La Integración de la Recursividad en Aplicaciones de IA por Auto-GPT y BabyAGI de Código Abierto
Desarrollos recientes han situado a GPT Automatizado y BabyAGI como figuras prominentes en el campo de la inteligencia artificial. Con su capacidad para llevar a cabo una secuencia de operaciones complejas basadas en las indicaciones dadas, estos agentes autónomos han generado un gran entusiasmo en los círculos de investigación y desarrollo de software de IA. Dichos agentes, que emplean Modelos de Lenguaje a Gran Escala (LLM), integran la recursividad en las aplicaciones de IA, aprovechando una variedad de fuentes como Internet, acceso a archivos locales, APIs y estructuras de memoria básicas.
¿Qué es BabyAGI?
Presentado por Yohei Nakajima vía Twitter el 28 de marzo de 2023, BabyAGI es una versión simplificada de un agente autónomo original basado en tareas. Utiliza la habilidad de OpenAI y Pinecone para el Procesamiento del Lenguaje Natural (NLP) para almacenar y recuperar resultados de tareas en un contexto particular. Con un código que consta de tan solo 140 líneas, BabyAGI ofrece una experiencia de usuario eficiente y fácil de manejar, siendo, además, fácil de entender y ampliar.
La elección del nombre BabyAGI reviste un significado profundo. Con cada avance diario en el ecosistema de IA, nos acercamos cada vez más a alcanzar una Inteligencia General Artificial (AGI), a pesar de que todavía no se haya logrado. Con la integración continua de estas herramientas y la capacidad de un potencial GPT que pueda impulsarse solo para resolver problemas complejos, los usuarios pueden tener la impresión de interactuar con una AGI.
¿Qué es Auto-GPT?
Diseñado para alcanzar metas expresadas en lenguaje natural, Auto-GPT es un agente de inteligencia artificial que puede dividir dichas metas en subtareas más manejables. Este agente utiliza las API GPT-4 o GPT-3.5 de OpenAI, convirtiéndose en una de las pioneras en su campo para realizar tareas autónomas.
A diferencia de otros sistemas interactivos como ChatGPT, que necesitan instrucciones manualmente para cada tarea, Auto-GPT puede autogenerar metas para alcanzar un objetivo más amplio sin necesidad de intervención humana. Puede responder a indicaciones para realizar una tarea específica, y también tiene la capacidad de crear y alterar sus propias instrucciones para tareas recursivas basándose en nueva información generada.
Los Próximos Pasos en la Integración de la Recursividad en las Aplicaciones de IA
A pesar de que todavía se encuentren en una etapa experimental y presenten ciertas limitaciones, estos agentes están causando un alto impacto, centrados en impulsar la productividad a través de la disminución de costos en hardware y software de IA. Según la investigación de ARK Invest, se estima que el software de IA podría generar hasta 14 billones de dólares en ingresos para el 2030.
Con la evolución continua de los modelos fundacionales como GPT-4, muchas empresas han optado por entrenar sus propios modelos pequeños y especializados. Aunque estos modelos poseen una amplia gama de aplicaciones, aquellos especializados y más reducidos ofrecen ventajas como la disminución de costos de inferencia.
Cada vez son más las empresas que, preocupadas por asuntos de derechos de autor y la gestión de datos, están desarrollando sus propios modelos utilizando datos públicos y privados. Un ejemplo notable es un LLM desarrollado con 2.7 billones de parámetros entrenados en los datos biomédicos de PubMed, que ha demostrado resultados prometedores en la prueba de preguntas y respuestas del U.S. Medical Licensing Examination (USMLE). El costo de entrenamiento fue de aproximadamente $38,000 en la Plataforma MosaicML, con un tiempo de cómputo de 6.25 días. En contraste, se estima que el último entrenamiento de GPT-3 costó cerca de 5 millones de dólares en cómputo.
LEE MÁS ARTÍCULOS SOBRE: Ciencia de Datos con IA.
LEE LA ENTRADA ANTERIOR: Adaptyv Bio revoluciona la ingeniería de proteínas utilizando IA generativa.