Una palabra: Galactica.
Galactica, el más reciente gran modelo de lenguaje de Meta que puede almacenar, combinar y razonar sobre el conocimiento científico fue cerrado después de muchos usuarios informaron de resultados engañosos o incorrectos. Hay mucha controversia en torno a este modelo, sobre todo por la brecha entre la confianza de Meta sobre el modelo y sus legítimamente cuestionables resultados. La demostración no fue tan catastrófica como el incidente Tay de Microsoft de 2016, pero encontró demasiado rápido la línea entre herramienta experimental divertida y peligroso propagador de desinformación. Galactica representa un gran avance para los grandes modelos lingüísticos, pero dado que estaba destinado a un uso científico, el nivel de rigor distaba mucho de cumplirse.
Por mi parte, me gustó mucho un tweet compartido por mi amigo Lior, que resume en gran medida mis pensamientos. Me gustaría citarlo aquí:
“El drama que rodea a Galáctica me desconcierta. Recordemos que todos estamos en el mismo equipo tratando de hacer progresar nuestro pequeño campo”.
¿Galactica era perfecta? No. Pero GPT3, StableDiffusion y Dall-E tampoco lo eran. Es al lanzarla al mundo cuando se inicia el bucle de retroalimentación, y estas percepciones nos ayudan a construir mejores herramientas con el tiempo.
Para añadir la perspectiva ética de Lauren, no olvidemos los efectos que esto puede dejar en el mundo y nuestra responsabilidad como cocreadores de IA para manejar esos efectos, ya sean negativos o positivos. Este no es ni el primero ni el último modelo lingüístico que difunde accidentalmente falsedades, pero comprender y aprender de estos errores garantiza que el progreso hacia el que trabajamos en la IA forje el futuro que deseamos.
Noticias más calientes
- Conseguir valor individual -y organizativo- con la IA: un informe
El informe contiene muchas conclusiones interesantes y sugiere que los empleados tienden a subestimar el uso que hacen de las tecnologías de IA en el trabajo. Algunas conclusiones clave son que la mayoría de los trabajadores individuales obtienen personalmente valor de la IA y la consideran un compañero de trabajo, no una amenaza laboral. Exigir a los individuos que utilicen la IA fomenta su uso más de lo que lo hace generar confianza en la IA, y el uso obligatorio, a pesar de parecer opresivo, sigue generando valor individual. Las organizaciones obtienen valor cuando los individuos obtienen valor, no a expensas del valor individual. - La aplicación de diseño Canva lanza una versión beta de su propio generador de texto a imagen
Sí, ¡otra más! La verdad es que me gusta esta noticia. Creo todas mis miniaturas de YouTube con Canva y me gusta mucho su producto. También tienen una herramienta para eliminar el fondo que funciona bastante bien y otras herramientas basadas en IA. Esta nueva podría ser realmente potente también y útil para miniaturas relacionadas con la IA 😎. - Más despidos…
Twitter, Meta y ahora Amazon planean despedir a unos 10.000 empleados, ¡uno de los mayores recortes en la historia de la empresa! Para los que estéis buscando trabajo, tened paciencia e intentad no desanimaros, ¡encontraréis algo! Mientras tanto, mi mejor recomendación es sugerirle que trabaje en su cartera. Construya una pequeña aplicación interesante, implemente Stable Diffusion y ¡participe en uno o varios concursos de Kaggle! Intente disfrutar del “tiempo libre” que tiene y aprovéchelo para mejorar sus posibilidades de encontrar el futuro trabajo de sus sueños 🙂
Los artículos más interesantes de la semana
- Galáctica: Un gran modelo lingüístico para la ciencia
Galactica: un gran modelo de lenguaje que puede almacenar, combinar y razonar sobre el conocimiento científico. - Latent-NeRF para la generación guiada por formas de formas y texturas 3D
Un enfoque NeRF eficiente basado en modelos de difusión latente. - Compresión generativa extrema de imágenes mediante el aprendizaje de la incrustación de texto a partir de modelos de difusión
“Proponemos un método de compresión generativa de imágenes que demuestra el potencial de guardar una imagen como una breve incrustación de texto que, a su vez, puede utilizarse para generar imágenes de alta fidelidad que sea equivalente a la original perceptualmente.”
¿Le gustan estos artículos y resúmenes de noticias? Reciba un resumen diario en su bandeja de entrada¡!
¡Meme de la semana!
Post destacado de la Comunidad desde el Discord
JacobBum#7456 acaba de publicar “Desglose: agrupación K-Means“. Este es un gran artículo que explora y visualiza los fundamentos de la agrupación K-means con NumPy y scikit-learn. Si escribe artículos y los publica en su blog o en nuestro Medio publicación, compártalos en nuestro servidor discord ¡y puede que también tenga la oportunidad de aparecer aquí!
¡Encuesta AI de la semana!
Artículo de la semana
6 consejos que me ahorran tiempo y memoria al entrenar modelos de aprendizaje automático by Youssef Hosni
Entrenar modelos de aprendizaje automático puede consumir mucho tiempo y memoria, especialmente si sus datos son grandes. Es importante optimizar el flujo de trabajo para ahorrar tiempo computacional y consumo de memoria, especialmente mientras se entrena el modelo varias veces con diferentes hiperparámetros para encontrar los mejores hiperparámetros para su modelo. Este artículo comparte seis consejos prácticos para disminuir el tiempo computacional y el consumo de memoria mientras entrena un modelo de aprendizaje automático.
Nuestros artículos de lectura obligada
Modelo de aprendizaje automático de Azure en profundidad Entrene, pruebe y despliegue canalizaciones en la nube con puntos finales para API web by Amit Chauhan
PEER de META: un modelo lingüístico colaborativo by Salvatore Raieli
Si está interesado en publicar con Hacia la IA, consulte nuestras directrices e inscríbase. Publicaremos su trabajo en nuestra red si cumple nuestras políticas y normas editoriales.
Ofertas de empleo
Científico de datos senior / Desarrollador de IA @ Uniphore (España, Remoto Híbrido)
Científico de datos @ SwissBorg (Europa, A distancia)
Ingeniero Jefe de Datos, Plataforma de Datos @ Tubi (Remoto)
Científico de datos @ Alethea Group (A distancia, EE.UU.)
Ingeniero de Aprendizaje Automático, Infraestructura @ Earnin (Remoto)
Beca de contenido AI @ Deepgram (A distancia)
¿Está interesado en compartir una oportunidad de trabajo aquí? Póngase en contacto con [email protected].