1
Arte e IA: la danza creativa entre la visión humana y el aprendizaje automático
Last Updated on octubre 29, 2024 11:26 am by Laszlo Szabo / NowadAIs | Published on octubre 29, 2024 by Laszlo Szabo / NowadAIs Arte e IA: la danza creativa entre la visión humana y el aprendizaje automático – Notas clave Artistas como Refik Anadol y Mario Klingemann lideran un nuevo movimiento en el que la IA sirve tanto de herramienta como de colaborador en la creación de experiencias visuales La fusión del aprendizaje automático con las formas artísticas tradicionales plantea importantes cuestiones sobre la autoría y los derechos de propiedad intelectual Las instalaciones interactivas de IA están cambiando la forma en que el público se relaciona con el arte, creando experiencias personalizadas y basadas en datos Asociaciones entre artistas y máquinas La fusión del arte y la inteligencia artificial (IA) está cambiando la expresión creativa, ofreciendo a los artistas herramientas innovadoras para mejorar su trabajo y relacionarse con el público de formas sin precedentes. A medida que nos adentramos en 2024, este artículo profundiza en el floreciente campo de las colaboraciones artísticas con IA, examinando proyectos notables, implicaciones para la expresión artística y tendencias futuras que prometen redefinir los límites de la creatividad. El surgimiento de las colaboraciones artísticas con IA El concepto de colaboraciones artísticas con IA no es totalmente nuevo; sin embargo, los recientes avances en aprendizaje automático y redes neuronales han impulsado esta intersección hacia el centro de atención. Los artistas aprovechan cada vez más las tecnologías de IA para aumentar sus procesos creativos, lo que da lugar a una interacción dinámica entre el ingenio humano y la inteligencia de las máquinas. Proyectos artísticos destacados relacionados con la IA Instalaciones basadas en datos de Refik Anadol Refik Anadol es un pionero en el campo del arte de la IA, conocido por sus instalaciones inmersivas que transforman los datos en experiencias visuales. Su proyecto“Melting Memories” utiliza algoritmos de aprendizaje automático para analizar grandes conjuntos de datos y crear fascinantes visualizaciones que reflejan la memoria colectiva de la humanidad. El trabajo de Anadol ejemplifica cómo la IA puede servir de medio de expresión artística, difuminando las fronteras entre tecnología y creatividad. Estética neuronal de Mario Klingemann Mario Klingemann es un artista que explora el potencial creativo de las redes neuronales. Su trabajo consiste a menudo en entrenar GAN (Generative Adversarial Networks) en obras de arte existentes para generar nuevas piezas que desafían las nociones tradicionales de autoría. Sus proyectos invitan al espectador a cuestionarse el papel del artista en una época en la que las máquinas pueden crear arte de forma autónoma. Virus mosaico”, de Anna Ridler El proyecto “Mosaic Virus” de Anna R idler combina técnicas tradicionales de dibujo con imágenes generadas por IA. Entrenando una GAN con sus propios dibujos, Ridler crea un diálogo entre la creatividad humana y el aprendizaje automático. Este proyecto pone de relieve cómo los artistas pueden utilizar la IA no sólo como una herramienta, sino como un colaborador que potencia su visión artística. Fábrica del Sol” de Hito Steyerl Esta instalación de vídeo inmersiva critica el trabajo digital y la cultura de la vigilancia, mezclando arte, IA y temas sociopolíticos. Steyerl utiliza simulaciones digitales para cuestionar cómo los datos y las economías virtuales afectan al bienestar personal y social, haciendo hincapié en el impacto omnipresente de la tecnología en nuestras vidas Serie “Emissaries” de Ian Cheng Esta serie utiliza simulaciones en vivo para crear ecosistemas virtuales en los que personajes manejados por IA interactúan dinámicamente. El trabajo de Cheng explora ideas en torno a la adaptación y la evolución en entornos digitales, utilizando la IA para modelar agentes autónomos y realistas que evolucionan con el tiempo, fomentando la reflexión sobre la cognición humana y artificial DALL-E de OpenAI DALL-E de OpenAI es un modelo de IA capaz de generar imágenes a partir de descripciones textuales. Esta tecnología de conversión de texto en imagen permite a los artistas visualizar conceptos difíciles de representar por medios tradicionales. La capacidad de generar imágenes únicas a partir de indicaciones sencillas abre nuevas vías para la exploración artística y la narración de historias. Implicaciones para la expresión artística La integración de la IA en el proceso artístico tiene profundas implicaciones para nuestra forma de entender la creatividad. A medida que los artistas adoptan estas tecnologías, surgen varios temas clave: Redefinición de la autoría La cuestión de la autoría se vuelve cada vez más compleja en las colaboraciones artísticas con IA. Cuando una obra de arte es generada por un algoritmo entrenado a partir de piezas existentes, ¿quién posee los derechos? Esta ambigüedad pone en tela de juicio las nociones tradicionales de propiedad y plantea consideraciones éticas sobre la propiedad intelectual. Ampliar las posibilidades creativas La IA es una poderosa herramienta para ampliar las posibilidades creativas. Los artistas pueden experimentar con estilos, técnicas y conceptos que pueden quedar fuera de su repertorio habitual. Esta libertad fomenta la innovación y permite explorar nuevos lenguajes artísticos que combinan la intuición humana con la precisión de las máquinas. Nuevas formas de atraer al público Las instalaciones interactivas impulsadas por la IA invitan al público a interactuar con el arte de formas novedosas. Al incorporar datos en tiempo real o la participación del público, los artistas pueden crear experiencias inmersivas que fomenten conexiones más profundas entre los espectadores y las obras de arte. Desafío a la estética tradicional La estética del arte generado por IA a menudo difiere de las formas tradicionales, lo que suscita debates sobre lo que constituye la belleza y el valor en el arte. A medida que las máquinas generan obras que pueden carecer de emoción o intención humana, se anima al público a reconsiderar sus definiciones de arte y creatividad. Fomentar la colaboración entre disciplinas La intersección de arte y tecnología fomenta la colaboración entre disciplinas, animando a los artistas a trabajar junto a científicos, ingenieros y tecnólogos. Este enfoque interdisciplinario da lugar a proyectos innovadores que combinan perspectivas y conocimientos diversos. Tendencias futuras de la colaboración entre arte y tecnología De cara a 2024
Orion, de OpenAI: ¿La próxima frontera de la inteligencia artificial?
Last Updated on octubre 28, 2024 1:23 pm by Laszlo Szabo / NowadAIs | Published on octubre 25, 2024 by Laszlo Szabo / NowadAIs Orion, de OpenAI: ¿La próxima frontera de la inteligencia artificial? – Notas clave Orion promete multiplicar por 100 el rendimiento de GPT-4, con capacidades avanzadas de razonamiento y procesamiento multimodal El modelo se basa en proyectos anteriores como Strawberry (Q-star) y OpenAI-o1, centrados en el pensamiento del Sistema 2 y la generación de datos sintéticos Entre los principales retos se encuentran abordar los prejuicios, garantizar la privacidad, mantener la transparencia y gestionar el impacto medioambiental del despliegue a gran escala de la IA La inteligencia artificial evoluciona a un ritmo vertiginoso y OpenAI se sitúa a la vanguardia de esta evolución. A medida que nos acercamos al final de 2024, el mundo de la tecnología bulle de expectación ante el próximo modelo de OpenAI, cuyo nombre en clave es Orion. Este ambicioso proyecto promete redefinir los límites de las capacidades de la IA, ofreciendo potencialmente una asombrosa mejora 100 veces superior a su predecesor, GPT-4. Orion representa algo más que una simple actualización; simboliza un salto cuántico en la tecnología de IA. Con sus avanzadas capacidades de razonamiento y procesamiento multimodal, Orion está llamada a transformar sectores que van desde la creación de contenidos a la investigación científica. Evolución de los modelos de OpenAI De GPT-3 a GPT-4: un camino de rápidos avances La trayectoria de OpenAI en el desarrollo de grandes modelos lingüísticos ha sido nada menos que notable. La progresión de GPT-3 a GPT-4 marcó una enorme evolución en las capacidades de IA. GPT-3, lanzado en 2020, asombró al mundo con su capacidad para generar texto similar al humano y realizar una amplia gama de tareas lingüísticas. Sin embargo, la GPT-4, presentada en 2023, subió aún más el listón. GPT-4 introdujo capacidades multimodales que le permitían procesar tanto texto como imágenes. Este avance abrió nuevas posibilidades para aplicaciones de IA en diversos ámbitos. La mejora de las capacidades de razonamiento y la ampliación de la base de conocimientos del modelo lo convirtieron en una poderosa herramienta para la resolución de problemas complejos y tareas creativas. Los pasos intermedios: Proyecto Strawberry y OpenAI-o1 Antes del esperado lanzamiento de Orion, OpenAI ha estado trabajando en proyectos intermedios para mejorar aspectos específicos de la funcionalidad de la IA. El proyecto Strawberry, también conocido como Q-star, se centró en mejorar las capacidades de razonamiento de la IA. El objetivo de este proyecto era imitar la forma humana de resolver problemas aplicando lo que los investigadores denominan “pensamiento del Sistema 2”, que permite a la IA adoptar un enfoque más comedido ante tareas complejas. Otro avance significativo fue el proyecto de síntesis de datos OpenAI-o1. El objetivo de esta iniciativa era generar datos de entrenamiento sintéticos de alta calidad, abordando uno de los retos críticos del desarrollo de la IA: la necesidad de disponer de conjuntos de datos diversos y amplios para entrenar modelos con eficacia. Preparando el terreno para Orion Estos pasos intermedios han sido cruciales para sentar las bases de Orion. Al centrarse en áreas específicas como el razonamiento y la síntesis de datos, OpenAI ha podido perfeccionar y mejorar las tecnologías subyacentes que impulsarán su modelo de próxima generación. Se espera que los conocimientos adquiridos en estos proyectos contribuyan significativamente a las capacidades de Orion, convirtiéndolo en la culminación de años de investigación y desarrollo en IA. Presentación de Orion: Características y capacidades Razonamiento avanzado y resolución de problemas Una de las características más esperadas de Orión es su capacidad de razonamiento avanzado. Partiendo de las bases sentadas por el Proyecto Strawberry, se espera que Orión demuestre una capacidad de resolución de problemas sin precedentes. Esto podría traducirse en la capacidad de manejar tareas matemáticas y lógicas complejas con un nivel de precisión que rivaliza con el de los expertos humanos. Las implicaciones de un razonamiento tan avanzado son de gran alcance. En campos como la investigación científica, el análisis financiero y el desarrollo de software, Orión podría ser una herramienta poderosa para abordar problemas complejos y generar soluciones novedosas. Su capacidad para “reflexionar” sobre situaciones complejas antes de llegar a conclusiones podría conducir a una toma de decisiones más fiable y perspicaz asistida por IA en diversos sectores. Procesamiento multimodal mejorado Mientras que GPT-4 introdujo funciones básicas de procesamiento de imágenes, Orion está preparado para llevar la IA multimodal a nuevas cotas. Se espera que el modelo integre a la perfección el procesamiento de texto, imágenes y vídeo, abriendo un mundo de posibilidades para la creación de contenidos, el análisis y la interacción. Esta capacidad multimodal mejorada podría actualizar campos como la producción de medios, la educación y la realidad virtual. Imagínese una inteligencia artificial capaz no sólo de comprender y generar texto, sino también de crear, editar y analizar contenidos visuales con igual destreza. Escala y rendimiento sin precedentes ‘GPT Next’ logrará un aumento de 3 OOMs. Grandes ideas de la #KDDISummit. Tadao Nagasaki, de @OpenAI Japan, desveló los planes de “GPT Next”, que promete un salto de órdenes de magnitud (OOM). Este modelo de IA aspira a un volumen computacional 100 veces mayor que GPT-4, utilizando recursos similares pero… pic.twitter.com/fMopHeW5ww – Shaun Ralston (@shaunralston) 3 de septiembre de 2024 Quizá la afirmación más llamativa de Orion es que supuestamente multiplica por 100 la capacidad de GPT-4. Aunque las métricas exactas de esta mejora aún no se han revelado, un salto tan significativo sugiere un modelo de escala y complejidad sin precedentes. Este enorme aumento del rendimiento podría manifestarse de varias maneras: Tiempos de procesamiento y respuesta más rápidos Comprensión más matizada del contexto y de las sutilezas del lenguaje Mejora de la memoria a largo plazo y de la coherencia en conversaciones extensas Mayor precisión en tareas especializadas de diversos ámbitos La magnitud de las capacidades de Orion podría ampliar los límites de lo que actualmente consideramos posible con la IA, acercándonos potencialmente a la inteligencia general artificial (AGI). La tecnología de
Artículo de uso informático de Anthropic: IA que funciona como un ser humano
Last Updated on octubre 23, 2024 8:47 am by Laszlo Szabo / NowadAIs | Published on octubre 23, 2024 by Laszlo Szabo / NowadAIs Artículo de uso informático de Anthropic: IA que funciona como un ser humano – Notas clave Claude 3.5 Sonnet ya puede navegar por los ordenadores como los humanos: moviendo cursores, haciendo clic y escribiendo texto a través de una API beta La función se centra en tareas informáticas habituales, como la introducción de datos, la cumplimentación de formularios y la automatización de la investigación Entre las medidas de seguridad se incluyen clasificadores para evitar usos indebidos y directrices claras para la implementación por parte de los desarrolladores El Sonnet 3.5 de Anthropic evoluciona de la asistencia a la autonomía Presentamos una versión mejorada de Claude 3.5 Sonnet, y un nuevo modelo, Claude 3.5 Haiku. También estamos introduciendo una nueva capacidad en beta: el uso del ordenador. Ahora los desarrolladores pueden indicar a Claude que utilice el ordenador como lo hacen las personas: mirando la pantalla, moviendo el cursor, haciendo clic y escribiendo texto. pic.twitter.com/ZlywNPVIJP – Anthropic (@AnthropicAI) 22 de octubre de 2024 Anthropic, una organización líder en investigación de IA, ha presentado recientemente su último avanceen inteligencia artificial: la función de uso del ordenador en su modelo actualizado, Claude 3.5 Sonnet. Esta innovadora capacidad permite a la IA interactuar con los ordenadores de forma similar a los usuarios humanos, navegando por las pantallas, pulsando botones y escribiendo texto. Este artículo profundiza en los entresijos de esta función, sus implicaciones para diversas industrias y el potencial que encierra para el futuro del trabajo. Contexto histórico La inteligencia artificial ha evolucionado mucho en las últimas décadas. Al principio, los sistemas de IA se diseñaban para realizar tareas sencillas, ayudando a los usuarios con funciones básicas. Sin embargo, a medida que la tecnología avanzaba, se hizo evidente la necesidad de una IA más sofisticada. Esto llevó al desarrollo de modelos capaces de realizar tareas cada vez más complejas, que culminaron con la introducción de modelos como el Soneto Claude 3.5. La necesidad de utilizar ordenadores La integración de la IA en las tareas cotidianas se ha convertido en una necesidad en los lugares de trabajo modernos. Muchos procesos, especialmente en entornos de oficina, implican acciones repetitivas que consumen un tiempo valioso. Al permitir que la IA realice estas tareas, las empresas pueden agilizar las operaciones y mejorar la productividad. Comprender la función de uso del ordenador Cómo funciona La función de uso informático permite a Claude 3.5 Sonnet interactuar con interfaces informáticas de forma similar a como lo haría un ser humano. Esto incluye: Análisis de Pantalla: Claude puede interpretar la información visual mostrada en una pantalla. Movimiento del cursor: La IA puede mover un cursor para hacer clic en botones, enlaces y otros elementos interactivos. Introducción de texto: Claude puede escribir texto, rellenar formularios y ejecutar comandos. Esta funcionalidad es posible gracias a una sofisticada API que permite a los desarrolladores integrar estas capacidades en sus aplicaciones. Aplicaciones en diversos campos Las aplicaciones potenciales de la función de uso del ordenador son muy amplias. Algunas de las áreas clave en las que puede tener un impacto significativo incluyen: Desarrollo de software: Automatización de tareas de codificación repetitivas, lo que permite a los desarrolladores centrarse en problemas más complejos. Introducción de datos: Agilizar los procesos de recopilación de datos permitiendo a Claude rellenar formularios e introducir información directamente. Investigación: Facilitar tareas abiertas como la recopilación y el análisis de datos, haciendo más eficientes los procesos de investigación. Limitaciones actuales A pesar de su potencial, la función de uso del ordenador está aún en fase experimental. Algunas de las limitaciones son: Interacciones propensas a errores: La IA puede tener problemas con tareas complejas que requieran una comprensión matizada. Capacidades limitadas: Aunque Claude puede realizar tareas básicas, las acciones más avanzadas, como arrastrar ventanas o desplazarse, pueden plantear problemas. Ciclo de retroalimentación: Mejorar mediante la interacción con los desarrolladores Fase de pruebas beta Anthropic ha lanzado la función de uso del ordenador en modo beta para recabar la opinión de los desarrolladores. Este enfoque colaborativo permite a la empresa perfeccionar el modelo basándose en el uso en el mundo real y en las opiniones de los usuarios. Al colaborar con los desarrolladores, Anthropic pretende identificar los puntos débiles y las áreas de mejora. Opiniones de los desarrolladores Muchas empresas ya están explorando las capacidades de Claude 3.5 Sonnet. Por ejemplo, plataformas como Asana, Canva y Replit están utilizando la IA para diversas tareas, desde la gestión de proyectos hasta la evaluación de software. Los comentarios de estos desarrolladores son muy valiosos para mejorar el rendimiento y la usabilidad del modelo. Mejora continua Anthropic se compromete a hacer evolucionar la función de uso del ordenador. Analizando los comentarios y las experiencias de los usuarios, la organización planea introducir mejoras iterativas, garantizando que Claude sea más fiable y eficaz con el paso del tiempo. Implicaciones para los trabajadores Transformación del empleo La introducción de capacidades de IA como el uso de ordenadores plantea interrogantes sobre el futuro del trabajo. Mientras algunos temen que estos avances provoquen el desplazamiento de puestos de trabajo, otros sostienen que transformarán las funciones en lugar de eliminarlas. Aumento frente a sustitución: Muchos puestos de trabajo evolucionarán para incorporar la IA como herramienta, mejorando las capacidades humanas en lugar de sustituirlas. Nuevas oportunidades: La demanda de conocimientos de IA crecerá, creando nuevas funciones centradas en la gestión y colaboración con sistemas de IA. Cambios específicos en la industria Los distintos sectores experimentarán distintos grados de transformación: Industria tecnológica: Los desarrolladores pueden encontrarse trabajando junto a la IA para crear soluciones más innovadoras. Sanidad: Las tareas administrativas pueden automatizarse, permitiendo a los profesionales médicos centrarse en la atención al paciente. Finanzas: El análisis de datos y la elaboración de informes pueden agilizarse, mejorando los procesos de toma de decisiones. Seguridad y consideraciones éticas Desarrollo responsable de la IA Como ocurre con cualquier avance tecnológico, el despliegue de la IA
Nuevos modelos de inteligencia artificial Ministral 3B y 8B que podrían sustituir al ChatGPT en tu teléfono
Last Updated on octubre 18, 2024 11:37 am by Laszlo Szabo / NowadAIs | Published on octubre 18, 2024 by Laszlo Szabo / NowadAIs Nuevos modelos de inteligencia artificial Ministral 3B y 8B que podrían sustituir al ChatGPT en tu teléfono – Notas clave Ministral 3B y 8B pueden procesar 128.000 tokens a la vez, lo suficiente para entender un libro entero de una sola vez Ambos modelos funcionan completamente offline en dispositivos locales, ofreciendo una protección de la privacidad sin igual A pesar de su pequeño tamaño, estos modelos superan a competidores de mayor tamaño en múltiples pruebas comparativas Tigres diminutos: Los nuevos modelos de Mistral AI son muy potentes ¡Atención, tecnólogos! Mientras todo el mundo se obsesiona con los enormes modelos de IA que necesitan centros de datos más grandes que Manhattan, Mistral AI acaba de dar un golpe de efecto a toda la industria. Sus nuevos y maravillosos gemelos, Ministral 3B y Ministral 8B, son el equivalente en IA a meter un motor Ferrari en un coche compacto… ¡y vaya si ronronean! Los nuevos chicos del barrio Puede que Ministral 3B y Ministral 8B le parezcan unos adorables cachorritos de IA, pero no se deje engañar por su tamaño. De alguna manera, Mistral AI ha conseguido exprimir las capacidades de estos potentes y compactos cerebros. Estamos hablando de modelos que pueden ejecutarse en tu teléfono sin sudar, algo con lo que esas voluminosas IA basadas en la nube solo pueden soñar. David contra Goliat: El juego de los números Aquí es donde las cosas se ponen salvajes: Ministral 3B sólo tiene 3.000 millones de parámetros (de ahí su nombre), mientras que su hermano mayor, Ministral 8B, tiene 8.000 millones. Pero fíjate: ¡estos pequeños titanes de Mistral AI superan a algunos modelos que les doblan en tamaño! Es como ver a un boxeador ligero noquear al campeón de los pesos pesados. La salsa secreta Lo que deja boquiabierto a todo el mundo es cómo Mistral AI ha diseñado estos modelos. Ministral 3B y Ministral 8B no son sólo versiones reducidas de modelos más grandes, sino que han sido completamente rediseñados desde cero. Hablamos de una arquitectura de transformador densa que es más eficiente que su contable durante la temporada de impuestos. Despiece de la bestia Pongámonos empollones un momento. Tanto Ministral 3B como Ministral 8B pueden manejar una enorme ventana de contexto de 128.000 tokens. Para los no expertos en tecnología, eso es como ser capaz de leer y comprender un libro entero de un tirón. Mistral AI ha conseguido esta hazaña gracias a una ingeniería muy inteligente, que incluye un sofisticado “patrón de atención de ventana deslizante” en Ministral 8B que lo hace más rápido que un guepardo con cafeína. El juego de la privacidad Aquí es donde Mistral AI realmente da en el clavo con Ministral 3B y Ministral 8B: la privacidad. Estos modelos pueden funcionar sin conexión alguna en su dispositivo. Se acabó el envío de datos confidenciales a una granja de servidores en no se sabe dónde. Es como tener un asistente personal genial que también es muy bueno guardando secretos. Músculo del mundo real Pero, ¿qué pueden hacer realmente estas miniaturas de IA? Resulta que mucho. Ministral 3B y Ministral 8B lo están petando en aplicaciones del mundo real. Estamos hablando de servicios de traducción que funcionan sin Internet, asistentes inteligentes que no necesitan llamar a casa y análisis de datos que mantienen tu información confidencial bajo llave. Mistral AI ha creado la navaja suiza de los modelos de inteligencia artificial. El futuro es pequeño Lo que Mistral AI ha hecho con Ministral 3B y Ministral 8B no es sólo impresionante, es ASOMBROSO. Estamos ante el futuro de la IA, y no se trata de construir modelos más grandes, sino más inteligentes. Estas potentes máquinas compactas demuestran que, a veces, lo mejor viene en frasco pequeño. Impacto en la industria Las repercusiones de Ministral 3B y Ministral 8B ya se dejan sentir en el mundo de la tecnología. Mistral AI ha lanzado el guante a los grandes: el tamaño no lo es todo. Estamos viendo cómo desarrolladores y empresas se pelean por hacerse con estos modelos, y las aplicaciones que se les ocurren son alucinantes. Desde robots autónomos hasta dispositivos domésticos inteligentes, Ministral 3B y Ministral 8B se están abriendo camino en todo. Mistral AI ha creado modelos que pueden impulsar la próxima generación de aplicaciones de IA sin necesidad de un superordenador. Estamos hablando de IA que puede funcionar en tu smartphone, smartwatch o incluso en tu nevera. El camino por recorrer ¿Cuál es el futuro de Mistral AI y su dúo dinámico? La empresa ya insinúa versiones especializadas de Ministral 3B y Ministral 8B para sectores específicos. Imagínese modelos personalizados para la sanidad, las finanzas o la educación: las posibilidades son infinitas. Descripciones Parámetros: Las unidades básicas de conocimiento en los modelos de IA. Piense en ellos como si fueran células cerebrales: más no siempre significa más inteligente. Arquitectura de transformador denso: Una forma compacta de construir modelos de IA, como diseñar una casa diminuta en la que cada centímetro de espacio se utiliza de forma eficiente. Token: Un fragmento de texto que la IA puede entender. Puede ser una palabra, parte de una palabra o incluso un signo de puntuación. Ventana de contexto: La cantidad de información que la IA puede tener en cuenta a la vez, como cuántas páginas de un libro puedes retener en tu mente mientras lees. Patrón de atención de ventana deslizante: Una técnica en la que la IA mira la información por trozos, como si leyera un libro a través de una lupa en movimiento. Edge computing: Ejecución de software en dispositivos locales (teléfonos, portátiles) en lugar de enviar datos a servidores remotos. Ajuste: Adaptación de un modelo de IA a tareas específicas, como enseñar a un profesor de conocimientos generales a convertirse en especialista en matemáticas. Preguntas más frecuentes ¿Cómo se compara Ministral 8B con modelos de IA más grandes? Ministral 8B demuestra
Los Vengadores de la IA se reúnen: OpenAI’s Swarm está aquí para salvar tu día digital
Last Updated on octubre 14, 2024 12:35 pm by Laszlo Szabo / NowadAIs | Published on octubre 14, 2024 by Laszlo Szabo / NowadAIs Los Vengadores de la IA se reúnen: Swarm de OpenAI llega para salvar tu día digital – Notas clave OpenAI presenta Swarm, un marco de colaboración entre múltiples agentes de IA Swarm utiliza agentes y traspasos para realizar transiciones de tareas sin interrupciones Aún es experimental, pero está abierto a desarrolladores e investigadores Conozca al Dream Team de la IA que está cambiando las reglas del juego ¡Fuera Vengadores! Hay un nuevo equipo de superhéroes en la ciudad, y no están aquí para salvar al mundo de los extraterrestres, sino para revolucionar la forma en que pensamos sobre la inteligencia artificial. OpenAI, el grupo de cerebritos que no deja dormir a Elon Musk, acaba de lanzar una bomba llamada Swarm. No es una película de serie B sobre abejas asesinas, amigos. Es una estructura que tiene al mundo de la tecnología zumbando más fuerte que un nido de avispones con cafeína. ¿De qué se trata? Imagina un mundo en el que los agentes de IA forman un equipo como la Liga de la Justicia, pero en lugar de luchar contra el crimen, se enfrentan a tus problemas más difíciles. Eso es Swarm en pocas palabras. Es la salsa secreta de OpenAI para conseguir que varios agentes de IA se lleven bien y trabajen juntos sin convertirse en un Señor de las Moscas digital. ¿Las configuraciones tradicionales de IA? Son como pastorear gatos: caóticas, impredecibles y propensas a las bolas de pelo. ¿Pero Swarm? Es el mejor domador de gatos del mundo de la IA. Es ligero, escalable y más suave que un tarro de Skippy recién hecho. El dúo dinámico: Agentes y transferencias En el corazón de Swarm hay dos actores clave: Los agentes y los traspasos. Los agentes son como las herramientas especializadas del cinturón de herramientas de Batman: cada uno tiene un trabajo específico y los conocimientos necesarios para llevarlo a cabo. Pero la verdadera magia ocurre con los traspasos. Se trata de transiciones fluidas que permiten a un agente enlazar con otro, como en la carrera de relevos más eficiente del mundo. Swarm tiene memoria de pez, pero en el buen sentido. Es “apátrida”, lo que significa que no se aferra al equipaje entre tareas. Es como si cada interacción fuera un nuevo comienzo, lo que lo hace perfecto para hacer malabarismos con un montón de tareas sin que se le crucen los cables. Estación de personalización: Tu IA, a tu manera ¿Quieres que tu IA hable como Shakespeare? Hecho. ¿Necesitas que haga números más rápido que un contable con cafeína? No te preocupes. Swarm te permite personalizar tu dream team de IA a tu gusto. Es como Build-A-Bear, pero para cerebros digitales. Y para todos los aficionados al código, Swarm es compatible con la API ChatCompletions de OpenAI. Es una combinación hecha en el paraíso del silicio, que te permite flexionar los músculos de Python para crear sistemas de IA que harán llorar a tus competidores. Deslumbramiento en el mundo real Imagine un servicio de atención al cliente que nunca duerme, nunca se pone de mal humor y siempre sabe la respuesta correcta. O imagina un equipo de análisis de datos que haga números más rápido de lo que tardas en decir “informe trimestral” Ese es el tipo de magia que Swarm está preparando. ¿Te dedicas a la creación de contenidos? Swarm podría ser tu billete a las grandes ligas. Imagínese un escuadrón de creadores de palabras con inteligencia artificial que elaboran campañas de marketing tan personalizadas que sus clientes pensarán que les está leyendo la mente. (Descargo de responsabilidad: Swarm no lee la mente… todavía) Súbete al tren de Swarm ¿Listo para unirte a la fiesta de la IA? Conseguir Swarm es más fácil que pedir una pizza. Sólo tienes que ir a tu terminal con: Copia pip install git https://github.com/openai/swarm.git ¡Boom! Estás en el club. A partir de ahí, todo es cuestión de flexionar esos músculos de codificación. Aquí tienes una muestra de lo que puedes hacer: python Copiar from swarm import Enjambre, Agente cliente = Enjambre() def transferir_a_agente_b(): return agente_b agente_a = Agente( name=“Agente A”, instructions=“Eres la amistosa IA del vecindario“, ) agente_b = Agente( name=“Agente B”, instructions=“Eres el Shakespeare de la era digital”, ) response = client.run( agente=agente_a, mensajes=[{“rol”: “usuario”, “contenido”: “Necesito un poco de sabiduría poética.”}], ) print(respuesta.mensajes[-1][“contenido”]) Así de fácil, ya tienes un dúo dinámico de agentes de IA listos para charlar. La letra pequeña: Emociones experimentales y escalofríos éticos Ahora, antes de que empieces a planear tu dominación mundial impulsada por la IA, frena un poco. Swarm todavía está en fase experimental. Aún no está listo para las grandes ligas de la producción. Piensa en él como el equivalente en inteligencia artificial a un coche conceptual: muy atractivo a la vista, pero aún no está listo para tus desplazamientos diarios. Pero no dejes que eso te impida seguir jugueteando OpenAI está pidiendo a geeks e investigadores que participen y ayuden a dar forma al futuro de los sistemas de IA multiagente. Es como si te invitaran a diseñar el próximo iPhone, pero para cerebros artificiales. El elefante en la habitación: La ética de la IA Por supuesto, un gran poder conlleva una gran responsabilidad (gracias, tío Ben). A medida que avanzamos hacia un futuro en el que los agentes de IA trabajen juntos como una máquina bien engrasada, tenemos que mantener la vista en el premio ético. ¿Dejarán estos equipos de IA superinteligentes sin trabajo a los humanos? ¿Podrían volverse locos y decidir que los humanos no son más que baterías carnosas? (Estas son las preguntas que quitan el sueño a los expertos en ética de la IA, y con razón. La clave está en el trabajo en equipo, y no hablamos sólo de las IA. Necesitamos a gurús de la tecnología, expertos en ética, responsables políticos y peces gordos del mundo de los
Los principales generadores de influencia de la IA en 2024
Last Updated on octubre 10, 2024 11:11 am by Laszlo Szabo / NowadAIs | Published on octubre 10, 2024 by Laszlo Szabo / NowadAIs Los principales generadores de influencia de la IA en 2024 – Notas clave Los generadores de influencers de IA oscilan entre 9 y 49 dólares al mes, lo que hace que la creación de personalidades virtuales sea accesible tanto para particulares como para marcas Las tecnologías FaceLock y ControlNet garantizan un aspecto coherente del personaje en varias imágenes generadas La mayoría de las plataformas ofrecen análisis integrados para realizar un seguimiento del rendimiento de los influencers virtuales y de la participación de la audiencia Las sesiones de fotos virtuales eliminan la necesidad de ubicaciones físicas, al tiempo que mantienen la calidad profesional La IA generativa transforma las redes sociales En la era digital, la creación de influenciadores de IA ha cambiado el mundo del marketing en las redes sociales. Estas personalidades virtuales, generadas por una avanzada tecnología de IA, están cambiando la forma en que las marcas conectan con el público en Internet. La capacidad de crear influenciadores de IA ofrece interesantes posibilidades a las empresas que buscan mejorar su presencia digital y relacionarse con los consumidores de forma innovadora. Este artículo explora los 10 principales generadores para crear influenciadores de IA en 2024. Desde Rendernet AI hasta PixAI, estas plataformas proporcionan herramientas increíbles para diseñar y dar vida a personajes virtuales para diversas plataformas de redes sociales. Tanto si tu objetivo es crear influencers con modelos de IA, generar contenido basado en IA o explorar el reino de las sesiones de fotos virtuales, estos generadores ofrecen una amplia gama de funciones para ayudarte a crear personalidades de IA convincentes que resuenen con tu público objetivo. Rendernet AI – Cree un influenciador de IA hoy mismo, ¡gratis! Rendernet AI es una gran plataforma diseñada para crear influencers AI altamente personalizables e imágenes con personajes. Esta herramienta destaca por su capacidad para mantener la coherencia a través de múltiples imágenes, por lo que es ideal para la creación de personalidades virtuales para el marketing en medios sociales y la creación de contenidos digitales. Tecnología Rendernet AI En el núcleo de la tecnología de Rendernet AI se encuentran funciones como FaceLock y ControlNet. FaceLock garantiza que los personajes mantengan las mismas características faciales en diferentes imágenes, lo que resulta crucial para crear un personaje influyente de IA coherente. ControlNet permite realizar ajustes detallados en las imágenes generadas, lo que permite a los usuarios adaptar los resultados a necesidades específicas, como controlar las poses y los estilos artísticos. Aplicaciones de Rendernet AI La plataforma tiene diversas aplicaciones en distintos sectores. Los dibujantes de cómics y los cineastas la utilizan para mantener la coherencia de los personajes en la narración visual. Los desarrolladores de juegos generan personajes únicos para juegos de rol y aventuras. Los profesionales del marketing crean influenciadores virtuales para campañas de marca, mientras que los educadores producen imágenes atractivas para materiales didácticos. Los minoristas lo utilizan para exhibir sus productos y los particulares crean avatares personalizados para las redes sociales y los juegos. Precios de Rendernet AI Rendernet AI ofrece precios escalonados para adaptarse a diferentes necesidades. El plan Starter cuesta 9,00 USD al mes, el plan Pro 19,00 USD al mes y el plan Max 49,00 USD al mes. Esta estructura de precios hace que sea accesible para varios usuarios, desde creadores de contenido individuales hasta grandes equipos de marketing que buscan crear influenciadores de IA. ForgeFluencer – Crea tus propios influenciadores de IA desde cero ForgeFluencer es una herramienta fácil de usar diseñada para simplificar la creación y gestión de influencers de IA. Esta plataforma ofrece una solución integral para los usuarios que buscan crear contenido de influenciadores ai de forma rápida y eficiente. Modelos de IA de ForgeFluencer El generador de modelos de esta herramienta permite a los usuarios crear identidades digitales únicas para sus influencers. Con controles intuitivos, los usuarios pueden diseñar personajes virtuales realistas que se alineen con su visión de marca. La plataforma garantiza la coherencia de los contenidos generados, manteniendo el aspecto y la personalidad del influencer en varias publicaciones. Generación de contenidos ForgeFluencer ForgeFluencer agiliza el proceso de creación de contenidos con su generador de contenidos de imágenes. Esta función permite a los usuarios producir rápidamente publicaciones de alta calidad, garantizando un flujo constante de contenidos atractivos para sus influencers. La plataforma ofrece un control preciso sobre diversos aspectos, como el encuadre, las emociones, las ubicaciones y los atuendos, lo que permite crear contenidos a medida que se ajustan a estrategias de marketing específicas. ForgeFluencer para profesionales del marketing Para los profesionales del marketing, ForgeFluencer ofrece una solución todo en uno para crear y gestionar influenciadores de IA en todas las plataformas de redes sociales. La eficacia de la herramienta a la hora de generar contenidos coherentes y de alta calidad la hace valiosa para mantener una presencia activa en línea. Además, ForgeFluencer ofrece un catálogo de Photoshoot, que proporciona inspiración y soluciones automatizadas para la generación de contenidos, lo que puede ser especialmente útil para los profesionales del marketing que buscan nuevas ideas para sus campañas. InfluencerFarm – El generador de influencers Ai InfluencerFarm es una plataforma diseñada para simplificar la creación y gestión de influencers virtuales generados por IA. Esta herramienta agiliza el proceso de generación de personalidades digitales únicas, la programación de sesiones de fotos virtuales y la publicación de contenido atractivo a través de diversos temas y lugares. Tecnología de IA de InfluencerFarm La tecnología de IA de la plataforma permite a los usuarios personalizar y crear influencers virtuales únicos con características y nombres específicos. Sus avanzados algoritmos permiten realizar sesiones de fotos virtuales en diversos escenarios sin necesidad de presencia física. Este innovador enfoque de la creación de contenidos ofrece una amplia selección de temas y localizaciones para satisfacer diversas necesidades del panorama del marketing digital. Escalabilidad de InfluencerFarm InfluencerFarm abastece a una amplia gama de industrias, incluyendo marketing, entretenimiento y moda. Su
Nvidia lanza la bomba de la IA NVLM-D-72B: 72.000 millones de razones por las que OpenAI debería asustarse
Last Updated on octubre 4, 2024 11:43 am by Laszlo Szabo / NowadAIs | Published on octubre 4, 2024 by Laszlo Szabo / NowadAIs Nvidia lanza la bomba de la IA NVLM-D-72B: 72.000 millones de razones por las que OpenAI debería asustarse – Notas clave Nvidia lanza NVLM-D-72B como modelo de IA de código abierto, poniendo la tecnología de IA avanzada a disposición de desarrolladores de todo el mundo El modelo contiene 72.000 millones de parámetros y supera a muchos modelos patentados tanto en tareas de lenguaje de visión como de sólo texto Aunque su uso es gratuito, el modelo requiere importantes recursos informáticos, lo que puede limitar su accesibilidad inmediata La carrera armamentística de la inteligencia artificial se vuelve salvaje Nvidia acaba de colarse en la fiesta de la inteligencia artificial con toda la sutileza de un toro en una cacharrería, en un movimiento que ha conmocionado las torres de marfil de Silicon Valley. El peso pesado de la tecnología ha presentado NVLM-D-72B, un monstruoso modelo de IA que no solo está a la altura de los grandes del sector, sino que les está ganando en su propio juego. Y lo mejor es que lo regalan. Ha leído bien. Mientras que empresas como OpenAI y Anthropic mantienen sus modelos de inteligencia artificial más protegidos que Fort Knox, Nvidia está organizando una fiesta en la que dice “llévate nuestro código, por favor”. Es como presentarse a una cena de etiqueta en vaqueros y camiseta, y salir airoso. Conoce a la bestia: 72.000 millones de razones para prestar atención Hablemos de números, porque en este caso el tamaño sí que importa. NVLM-D-72B contiene la friolera de 72.000 millones de parámetros, que es como tener 72.000 millones de diminutas células cerebrales trabajando juntas. Para los curiosos de la tecnología pero reacios a la jerga, imagínese meter en un solo sistema la capacidad cerebral combinada de mil grandes maestros de ajedrez y enseñarle no sólo a jugar al ajedrez, sino también a escribir poesía, analizar fotos y resolver complejos problemas matemáticos. No se trata de otro modelo de inteligencia artificial que se une a la fiesta, sino del que se presenta con mejores jugadas que los demás. Prueba tras prueba, NVLM-D-72B no sólo sigue el ritmo de los pesos pesados del sector, sino que los deja por los suelos. Estamos hablando de puntuaciones que harían derramar su kombucha a cualquier director ejecutivo de tecnología. La salsa secreta: Todo está en el diseño ¿Recuerdas a ese niño del colegio que parecía destacar en todo sin sudar la gota gorda? Eso es NVLM-D-72B en el mundo de la IA. Los ingenieros de Nvidia no se limitaron a construir otra IA, sino que reimaginaron el funcionamiento de estos sistemas desde cero. La magia reside en lo que denominan un “diseño de etiquetado de mosaico 1-D” para el manejo de imágenes. Si esto suena a palabrería técnica, piénsalo de esta manera: mientras otros sistemas de IA miran las imágenes como lo hacemos los humanos, de una sola vez, NVLM-D-72B las divide en pequeñas piezas, como si resolviéramos un rompecabezas de una en una. Parece más lento, pero de algún modo funciona mejor que cualquier otra cosa. Los números no mienten Vayamos al grano, porque la puntuación de esta cosa es absolutamente increíble. En tareas de lenguaje de visión (por ejemplo, ver imágenes y comprender lo que contienen), la NVLM-D-72B arroja cifras que harían que a un estadístico le flaquearan las rodillas: – 59,7 en MMMU (considéralo como el examen SAT de inteligencia artificial) – 65,2 en MathVista (resolución de problemas matemáticos a partir de imágenes) – 853 en OCRBench (lectura de texto a partir de imágenes) Pero aquí es donde se pone realmente interesante: esta IA no sólo es buena en el manejo conjunto de imágenes y texto, sino que es mejor en tareas de sólo texto que los modelos diseñados específicamente para ese fin. Es como descubrir que tu quarterback estrella es también el mejor jugador de ajedrez de la escuela. Por qué es importante (muy importante) Aquí es donde las cosas se ponen picantes. Al hacer que NVLM-D-72B sea de código abierto, Nvidia acaba de entregar las llaves del reino a… bueno, a todo el mundo. Es como si hubieran tomado la receta secreta de la Coca-Cola y la hubieran colgado en Internet. Para los gigantes tecnológicos que han construido sus imperios sobre modelos de IA patentados, esto equivale a ver cómo alguien monta un puesto de limonada gratis justo al lado de su bar de zumos premium. Claro, tu zumo puede ser orgánico y prensado en frío, pero lo gratis es gratis. El efecto David y Goliat Este movimiento es una gran opción para los pequeños de la tecnología. Piénsalo: hasta ahora, si querías competir en el espacio de la inteligencia artificial, necesitabas mucho dinero, miles de millones. ¿Y ahora? Cualquiera con suficientes conocimientos técnicos puede tomar NVLM-D-72B y construir algo asombroso con él. Es como si Nvidia hubiera armado a todos los David de la tecnología con un potente tirachinas. Puede que los Goliats de Silicon Valley sigan teniendo sus ventajas, pero el campo de juego se ha nivelado mucho más. El truco (porque siempre hay un truco) Antes de que empieces a planear tu imperio de startups de IA, hay un pequeño detalle que merece la pena mencionar: ejecutar esta bestia requiere algo de hardware serio. Es como si te dieran las llaves de un coche de Fórmula 1: increíble, pero buena suerte encontrando dónde conducirlo. La potencia de cálculo necesaria para ejecutar NVLM-D-72B a pleno rendimiento no es algo que se pueda encontrar en un portátil normal. Hablamos de configuraciones de hardware que harían chirriar a los profesionales de la tecnología por lo que cuestan. ## La cuestión ética Hablemos del elefante en la habitación: un gran poder conlleva una gran responsabilidad, y NVLM-D-72B tiene más potencia que una central nuclear. El potencial de uso indebido -pensemos en deepfakes, campañas de desinformación o spam automatizado con esteroides- es suficiente para
Meta’s Llama 3.2: el rebaño de la IA entra en territorio multimodal
Last Updated on septiembre 30, 2024 12:15 pm by Laszlo Szabo / NowadAIs | Published on septiembre 30, 2024 by Laszlo Szabo / NowadAIs Meta’s Llama 3.2: El rebaño de la IA entra en territorio multimodal – Notas clave: Meta presenta Llama 3.2, una colección de modelos de IA multimodal que procesan tanto texto como imágenes Los modelos van de 1B a 90B parámetros, aptos para su despliegue en el dispositivo o en la nube El lanzamiento de código abierto pretende democratizar la tecnología de IA en diversas plataformas Un salto pionero hacia la multimodalidad Meta ha presentado Llama 3.2, una innovadora colección de modelos de lenguaje multimodales (LLM) capaces de procesar tanto texto como imágenes. Este lanzamiento pionero marca la incursión de Meta en el reino de la IA multimodal, dando paso a una nueva era de aplicaciones versátiles e inteligentes capaces de comprender y razonar a través de diversas modalidades de datos. Llama 3.2 representa la búsqueda de Meta de tecnologías de IA abiertas y accesibles. Basándose en el éxito de su predecesora, Llama 3.1, que causó sensación con su enorme modelo de 405.000 millones de parámetros, Llama 3.2 introduce una serie de modelos más pequeños y eficientes adaptados para su despliegue en dispositivos móviles y periféricos. Reducción para aumentar la escalabilidad Mientras que el gran tamaño y las exigencias computacionales del modelo Llama 3.1 limitaban su accesibilidad, Llama 3.2 pretende democratizar la IA ofreciendo modelos que puedan ejecutarse en entornos con recursos limitados. Este movimiento estratégico reconoce la creciente demanda de capacidades de IA en los dispositivos, permitiendo a los desarrolladores crear aplicaciones personalizadas que preserven la privacidad y aprovechen la potencia de la IA generativa sin depender de los recursos informáticos de la nube. El rebaño Llama 3.2: Diversidad de capacidades “Llama 3.2 es una colección de grandes modelos lingüísticos (LLM) preentrenados y afinados en tamaños 1B y 3B que son sólo texto multilingüe, y tamaños 11B y 90B que toman tanto texto como imágenes de entrada y texto de salida” Meta declaró. Llama 3.2 incluye una amplia gama de modelos, cada uno de ellos adaptado a casos de uso y escenarios de implantación específicos: Modelos ligeros de sólo texto (1B y 3B) Los modelos ligeros 1B y 3B están diseñados para un despliegue eficiente en el dispositivo y admiten la generación de texto multilingüe y funciones de llamada a herramientas. Estos modelos permiten a los desarrolladores crear aplicaciones con gran capacidad de respuesta y respetuosas con la privacidad que pueden resumir mensajes, extraer elementos de acción y aprovechar herramientas locales como calendarios y recordatorios sin depender de servicios en la nube. Modelos de visión multimodal (11B y 90B) Los modelos de mayor tamaño 11B y 90B incorporan funciones multimodales revolucionarias que les permiten procesar tanto texto como imágenes. Estos modelos destacan en tareas como la comprensión a nivel de documento, incluida la interpretación de tablas y gráficos, el subtitulado de imágenes y la localización visual de objetos a partir de descripciones en lenguaje natural. Aumento del rendimiento y la eficacia Meta ha empleado una serie de técnicas avanzadas para optimizar el rendimiento y la eficiencia de los modelos Llama 3.2. Se han utilizado métodos de poda y destilación para crear modelos más pequeños que conserven los conocimientos y capacidades de sus homólogos más grandes, mientras que la destilación de conocimientos se ha empleado para mejorar el rendimiento de los modelos ligeros. Las exhaustivas evaluaciones llevadas a cabo por Meta sugieren que los modelos Llama 3.2 son competitivos frente a los modelos básicos líderes del sector, como Claude 3 Haiku y GPT4o-mini, en una amplia gama de pruebas comparativas que abarcan la comprensión de imágenes, el razonamiento visual y las tareas lingüísticas. Liberar el potencial multimodal La introducción de funciones multimodales en Llama 3.2 abre un mundo de posibilidades tanto para desarrolladores como para investigadores. Imagine aplicaciones capaces de comprender y razonar sobre datos visuales complejos, como informes financieros, diagramas o planos arquitectónicos, proporcionando información y respondiendo a preguntas basadas tanto en datos textuales como visuales. Las aplicaciones de realidad aumentada (RA) podrían aprovechar la destreza multimodal de Llama 3.2 para ofrecer una comprensión en tiempo real del entorno del usuario, permitiendo una integración perfecta de la información digital con el mundo físico. Los motores de búsqueda visual podrían mejorarse para ordenar y categorizar las imágenes en función de su contenido, revolucionando la forma en que interactuamos con los datos visuales y los exploramos. Innovación responsable: Salvaguardar el impacto de la IA https://www.nowadais.com/wp-content/uploads/2024/09/Example-of-Metas-Llama-3.2-Safeguard-Sytem-in-Work.mp4 Como con cualquier tecnología potente, Meta reconoce la importancia de la innovación responsable y ha puesto en marcha una estrategia integral para gestionar los riesgos de confianza y seguridad asociados a Llama 3.2. Este triple enfoque tiene como objetivo permitir a los desarrolladores desplegar experiencias útiles, seguras y flexibles, proteger contra los usuarios adversarios que intenten explotar las capacidades de los modelos, y proporcionar protecciones para la comunidad en general. Llama 3.2 se ha sometido a un exhaustivo ajuste de seguridad, empleando un enfoque multifacético para la recopilación de datos, incluyendo datos generados por humanos y datos sintéticos, para mitigar los riesgos potenciales. Además, Meta ha introducido Llama Guard 3, una salvaguarda específica diseñada para apoyar las capacidades de comprensión de imágenes de Llama 3.2 filtrando los mensajes de entrada de imágenes de texto y las respuestas de salida. Democratizar la IA a través del código abierto En línea con el compromiso de Meta con la apertura y la accesibilidad, los modelos de Llama 3.2 están disponibles para su descarga en el sitio web de Llama y en el popular repositorio Hugging Face. Además, Meta ha colaborado con un amplio ecosistema de socios, incluidos AMD, AWS, Databricks, Dell, Google Cloud, Groq, IBM, Intel, Microsoft Azure, NVIDIA, Oracle Cloud y Snowflake, para permitir la integración y el despliegue sin problemas de Llama 3.2 en diversas plataformas y entornos. Pila Llama: Agilizando el desarrollo de IA Reconociendo las complejidades que conlleva la creación de aplicaciones agenticas con grandes modelos de lenguaje, Meta ha introducido
OpenAI presenta un modo de voz avanzado para ChatGPT y evita la polémica con Scarlett Johansson
Last Updated on septiembre 24, 2024 7:27 pm by Laszlo Szabo / NowadAIs | Published on septiembre 24, 2024 by Laszlo Szabo / NowadAIs OpenAI presenta el modo de voz avanzado para ChatGPT y evita la polémica con Scarlett Johansson – Notas clave OpenAI lanza la función “Advanced Voice Mode” (AVM) para los usuarios de pago de ChatGPT, empezando por los niveles Plus y Teams. AVM introduce 5 nuevas voces inspiradas en la naturaleza y mejora las capacidades de reconocimiento de voz. OpenAI tuvo que eliminar una opción de voz anterior, “Sky”, debido a una disputa legal con Scarlett Johansson por su parecido con su voz. ChatGPT incorpora un modo de voz avanzado para los clientes de pago La voz avanzada está llegando a todos los usuarios Plus y Team de la aplicación ChatGPT a lo largo de esta semana. Mientras esperabas pacientemente, hemos añadido instrucciones personalizadas, memoria, cinco nuevas voces y acentos mejorados. También puede decir “Siento llegar tarde” en más de 50 idiomas. pic.twitter.com/APOqqhXtDg – OpenAI (@OpenAI) 24 de septiembre de 2024 El martes, OpenAI declaró que lanzará el Modo de Voz Avanzado (AVM) para un grupo más amplio de clientes de pago de ChatGPT. Esta nueva función de audio, que mejora la experiencia conversacional con ChatGPT, estará disponible primero para los niveles Plus y Teams de los clientes de ChatGPT. Los clientes Enterprise y Edu tendrán acceso a esta función a partir de la próxima semana. Rediseño de AVM AVM se está rediseñando como parte de su lanzamiento. La presentación de la función ahora cuenta con una esfera azul animada en lugar de los anteriores puntos negros animados que fueron mostrados por OpenAI en mayo durante la publicación de la tecnología. Nuevas opciones de voz para ChatGPT ChatGPT introduce cinco voces adicionales para que los usuarios experimenten con ellas: Arbor, Maple, Sol, Spruce y Vale. Esto eleva el número total de voces en ChatGPT a nueve, que es casi igual al número de voces disponibles en Gemini Live de Google. Estas nuevas voces, Breeze, Juniper, Cove y Ember, se inspiran en la naturaleza y encajan con el objetivo general de AVM de mejorar la naturalidad del uso de ChatGPT. Polémica con Scarlett Johansson y eliminación de la voz “Sky Una de las voces que no está incluida en esta alineación es Sky, la voz que fue mostrada por OpenAI en su Actualización de Primavera. Esto causó un problema legal cuando Scarlett Johansson, que interpretó a un sistema de IA en la película “Her”, alegó que la voz de Sky sonaba demasiado parecida a la suya. Como resultado, OpenAI retiró rápidamente la voz de Sky y declaró que no pretendía que se pareciera a la de Johansson, a pesar de que varios miembros del personal hicieron referencia a la película en sus tweets en ese momento. Capacidades multimodales pendientes La última versión de ChatGPT no incluye la función para compartir vídeo y pantalla que OpenAI introdujo en su actualización de primavera hace cuatro meses. Esta funcionalidad fue diseñada para permitir a GPT-4o procesar simultáneamente datos visuales y auditivos. Durante la demostración, un miembro del equipo de OpenAI mostró la posibilidad de plantear a ChatGPT preguntas en tiempo real sobre matemáticas escritas en papel o código mostrado en la pantalla de un ordenador. Sin embargo, no se sabe cuándo estarán disponibles estas funciones multimodales. Mejoras y limitaciones de AVM Según OpenAI, se han introducido algunas mejoras en AVM tras el lanzamiento inicial de su prueba alfa restringida. Al parecer, la función de voz de ChatGPT es más competente a la hora de comprender los acentos, y la compañía afirma que las conversaciones son ahora más fluidas y eficientes. Mientras utilizábamos AVM en nuestras pruebas, nos encontramos con fallos ocasionales, pero la empresa asegura que esto ya se ha solucionado. Más opciones de personalización para AVM Además, OpenAI también está ampliando el alcance de las opciones de personalización de AVM, como Instrucciones personalizadas, que permite a los usuarios personalizar sus interacciones con ChatGPT, y Memoria, que permite a ChatGPT conservar las conversaciones para futuras consultas. Disponibilidad regional limitada para AVM Según un representante de OpenAI, el AVM no está disponible actualmente en varias regiones como la UE, Reino Unido, Suiza, Islandia, Noruega y Liechtenstein. Descripciones: Modo de voz avanzado (AVM): Se trata de una nueva función de audio de OpenAI que mejora la experiencia conversacional con ChatGPT. Permite a los usuarios interactuar con el asistente de IA utilizando comandos de voz naturales, en lugar de interacciones basadas únicamente en texto. Voces: ChatGPT introduce 5 voces adicionales para que los usuarios experimenten con ellas: Arbor, Maple, Sol, Spruce y Vale. Estas nuevas voces, junto con las ya existentes (Breeze, Juniper, Cove y Ember), están inspiradas en la naturaleza, con el objetivo de hacer más realistas las interacciones de voz. Polémica con Scarlett Johansson: Una de las opciones de voz anteriores, “Sky”, tuvo que ser retirada por OpenAI debido a un problema legal. La actriz Scarlett Johansson, que interpretó a un sistema de IA en la película “Her”, afirmó que la voz sonaba demasiado parecida a la suya. OpenAI declaró que no pretendía que la voz se pareciera a la de Johansson. Capacidades multimodales: La última actualización de ChatGPT no incluye las funciones de vídeo y pantalla compartida anunciadas anteriormente. Éstas se diseñaron para permitir a la IA procesar datos visuales y auditivos simultáneamente, permitiendo a los usuarios hacer preguntas sobre matemáticas escritas o código visualizado. Sin embargo, aún no está claro cuándo estarán disponibles estas funciones. Opciones de personalización: OpenAI está ampliando las opciones de personalización de AVM, como “Instrucciones personalizadas” (interacciones personalizadas con el usuario) y “Memoria” (conservación del historial de conversaciones). Disponibilidad regional: Actualmente, AVM no está disponible en determinadas regiones, como la UE, Reino Unido, Suiza, Islandia, Noruega y Liechtenstein. Preguntas más frecuentes: ¿Qué es el “Modo de voz avanzado” (AVM) en ChatGPT? AVM es una nueva función de audio de OpenAI que mejora la experiencia conversacional con ChatGPT. Permite a los usuarios interactuar con el asistente