Un vistazo al ecosistema actual de IA

Se podría considerar como un gran iceberg al revés. El nivel subyacente son los proveedores de electricidad, y esto tiene el potencial de convertirse en un cuello de botella sustancial en el futuro. Algunas fuentes de Google afirman que en este momento “entre el 10% y el 15% del consumo energético total de la empresa se atribuye a la infraestructura de IA”, y se estima que para 2030 “la IA podría representar entre el 3% y el 4% de la electricidad mundial”. demanda ".

Hay que tener en cuenta que el verdadero auge de la IA aún no ha comenzado y que una pequeña fracción de las empresas de todo el mundo todavía utiliza la tecnología.

En el segundo nivel más bajo, están los “proveedores de hardware informático”, empresas que fabrican chips gráficos y computadoras realmente potentes, algo así como el motor de todo el ecosistema de IA. Una de las grandes empresas que hace esto es Nvidia

Subiendo un poco, existen cosas llamadas plataformas en la nube o “proveedores de computación en la nube”. Son como parques de juegos informáticos donde los desarrolladores pueden utilizar los ordenadores superpoderosos de la capa anterior sin poseerlos realmente.

Grandes empresas como Google , Amazon , Microsoft y Oracle dirigen estos campos de juego.Ahora, imaginemos la siguiente capa como la parte inteligente: los modelos de IA.

Son como personajes (modelos) súper inteligentes que entienden y usan el lenguaje muy bien. Empresas como OpenAI los crean utilizando una combinación de información pública y sus propios trucos. Los desarrolladores hablan con estos modelos a través de API.

Algunos ejemplos de estos personajes inteligentes son GPT4, Claude, Stable Diffusion y LLaMA.Yendo un poco más arriba, tenemos la parte en la que hacemos que todo funcione aún mejor. Es como tener herramientas y servicios que ayudan a entrenar a nuestros personajes súper inteligentes para que sean aún más inteligentes.

Algunas herramientas pueden ofrecernos ejemplos realmente buenos de los que aprender y otras pueden ayudarnos a comprobar si nuestros personajes inteligentes están haciendo un buen trabajo. Muchas empresas están trabajando en formas de mejorar aún más estos personajes.Por último, justo en la parte superior, tenemos las aplicaciones. Son como las cosas interesantes que los desarrolladores crean utilizando herramientas y LLM inteligentes. Podría ser un programa especial que entiende y escribe como un humano o una característica interesante agregada a una aplicación popular.

Entonces, ¿Qué capa o parte de este ecosistema eliminó OpenAI? Parece ser que ninguno.En cambio, lo que vemos es un mercado completamente nuevo de oportunidades para crear diversos productos y aplicaciones sobre estos modelos básicos que grandes actores como OpenAI ponen a disposición. Y eso es exactamente lo que dijo Mira Murati, CTO de OpenAI desde 2018, en su reciente entrevista a Martín Casado en a16z:"En este momento hay mucha atención en construir más modelos, pero construir buenos productos sobre estos modelos es increíblemente difícil".

Ahora muchas empresas se centran en combinar diferentes tecnologías de IA conversacional que permite a los equipos empresariales con poca o ninguna formación técnica utilizar estos avances tecnológicos en sus tareas diarias de marketing y atención al cliente. Empresas como OpenAI o Facebook realizan otra enorme actualización tecnológica, que podemos utilizar instantáneamente.

Herramientas para la implementación de LLM

No existe un modelo de lenguaje grande “único para todos” y parece que esto no pueda lograrse en el futuro cercano. La razón es bastante simple: al igual que los humanos, la IA necesita especialización. Cada tarea, cada problema, exige un enfoque personalizado. Dado que nos encontramos en la intersección del procesamiento del lenguaje similar al humano y la innovación tecnológica, la necesidad de herramientas de implementación  LLM especializadas se vuelve primordial.Intentar combinar las habilidades de un chef, un matemático y un músico en un solo individuo.

Es una tarea complicada y de manera similar, esperar que un solo LLM sobresalga en diversas tareas es un desafío.Aquí es donde entra en juego las herramientas de instrucción LLM. Estas herramientas están diseñadas para satisfacer los requisitos matizados de tareas específicas, garantizando que las capacidades de la IA se alineen perfectamente con los objetivos en cuestión. Ya sea creación de contenido, análisis de datos o servicio al cliente, la diversidad de desafíos requiere herramientas especializadas.

Tanto los desarrolladores como las empresas se están dando cuenta de las limitaciones de un modelo rígido y único para todos. Al aprovechar las herramientas podemos desbloquear todo el potencial de los LLM en varios dominios. Imagina tener un conjunto de herramientas a tu disposición que ajustan el modelo de lenguaje precisamente para tus necesidades, en tiempo real: esta es la promesa.

El camino por delante

A medida que avanzamos por el camino que tenemos por delante, es importante comprender que la instrumentación de la IA no se trata de limitar las posibilidades sino de ampliarlas. Los desarrolladores ya no están limitados a un conjunto predefinido de capacidades; en cambio, tienen la libertad de adaptar los LLM a sus requisitos únicos .Las herramientas de instrumentación de LLM son las que facilitan esta libertad.

Proporcionan los medios para amplificar los puntos fuertes de la IA y al mismo tiempo abordar las complejidades de tareas específicas. El camino hacia la utilización efectiva de modelos de lenguaje grande no es un sprint sino una implementación estratégica que se desarrolla con cada desafío matizado.