Esta semana en AI, 18 de agosto: OpenAI en problemas financieros • Stability AI anuncia StableCode - KDnuggets

Reeditado por Platón

seguidores: 0

### ALT###
Imagen creada por Editor con Midjourney

Bienvenido a la edición de esta semana de "Esta semana en IA" en KDnuggets. Esta publicación semanal seleccionada tiene como objetivo mantenerlo al tanto de los desarrollos más convincentes en el mundo de la inteligencia artificial que avanza rápidamente. Desde titulares innovadores que dan forma a nuestra comprensión del papel de la IA en la sociedad hasta artículos que invitan a la reflexión, recursos de aprendizaje perspicaces e investigaciones destacadas que superan los límites de nuestro conocimiento, esta publicación proporciona una descripción general completa del panorama actual de la IA. Esta actualización semanal está diseñada para mantenerlo actualizado e informado en este campo en constante evolución. ¡Estén atentos y feliz lectura!

La sección "Titulares" analiza las principales noticias y desarrollos de la semana pasada en el campo de la inteligencia artificial. La información abarca desde políticas gubernamentales de IA hasta avances tecnológicos e innovaciones corporativas en IA.

???? ChatGPT en problemas: OpenAI puede ir a la quiebra para 2024, el bot de IA le cuesta a la empresa $ 700,000 por día

OpenAI enfrenta problemas financieros debido a los altos costos de ejecución de ChatGPT y otros servicios de IA. A pesar del rápido crecimiento inicial, la base de usuarios de ChatGPT ha disminuido en los últimos meses. OpenAI está luchando por monetizar de manera efectiva su tecnología y generar ingresos sostenibles. Mientras tanto, continúa quemando efectivo a un ritmo alarmante. Con el aumento de la competencia y la escasez de GPU empresariales que obstaculizan el desarrollo de modelos, OpenAI necesita encontrar urgentemente caminos hacia la rentabilidad. Si no lo hace, la bancarrota puede estar en el horizonte para la puesta en marcha pionera de IA.

???? Stability AI anuncia StableCode, un asistente de codificación de IA para desarrolladores

Stability AI ha lanzado StableCode, su primer producto de IA generativa optimizado para el desarrollo de software. StableCode incorpora múltiples modelos capacitados en más de 500 mil millones de tokens de código para proporcionar un autocompletado inteligente, responder a instrucciones en lenguaje natural y administrar largos tramos de código. Si bien la IA conversacional ya puede escribir código, StableCode está diseñado específicamente para aumentar la productividad de los programadores mediante la comprensión de la estructura y las dependencias del código. Con su capacitación especializada y modelos que pueden manejar contextos largos, StableCode tiene como objetivo mejorar los flujos de trabajo de los desarrolladores y reducir la barrera de entrada para los aspirantes a codificadores. El lanzamiento representa la incursión de Stability AI en las herramientas de codificación asistidas por IA en medio de una creciente competencia en el espacio.

???? Presentamos la superalineación de OpenAI

OpenAI está trabajando de manera proactiva para abordar los riesgos potenciales de la IA superinteligente a través de su nuevo equipo de superalineación, que utiliza técnicas como el aprendizaje reforzado a partir de la retroalimentación humana para alinear los sistemas de IA. Los objetivos clave son el desarrollo de métodos de entrenamiento escalables que aprovechen otros sistemas de IA, la validación de la solidez del modelo y la prueba de estrés de la tubería de alineación completa, incluso con modelos desalineados intencionalmente. En general, OpenAI tiene como objetivo mostrar que el aprendizaje automático se puede realizar de manera segura mediante enfoques pioneros para dirigir de manera responsable la superinteligencia.

???? Aprende mientras buscas (y navegas) usando IA generativa

Google está anunciando varias actualizaciones a sus capacidades de inteligencia artificial de generación de motores de búsqueda (SGE), incluidas definiciones de desplazamiento para temas de ciencia/historia, resaltado de sintaxis codificado por colores para descripciones generales del código y un experimento inicial llamado "SGE mientras navega" que resume los puntos clave y ayuda a los usuarios. explorar páginas al leer contenido de formato largo en la web. Estos tienen como objetivo mejorar la comprensión de temas complejos, mejorar la digestión de la información de codificación y ayudar a la navegación y el aprendizaje a medida que los usuarios navegan. Las actualizaciones representan los esfuerzos continuos de Google para hacer evolucionar su experiencia de búsqueda de IA en función de los comentarios de los usuarios, con un enfoque en la comprensión y la extracción de detalles clave del contenido web complejo.

???? Together.ai extiende Llama2 a una ventana de contexto de 32k

LLaMA-2-7B-32K es un modelo de lenguaje de contexto largo de código abierto desarrollado por Together Computer que extiende la longitud de contexto de LLaMA-2 de Meta a 32K tokens. Aprovecha optimizaciones como FlashAttention-2 para permitir una inferencia y un entrenamiento más eficientes. El modelo fue entrenado previamente utilizando una combinación de datos que incluyen libros, documentos y datos de instrucción. Se proporcionan ejemplos para el ajuste fino en tareas de resumen y control de calidad de formato largo. Los usuarios pueden acceder al modelo a través de Hugging Face o usar OpenChatKit para realizar ajustes personalizados. Como todos los modelos de lenguaje, LLaMA-2-7B-32K puede generar contenido sesgado o incorrecto, lo que requiere precaución en su uso.

La sección "Artículos" presenta una variedad de piezas que invitan a la reflexión sobre inteligencia artificial. Cada artículo profundiza en un tema específico y ofrece a los lectores información sobre varios aspectos de la IA, incluidas nuevas técnicas, enfoques revolucionarios y herramientas innovadoras.

📰 Hoja de trucos de LangChain

Con LangChain, los desarrolladores pueden crear aplicaciones basadas en lenguaje de inteligencia artificial capaces sin reinventar la rueda. Su estructura componible facilita la combinación de componentes como LLM, plantillas de solicitud, herramientas externas y memoria. Esto acelera la creación de prototipos y permite la integración perfecta de nuevas capacidades a lo largo del tiempo. Ya sea que esté buscando crear un chatbot, un bot de control de calidad o un agente de razonamiento de varios pasos, LangChain proporciona los componentes básicos para ensamblar IA avanzada rápidamente.

📰 Cómo usar ChatGPT para convertir texto en una presentación de PowerPoint

El artículo describe un proceso de dos pasos para usar ChatGPT para convertir texto en una presentación de PowerPoint, primero resumiendo el texto en títulos y contenido de diapositivas, luego generando código Python para convertir el resumen a formato PPTX usando la biblioteca python-pptx. Esto permite la creación rápida de atractivas presentaciones a partir de extensos documentos de texto, superando los tediosos esfuerzos manuales. Se proporcionan instrucciones claras sobre la elaboración de las indicaciones de ChatGPT y la ejecución del código, lo que ofrece una solución automatizada eficiente para las necesidades de presentación.

📰 Desafíos abiertos en la investigación LLM

El artículo proporciona una descripción general de 10 direcciones de investigación clave para mejorar los modelos de lenguajes grandes: reducir la alucinación, optimizar la longitud/construcción del contexto, incorporar datos multimodales, acelerar modelos, diseñar nuevas arquitecturas, desarrollar alternativas de GPU como chips fotónicos, crear agentes utilizables, mejorar el aprendizaje de retroalimentación humana, mejorar las interfaces de chat y expandirse a idiomas distintos del inglés. Cita documentos relevantes en estas áreas, señalando desafíos como representar las preferencias humanas para el aprendizaje por refuerzo y construir modelos para idiomas de bajos recursos. El autor concluye que mientras algunos temas como el multilingüismo son más tratables, otros como la arquitectura requerirán más avances. En general, la experiencia técnica y no técnica de los investigadores, las empresas y la comunidad será fundamental para orientar los LLM de manera positiva.

📰 Por qué (probablemente) no necesita afinar un LLM

📰 Mejores prácticas para usar el modelo OpenAI GPT

El artículo describe las mejores prácticas para obtener resultados de alta calidad al usar los modelos GPT de OpenAI, basándose en la experiencia de la comunidad. Recomienda proporcionar indicaciones detalladas con detalles específicos como duración y personalidad; instrucciones de varios pasos; ejemplos para imitar; referencias y citas; tiempo para el pensamiento crítico; y ejecución de código para mayor precisión. Seguir estos consejos para instruir a los modelos, como especificar pasos y personas, puede conducir a resultados más precisos, relevantes y personalizables. La guía tiene como objetivo ayudar a los usuarios a estructurar las indicaciones de manera efectiva para aprovechar al máximo las poderosas capacidades generativas de OpenAI.

📰 Estamos todos equivocados acerca de la IA

El autor argumenta que las capacidades actuales de la IA están subestimadas y usa ejemplos como la creatividad, la búsqueda y la personalización para contrarrestar los conceptos erróneos comunes. Afirma que la IA puede ser creativa mediante la recombinación de conceptos, no simplemente generando ideas aleatorias; no es solo un motor de búsqueda sobrealimentado como Google; y puede desarrollar relaciones personalizadas, no solo habilidades genéricas. Si bien no está seguro de qué aplicaciones resultarán más útiles, el autor insta a tener una mente abierta en lugar de desdén, enfatizando que la mejor manera de determinar el potencial de la IA es mediante la exploración práctica continua. Concluye que nuestra imaginación en torno a la IA es limitada y que sus usos probablemente superen con creces las predicciones actuales.

La sección "Herramientas" enumera aplicaciones y scripts útiles creados por la comunidad para aquellos que quieren ponerse a trabajar con aplicaciones prácticas de IA. Aquí encontrará una variedad de tipos de herramientas, desde grandes bases de código integrales hasta pequeños scripts de nicho. Tenga en cuenta que las herramientas se comparten sin respaldo y sin garantía de ningún tipo. ¡Haga su propia tarea en cualquier software antes de instalarlo y usarlo!

🛠️ MetaGPT: el marco multiagente

MetaGPT toma un requisito de una línea como entrada y salida de historias de usuario/análisis competitivo/requisitos/estructuras de datos/API/documentos, etc. Internamente, MetaGPT incluye gerentes de producto/arquitectos/gerentes de proyecto/ingenieros. Proporciona todo el proceso de una empresa de software junto con SOP cuidadosamente orquestados.

🛠️ Entrenador de GPT LLM

El objetivo de este proyecto es explorar una nueva canalización experimental para entrenar un modelo específico de tareas de alto rendimiento. Tratamos de abstraer toda la complejidad, por lo que es lo más fácil posible pasar de la idea al modelo completamente entrenado.

Simplemente ingrese una descripción de su tarea y el sistema generará un conjunto de datos desde cero, lo analizará en el formato correcto y ajustará un modelo LLaMA 2 para usted.

🛠️ DoctorGPT

DoctorGPT es un modelo de idioma grande que puede aprobar el examen de licencia médica de EE. UU. Este es un proyecto de código abierto con la misión de proporcionar a todos su propio médico privado. DoctorGPT es una versión del modelo de lenguaje grande de 2 mil millones de parámetros Llama7 de Meta que se ajustó en un conjunto de datos de diálogo médico y luego se mejoró aún más utilizando el aprendizaje por refuerzo y la IA constitucional. Dado que el modelo tiene solo 3 Gigabytes de tamaño, cabe en cualquier dispositivo local, por lo que no es necesario pagar una API para usarlo.