{"id":52022,"date":"2023-03-06T21:12:34","date_gmt":"2023-03-07T03:12:34","guid":{"rendered":"https:\/\/mickyandoniehn.com\/radio\/2023\/03\/06\/microsoft-presenta-kosmos-1-una-ia-que-puede-interpretar-imagenes-y-resolver-acertijos\/"},"modified":"2023-03-06T21:12:34","modified_gmt":"2023-03-07T03:12:34","slug":"microsoft-presenta-kosmos-1-una-ia-que-puede-interpretar-imagenes-y-resolver-acertijos","status":"publish","type":"post","link":"http:\/\/mickyandoniehn.com\/radio\/2023\/03\/06\/microsoft-presenta-kosmos-1-una-ia-que-puede-interpretar-imagenes-y-resolver-acertijos\/","title":{"rendered":"Microsoft presenta Kosmos-1, una IA que puede interpretar im\u00e1genes y resolver acertijos"},"content":{"rendered":"<\/p>\n

Tras el \u00e9xito de ChatGPT y la inversi\u00f3n millonaria en OpenIA,\u00a0Microsoft<\/strong>\u00a0dej\u00f3 claro que su futuro est\u00e1 ligado a la inteligencia artificial<\/a>. La evidencia m\u00e1s reciente es Kosmos-1,\u00a0un nuevo modelo de IA capaz de analizar im\u00e1genes y responder una prueba de IQ<\/strong>. Seg\u00fan Microsoft, este modelo multimodal allanar\u00eda el camino para el desarrollo de una inteligencia artificial general.<\/p>\n

Un reporte de\u00a0ArsTechnica<\/em><\/a>\u00a0menciona que Microsoft public\u00f3 el primer documento de Kosmos-1 en\u00a0arXiv<\/em>, el servicio de la Universidad Cornell. Titulado\u00a0El lenguaje no es todo lo que necesita: alinear la percepci\u00f3n con los modelos de idiomas<\/em><\/a>, el estudio muestra los resultados de un nuevo modelo de lenguaje extenso multimodal (MLLM)<\/strong>. De acuerdo con los investigadores, la IA puede percibir modalidades generales, aprender en contexto y seguir instrucciones.<\/p>\n

Los primeros resultados arrojan que Kosmos-1\u00a0se desempe\u00f1a de manera impresionante en tareas de comprensi\u00f3n y percepci\u00f3n de lenguaje<\/strong>, reconocimiento de im\u00e1genes y texto visual, e incluso es capaz de responder una prueba de coeficiente intelectual. El modelo de IA puede analizar im\u00e1genes y responder preguntas sobre ellas, reconoce el texto dentro de ellas y puede subtitularlas.<\/p>\n

La diferencia de Kosmos-1 con ChatGPT<\/h2>\n

A diferencia de ChatGPT,\u00a0Kosmos-1 considera modos de entrada como texto, im\u00e1genes, audio y video<\/strong>. Si bien los modelos LLM,\u00a0como el desarrollado por OpenAI<\/a>, han servido como una interfaz de prop\u00f3sito general en varias tareas de lenguaje natural, tienen una desventaja.<\/p>\n

La interfaz basada en LLM se puede adaptar a una tarea, siempre que podamos transformar a texto la entrada y la salida. A pesar de las aplicaciones exitosas en el procesamiento del lenguaje natural, todav\u00eda se est\u00e1 luchando por usar los LLM de forma nativa para datos multimodales, como im\u00e1genes y audio.<\/p>\n

De acuerdo con los investigadores, la IA admite de forma nativa tareas de lenguaje, percepci\u00f3n-lenguaje y visi\u00f3n. \u00abKosmos-1 es un modelo de lenguaje multimodal (MML) que puede percibir modalidades generales, seguir instrucciones, aprender en contexto y generar resultados\u00bb, mencionan.<\/p>\n

La IA\u00a0se entren\u00f3 utilizando extractos de\u00a0The Pile<\/a>, un conjunto de datos de c\u00f3digo abierto<\/strong>\u00a0de 825 GB destinado a modelos extensos. De igual modo, Microsoft ech\u00f3 mano de\u00a0Common Crawl, un gigantesco repositorio de datos de la web<\/strong>. Tras una fase de entrenamiento y puesta a punta, los ingenieros realizaron una serie de evaluaciones y los resultados son prometedores.<\/p>\n

La IA de Microsoft extrae texto de im\u00e1genes y puede responder un test de IQ<\/h2>\n

En las pruebas,\u00a0la IA de Kosmos-1 pudo responder preguntas sobre algunas im\u00e1genes<\/strong>, como el tipo de peinado de una deportista, la raz\u00f3n por la que lloraba un ni\u00f1o o por qu\u00e9 era graciosa una foto. De igual modo\u00a0realiz\u00f3 operaciones matem\u00e1ticas simples y reconocimiento de texto y n\u00fameros<\/strong>, como la fecha de estreno en el cartel de una pel\u00edcula. En algunos casos, la IA ofrece m\u00e1s contexto y responde de manera precisa a preguntas de seguimiento.<\/p>\n

Tal vez lo m\u00e1s interesante de la evaluaci\u00f3n es\u00a0su desempe\u00f1o en el test de las matrices progresivas de Raven<\/strong>. La prueba consiste en analizar y completar una secuencia de formas y se utiliza\u00a0para medir la inteligencia humana y el razonamiento abstracto<\/strong>. En el test de Raven, Kosmos-1 respondi\u00f3 correctamente una pregunta el 22 por ciento de las veces, superando la probabilidad aleatoria que es del 17 por ciento.<\/p>\n

Los resultados indican que\u00a0el modelo es capaz de percibir patrones abstractos en un contexto no verbal<\/strong>. Seg\u00fan los cient\u00edficos, esta es la primera vez que una IA realiza pruebas de disparo cero en el test de Raven. Si bien\u00a0la evaluaci\u00f3n todav\u00eda est\u00e1 muy lejos de lo que puede obtener un adulto promedio<\/strong>, Kosmos-1 demuestra que los lenguajes multimodales son la clave para el desarrollo de una inteligencia artificial que supere a los humanos.<\/p>\n

Microsoft\u00a0est\u00e1 dando los primeros pasos en la IA general<\/a>. Es importante mencionar que\u00a0Kosmos-1 no tiene relaci\u00f3n con ChatGPT<\/strong>. Los ingenieros han desarrollado este modelo sin la participaci\u00f3n de OpenAI y tienen planes de abrirlo a otros desarrolladores por medio de la p\u00e1gina de GitHub.<\/p>\n

Fuente: hipertextual.com<\/strong><\/p>\n

\u00a0<\/p>\n","protected":false},"excerpt":{"rendered":"

Tras el \u00e9xito de ChatGPT y la inversi\u00f3n millonaria en OpenIA,\u00a0Microsoft\u00a0dej\u00f3 claro que su futuro est\u00e1 ligado a la inteligencia artificial. La evidencia m\u00e1s reciente es Kosmos-1,\u00a0un nuevo modelo de IA capaz de analizar im\u00e1genes y responder una prueba de IQ. Seg\u00fan Microsoft, este modelo multimodal allanar\u00eda el camino para el desarrollo de una inteligencia …<\/p>\n","protected":false},"author":0,"featured_media":52023,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[5],"tags":[],"class_list":["post-52022","post","type-post","status-publish","format-standard","has-post-thumbnail","","category-noticias"],"jetpack_sharing_enabled":true,"jetpack_featured_media_url":"http:\/\/mickyandoniehn.com\/radio\/wp-content\/uploads\/2023\/03\/robot_usando_macbook-o4Oeta.jpeg","_links":{"self":[{"href":"http:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts\/52022","targetHints":{"allow":["GET"]}}],"collection":[{"href":"http:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/types\/post"}],"replies":[{"embeddable":true,"href":"http:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/comments?post=52022"}],"version-history":[{"count":0,"href":"http:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts\/52022\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"http:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/media\/52023"}],"wp:attachment":[{"href":"http:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/media?parent=52022"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/categories?post=52022"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/tags?post=52022"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}