La historia real de esta semana es la noticia sobre los nuevos modelos de lenguaje a gran escala que se están volviendo disponibles o que pronto se lanzarán.

Google anunció que Gemini 1.5 ahora está disponible en más de 180 países, con una ventana de contexto de 1 millón de tokens, lo que equivale a aproximadamente 750,000 palabras. Esta ventana de contexto ampliada es una mejora importante con respecto a los modelos anteriores. Los desarrolladores ahora pueden acceder a Gemini 1.5 a través de la API para construir aplicaciones.

En respuesta, OpenAI anunció que un modelo mejorado de GPT-4 Turbo ahora está disponible a través de la API y se está implementando en ChatGPT. Si bien los detalles son limitados, se informa que es mejor en codificación y matemáticas en comparación con versiones anteriores.

El mundo de código abierto también se está calentando. Stability AI lanzó Stable LLM2, un modelo de 12 mil millones de parámetros. Mientras tanto, Anthropic lanzó en silencio un nuevo modelo Mixture of Experts de 22 mil millones de parámetros, Mixr 8X 22B, como una descarga de torrent.

Google también anunció nuevos modelos Gemma de código abierto: uno ajustado para la codificación y otro diseñado para la investigación eficiente. Además, se espera que Meta lance el muy anticipado modelo LLaMA 3, que se rumorea que está a la par con GPT-4 en capacidad, pero de código abierto.

Parece que todas las principales empresas tecnológicas que construyen modelos de lenguaje a gran escala están tratando de reducir su dependencia de las GPU de Nvidia. Nvidia domina actualmente el mercado de las GPU utilizadas en el entrenamiento de IA, pero Google, Intel y Meta están introduciendo sus propios chips de IA personalizados.

Google presentó sus procesadores Axion en el evento Google Cloud Next. Intel presentó su chip de IA Gaudi 3, que afirman tener un 40% mejor eficiencia energética que las GPU Nvidia H100. Meta anunció su acelerador de chips de segunda generación MTI (Meta Training and Inference), que dicen tener un rendimiento 3 veces mejor que la primera generación.

Mientras tanto, en el evento GTC de Nvidia a principios de este año, anunciaron sus chips Nvidia Blackwell de próxima generación, que supuestamente son 4 veces más potentes que las actuales GPU H100. Esto demuestra que Nvidia sigue muy por delante en términos de potencia de cálculo bruta para el entrenamiento de IA.

Si bien estos nuevos chips personalizados de Google, Intel y Meta tienen como objetivo reducir la dependencia de Nvidia, queda por ver si pueden alcanzar realmente a los últimos avances de Nvidia. La carrera está en desarrollo para crear el hardware de IA más potente y eficiente.

Durante el evento Google Cloud Next, el gigante tecnológico presentó varias herramientas emocionantes de creación de videos impulsadas por IA que se perfilan para transformar la industria.

Image-In 2: La respuesta de Google a herramientas como Dolly y Firefly, Image-In 2 puede generar no solo imágenes estáticas, sino también GIFs animados y clips cortos. Estas capacidades de texto a imagen en movimiento permiten a los usuarios crear visuales atractivos y en bucle con facilidad.

Google Vids: Descrito como un generador de videos "estilo PowerPoint", Google Vids usa IA para crear videos basados en diapositivas a partir de guiones o indicaciones. Los videos resultantes imitan la estética del software de presentación profesional, convirtiéndolo en una herramienta valiosa para crear contenido de video pulido e impulsado por IA.

Magic Time: Desarrollado por un equipo de investigación, Magic Time es un generador de videos especializado enfocado en crear metraje de time-lapse de alta calidad. Simplemente proporcionando una indicación, los usuarios pueden generar videos de time-lapse visualmente impresionantes de escenas como plantas creciendo o proyectos de construcción. El código de código abierto y la demostración de Hugging Face hacen que Magic Time sea accesible para la experimentación y la integración en diversos flujos de trabajo de video.

Estas herramientas de video impulsadas por IA demuestran los rápidos avances en las capacidades generativas, lo que permite a los creadores agilizar sus procesos de producción de video y explorar nuevas vías creativas. A medida que la tecnología continúe evolucionando, el impacto de estos generadores de video impulsados por IA en el panorama de la creación de contenido se perfila para ser significativo.

Según la transcripción, se ha presentado un nuevo proyecto de ley al Congreso de los Estados Unidos que tiene como objetivo obligar a las empresas de inteligencia artificial a revelar el material con derechos de autor que utilizan para entrenar sus modelos de IA generativa. Los puntos clave son:

• El proyecto de ley requeriría que las empresas de IA presenten un informe sobre el material con derechos de autor que utilizaron para entrenar sus modelos, al menos 30 días antes de lanzar el modelo de IA.

• Esto se ve como un movimiento para aumentar la transparencia, ya que algunas de las principales empresas tecnológicas como Google, Microsoft y Meta es posible que no quieran revelar los datos que utilizaron para el entrenamiento.

• Hay preocupaciones de que estas poderosas empresas puedan hacer cabildeo en contra del proyecto de ley para evitar que se apruebe.

• La legislación propuesta llega en medio de un mayor escrutinio sobre los datos de entrenamiento utilizados por los modelos de lenguaje a gran escala, con informes de que OpenAI puede haber utilizado más de un millón de horas de videos de YouTube para entrenar a GPT-4.

• El proyecto de ley tiene la intención de abordar la falta de transparencia en torno a los datos de entrenamiento utilizados por las empresas de IA, que podrían incluir material con derechos de autor de diversas fuentes.

Un desarrollador de juegos de cartas hizo recientemente una inversión significativa en arte asistido por IA, pagando a un artista de IA $90,000 para generar arte de cartas. Si bien el término "artista de IA" puede ser debatido, este enfoque resalta el potencial de la IA para ayudar a los artistas a crear contenido de alta calidad a escala.

El desarrollador encontró que ningún artista humano pudo igualar la calidad de las imágenes generadas por IA. Sin embargo, el proceso implicó más que simplemente presionar un botón y dejar que la IA hiciera el trabajo. El desarrollador luego procedió a retocar y refinar las imágenes generadas por IA utilizando Photoshop y otras herramientas de edición de imágenes, asegurando que los colores, la consistencia y el estilo general coincidieran con la estética deseada.

Este enfoque demuestra el poder del arte asistido por IA, donde la IA genera el concepto inicial y el artista humano luego pule y refina la salida para lograr el resultado deseado. Al aprovechar la IA, el desarrollador pudo crear una gran cantidad de imágenes de cartas de manera eficiente, manteniendo al mismo tiempo el toque artístico y el control de calidad necesarios para su proyecto.

El éxito de este esfuerzo resalta el papel creciente de la IA en las industrias creativas, donde puede utilizarse como una herramienta poderosa para aumentar y mejorar el trabajo de los artistas humanos, en lugar de reemplazarlos por completo. A medida que la tecnología de IA continúe avanzando, podemos esperar ver más ejemplos de este tipo de arte asistido por IA, donde la colaboración entre humanos y máquinas conduce a resultados creativos innovadores y de alta calidad.