\n<\/p>\n
En la d\u00e9cada de 1960, un cient\u00edfico del Instituto Tecnol\u00f3gico de Massachusetts cre\u00f3 un programa de procesamiento de lenguaje natural que pod\u00eda imitar una conversaci\u00f3n humana. Nombrada ELIZA, fue una iteraci\u00f3n temprana de los chatbots que proliferaron en el sector tecnol\u00f3gico este a\u00f1o. ELIZA no fue una empresa rentable. Las versiones actuales tampoco. <\/p>\n
Hay claras posibilidades de transformaci\u00f3n en la inteligencia artificial generativa. Los chatbots desarrollados utilizando modelos de lenguaje grande (LLM) podr\u00edan permitir comunicaciones fluidas entre humanos y computadoras. <\/p>\n
La pregunta para los inversores es si los LLM propietarios pueden generar dinero de manera confiable para la gran tecnolog\u00eda. Los LLM de c\u00f3digo abierto podr\u00edan ser una alternativa m\u00e1s econ\u00f3mica para las empresas que desarrollan aplicaciones a medida.<\/p>\n
Los LLM no tienen una definici\u00f3n formal. Se describen como programas entrenados en grandes vol\u00famenes de datos disponibles en l\u00ednea y capaces de predecir la siguiente palabra en una oraci\u00f3n. <\/p>\n
A medida que ha aumentado la potencia inform\u00e1tica, las IA han podido llevar a cabo un aprendizaje no supervisado a partir de datos no estructurados. Producen algunas respuestas que sorprenden incluso a sus creadores. <\/p>\n
La complejidad de LLM ha dado un salto adelante. En 2020, OpenAI lanz\u00f3 su Transformador preentrenado generativo 3, o GPT-3. Este LLM ten\u00eda 175 mil millones de par\u00e1metros. <\/p>\n
Cuantos m\u00e1s par\u00e1metros, m\u00e1s datos puede procesar y generar un LLM. PaLM de Google, que impulsa su chatbot Bard, tiene 540 mil millones. La \u00faltima versi\u00f3n de OpenAI de su LLM es GPT-4. La empresa no ha especificado el n\u00famero de par\u00e1metros. Los expertos creen que 100tn ser\u00eda una cifra precisa. <\/p>\n
El poder de procesamiento requerido para dichos LLM es enorme. La regla general es que cuanto mayor sea el conjunto de datos utilizado, mejor ser\u00e1 el rendimiento. Esto, en teor\u00eda, limita a los LLM a un peque\u00f1o n\u00famero de empresas bien financiadas. <\/p>\n
Pero las aplicaciones de nicho pueden funcionar utilizando conjuntos de datos m\u00e1s peque\u00f1os. BloombergGPT, que est\u00e1 destinado a ayudar en el an\u00e1lisis de informaci\u00f3n en terminales de datos de Bloomberg, tiene 50.000 millones de par\u00e1metros. El modelo base LLM de Cohere AI, una empresa emergente con sede en Toronto, tiene 52.000 millones de par\u00e1metros. <\/p>\n
M\u00e1s preocupantes para empresas como Google son los LLM de c\u00f3digo abierto. Meta regal\u00f3 su sistema, LLaMA, como un software de c\u00f3digo abierto que cualquiera puede copiar y usar. Se pueden construir LLM m\u00e1s peque\u00f1os sobre \u00e9l. <\/p>\n
Supongamos que los usuarios empresariales deciden que hay poca diferencia entre los LLM patentados y de c\u00f3digo abierto al desarrollar sus propios servicios de IA, Google y OpenAI perder\u00edan su ventaja inicial antes de tener la oportunidad de alcanzar el punto de equilibrio. <\/p>\n
Nuestro popular bolet\u00edn para suscriptores premium se publica dos veces por semana. El mi\u00e9rcoles analizamos un tema candente de un centro financiero mundial. El viernes diseccionamos los grandes temas de la semana. Por favor reg\u00edstrese <\/em>aqu\u00ed<\/em><\/a>.<\/em><\/p>\n<\/div>\n<\/div>\n<\/div>\n <\/experimental><\/div>\n