Como he mencionado antes, la elecci\u00f3n de t\u00e9rminos de b\u00fasqueda es un elemento clave en los sistemas de recuperaci\u00f3n de informaci\u00f3n basados en querying. O se usa el t\u00e9rmino correcto o no se recupera lo que se quieren. Los sistemas basados en prompts son capaces de <strong>interpretar<\/strong> la intenci\u00f3n impl\u00edcita y el contexto, aportando una mayor precisi\u00f3n en las respuestas.<\/p>\n<p>&nbsp;<\/p>\n<h2><strong>Pues parece claro que son un m\u00e9todo aparte<\/strong><\/h2>\n<p>Bas\u00e1ndome en todo lo que he comentado aqu\u00ed, entiendo que los prompts son un m\u00e9todo aparte. Suponen un paradigma nuevo y diferenciado de los dos sistemas cl\u00e1sicos que ya exist\u00edan.<\/p>\n<p>Los prompts han cambiado la relaci\u00f3n usuario sistema. Para ello establecen un <strong>di\u00e1logo colaborativo<\/strong> con el usuario. En lugar de que se lleve a cabo una consulta unidireccional (usuario -&gt; sistema), los prompts establecen una conversaci\u00f3n bidireccional con el usuario. Gracias a este conjunto de preguntas y respuestas se clarifica la necesidad de informaci\u00f3n y se proponen alternativas conforme va evolucionando el proceso de b\u00fasqueda.<\/p>\n<p>Al contrario de lo que sucede con los historiales de b\u00fasqueda cl\u00e1sicos, los modelos de IA <strong>recuerdan el contexto de las interacciones previas<\/strong> en una misma sesi\u00f3n (que, adem\u00e1s se puede recuperar en cualquier momento), facilitando retrotraerse a diferentes puntos del proceso de b\u00fasqueda y favoreciendo la aparici\u00f3n de forks (algo novedoso dentro del mundo de la recuperaci\u00f3n de informaci\u00f3n).<\/p>\n<p>Por si esto fuera poco, los modelos de IA, gracias al uso de prompts correctos, permiten la ejecuci\u00f3n de tareas que van m\u00e1s all\u00e1 de la simple recuperaci\u00f3n de informaci\u00f3n. Pueden <strong>actuar<\/strong>, escribiendo c\u00f3digo, traduciendo textos, generando im\u00e1genes e, incluso, interactuar con nuestros dispositivos gracias a los asistentes.<\/p>\n<p>Si se hace una pregunta a un sistema de recuperaci\u00f3n de informaci\u00f3n sobre el precio del oro en la actualidad, lo que vas a obtener es un dato objetivo. Sin embargo, esta pregunta hecha a un modelo de IA con un prompt adecuado, <strong>aportar\u00e1 creatividad y subjetividad<\/strong>, inform\u00e1ndote de la evoluci\u00f3n en un tiempo determinado, su proyecci\u00f3n de futuro, recomendaciones de compra o venta, etc.<\/p>\n<p>&nbsp;<\/p>\n<h2><strong>Aqu\u00ed tambi\u00e9n hay m\u00e9todos h\u00edbridos<\/strong><\/h2>\n<p>Tampoco quisiera ser muy radical en mis comentarios. Al igual que hay sistemas h\u00edbridos que combinan querying con browsing, tambi\u00e9n existen muchos otros que mezclan lo mejor del querying con las bondades del prompt.<\/p>\n<p>Sin ir muy lejos, la b\u00fasqueda conversacional que ofrece Bing combina las b\u00fasquedas web (querying, que incluso se puede ver como resultado de un prompt cualquiera) con di\u00e1logos tipo prompt para refinar resultados.<\/p>\n<p>Es m\u00e1s, tambi\u00e9n hay asistente que sugieren rutas de exploraci\u00f3n mediante browsing basadas en prompts iniciales. Si se hace una b\u00fasqueda en ChatGPT dici\u00e9ndoles que quieres aprender ingl\u00e9s desde cero te ofrecer\u00e1 diferentes caminos en funci\u00f3n a, si lo que quieres, es aprender m\u00e1s gram\u00e1tica, conversaci\u00f3n o escuchar.<\/p>\n<p>&nbsp;<\/p>\n<h2><strong>A modo de conclusi\u00f3n<\/strong><\/h2>\n<p>Este apartado me ha quedado muy t\u00edpico de la IA, ya que todas ellas suelen hacer algo similar. Pero he de decir que para escribir esta entrada no he usado ning\u00fan modelo de IA, salvo para crear las im\u00e1genes. Son cosas que llevo pensando en el \u00faltimo a\u00f1o y que me he decidido a escribir ahora.<\/p>\n<p>Los prompts son la evoluci\u00f3n natural de querying. Lo que nos hubiera gustado poder hacer cuando empezamos a hacer b\u00fasquedas en bases de datos profesionales hace 20 \u00f3 30 a\u00f1os. Su base, desde el punto de vista t\u00e9cnico (los \u00edndices y la relevancia, fundamentalmente) la han heredado de los sistemas de recuperaci\u00f3n cl\u00e1sica. Pero la capacidad para gestionar el lenguaje natural, el contexto y la posibilidad de generar contenido nuevo los sit\u00faan en una categor\u00eda nueva y mucho m\u00e1s amplia. Por eso mismo, y desde el curso pasado, cuando explico los fundamentos de recuperaci\u00f3n de informaci\u00f3n a mis alumnos, le explico que existen 3 m\u00e9todos para buscar informaci\u00f3n:<\/p>\n<ul>\n<li><strong>Browsing<\/strong>: para la exploraci\u00f3n guiada<\/li>\n<li><strong>Querying<\/strong>, para acceder a datos estructurados<\/li>\n<li><strong>Prompts<\/strong>, para di\u00e1logos creativos<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<p>&nbsp;<\/p>\n<h2><strong>Referencias<\/strong><\/h2>\n<p>1.- Marchionini, G. (1995). <em>Information Seeking in Electronic Environments <\/em>. Cambridge University Press.<\/p>\n<p>2.- Belkin, N. J., Oddy, R. N., &amp; Brooks, H. M. (1982). ASK for information retrieval: Part I. Background and theory. <em>Journal of Documentation <\/em>, 38(2), 61-71.<\/p>\n<p>3.- Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D., Dhariwal, P., &#8230; &amp; Amodei, D. (2020). Language models are few-shot learners.\u00a0<em>Advances in neural information processing systems<\/em>,\u00a0<em>33<\/em>, 1877-1901.<\/p>\n<p>4.- Wei, J., Wang, X., Schuurmans, D., Bosma, M., Xia, F., Chi, E., &#8230; &amp; Zhou, D. (2022). Chain-of-thought prompting elicits reasoning in large language models.\u00a0<em>Advances in neural information processing systems<\/em>,\u00a0<em>35<\/em>, 24824-24837.<\/p>\n<p>5.- Reynolds, L., &amp; McDonell, K. (2021, May). Prompt programming for large language models: Beyond the few-shot paradigm. In\u00a0<em>Extended abstracts of the 2021 CHI conference on human factors in computing systems<\/em>\u00a0(pp. 1-7).<\/p>\n<p>6.- Salton, G. (1989). Automatic Text Processing: The Transformation, Analysis, and Retrieval of Information by Computer.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Tradicionalmente, en la teor\u00eda sobre recuperaci\u00f3n de informaci\u00f3n, se habla de dos enfoques fundamentales para acceder y recuperar informaci\u00f3n. Autores cl\u00e1sicos como Marchionini (1) o Belkin (2) nos han contado que existen dos m\u00e9todos diferentes: el querying (conocido como b\u00fasqueda anal\u00edtica) y browsing (navegaci\u00f3n). Ambos mecanismos responden a diferentes necesidades y comportamientos del usuario y, [&hellip;]<\/p>\n","protected":false},"author":65,"featured_media":1233,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_genesis_hide_title":false,"_genesis_hide_breadcrumbs":false,"_genesis_hide_singular_image":false,"_genesis_hide_footer_widgets":false,"_genesis_custom_body_class":"","_genesis_custom_post_class":"","_genesis_layout":"","footnotes":""},"categories":[20],"tags":[146,148,147,145],"class_list":{"0":"post-1232","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-arquitectura-de-la-informacion-web","8":"tag-browsing","9":"tag-inteligencia-artificial","10":"tag-prompts","11":"tag-querying","12":"entry"},"_links":{"self":[{"href":"https:\/\/blogs.ugr.es\/tecweb\/wp-json\/wp\/v2\/posts\/1232","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blogs.ugr.es\/tecweb\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blogs.ugr.es\/tecweb\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blogs.ugr.es\/tecweb\/wp-json\/wp\/v2\/users\/65"}],"replies":[{"embeddable":true,"href":"https:\/\/blogs.ugr.es\/tecweb\/wp-json\/wp\/v2\/comments?post=1232"}],"version-history":[{"count":3,"href":"https:\/\/blogs.ugr.es\/tecweb\/wp-json\/wp\/v2\/posts\/1232\/revisions"}],"predecessor-version":[{"id":1240,"href":"https:\/\/blogs.ugr.es\/tecweb\/wp-json\/wp\/v2\/posts\/1232\/revisions\/1240"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blogs.ugr.es\/tecweb\/wp-json\/wp\/v2\/media\/1233"}],"wp:attachment":[{"href":"https:\/\/blogs.ugr.es\/tecweb\/wp-json\/wp\/v2\/media?parent=1232"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blogs.ugr.es\/tecweb\/wp-json\/wp\/v2\/categories?post=1232"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blogs.ugr.es\/tecweb\/wp-json\/wp\/v2\/tags?post=1232"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}