OpenAI ha anunciado la implementación de nuevas opciones de personalización para la interfaz de programación de aplicaciones (API) de ajuste de sus modelos de Inteligencia Artificial (IA), como la posibilidad de conectarse con plataformas de terceros para compartir información, además de ampliar su programa de modelos personalizados.
La compañía de IA puso a disposición de los desarrolladores la API de ajuste (o ‘fine tuning’) de su modelo de lenguaje GPT-3.5 Turbo en agosto del pasado año. Desde ese momento, OpenAI ha señalado que “miles de organizaciones han entrenado cientos de miles de modelos utilizando su API”.
Se trata de una API que permite a los usuarios personalizar un modelo de forma exclusiva para su aplicación. Así, con la API de ajuste, el modelo se reentrena añadiendo datos adicionales de una base de datos personal para actualizar sus parámetros.
De esta forma, la API permite sacar más provecho de los modelos de IA consiguiendo ofrecer resultados más precisos y de mayor calidad, así como capacidad para gestionar solicitudes de menor latencia y, por tanto, ahorrar en el uso de ‘tokens’, lo que se traduce en un coste más económico.
Ahora, la tecnológica dirigida por Sam Altman ha anunciado el lanzamiento de más funciones para los desarrolladores, con las que facilitará más control sobre los ajustes de la API y, con ello, mejorar la precisión de la IA y reducir los costes.
En este sentido, como ha detallado en un comunicado en su web, una de estas nuevas funciones es la opción de integrarse con plataformas de terceros, de manera que permite a los desarrolladores compartir datos detallados de ajuste con otros proveedores. En concreto, está opción comenzará a estar disponible con la plataforma de desarrollo de modelos Weights and Biases.
También permitirá crear puntos de control según las épocas de entrenamiento del modelo. Con ello, los desarrolladores podrán guardar modelos ajustados con la API para no tener que reentrenarlos posteriormente, especialmente en los casos de sobreajustes.
OpenAI ha lanzado una nueva interfaz de usuario paralela, que permitirá comparar el rendimiento y la calidad del modelo en cuestión. Y ha introducido la capacidad de calcular métricas de validación integrales, por ejemplo, métricas como la precisión de las respuestas en todo el conjunto de datos, con lo que proporciona una mejor visión de la calidad del modelo.
Finalmente, la compañía ha añadido mejoras en el panel de control, como la posibilidad de configurar hiperparámetros, ver métricas de capacitación más detalladas y volver a ejecutar trabajos de configuraciones anteriores.
Ampliación del programa de modelos personalizados
Por otra parte, OpenAI ha detallado que otra opción para aumentar el rendimiento del modelo de IA es construir un modelo entrenado personalizado. Para ello, ha anunciado que amplían el programa de modelos personalizados, introduciendo más formas de trabajar con los investigadores y expertos en IA de la compañía.
Según ha indicado OpenAI, han implementado una opción de ajuste asistido como parte del programa, con la que las organizaciones podrán colaborar con los equipos técnicos de la compañía para aprovechar “técnicas más allá de la API de ajuste”.
Concretamente, el programa Modelos personalizados da a organizaciones seleccionadas la oportunidad de trabajar con un grupo dedicado de investigadores de la tecnológica para entrenar modelos GPT-4 personalizados para su dominio específico. Así, este programa es aplicable a organizaciones con conjuntos de datos “extremadamente grandes”. Es decir, como mínimo, deben de manejar miles de millones de ‘tokens’.
Con todo ello, se trata de una función útil para las organizaciones que requieren de apoyo para configurar cuestiones como sistemas de evaluación y parámetros, o métodos personalizados eficientes para maximizar el rendimiento del modelo para su caso de uso o tarea.
Igualmente, este programa también incluye a aquellas organizaciones que necesitan entrenar desde cero un modelo diseñado de forma específica para que, por ejemplo, la IA comprenda puntos concretos como su tipo de negocio, industria o sector. “Los modelos totalmente entrenados a medida aportan nuevos conocimientos de un dominio específico”, ha sentenciado la tecnológica.
