Recientemente me topé con una discusión donde la gente debatía sobre cuál modelo de IA dominará en el futuro.
Al leer los comentarios, noté que casi todos hablaban sobre los modelos en sí. modelos más grandes, modelos más rápidos y modelos más baratos.
Muy pocas personas hablaban sobre la información en la que esos modelos se basan.
Esa parte siempre me ha interesado más.
Puedes construir un sistema de IA impresionante, pero si la información que ingresa no es útil, los resultados tampoco lo serán. Me recuerda a un viejo dicho: basura entra, basura sale.
Esa es una razón por la que OpenGradient llamó mi atención cuando empecé a investigarlo. El proyecto parece centrarse en una parte de la pila de IA que no recibe mucha atención de los usuarios comunes, a pesar de que es algo de lo que depende cada sistema de IA.
Lo que hace valiosa a la IA no es solo el modelo. Es la calidad del conocimiento, los datos y la retroalimentación que ayudan a mejorar con el tiempo.
Creo que eventualmente llegaremos a un punto en el que la gente deje de preguntar solo "¿qué modelo es el mejor?" y comience a preguntar "¿de dónde proviene la información?".
Eso me parece una pregunta mucho más importante.
Quizás esté equivocado, pero sospecho que la próxima fase de la IA no se definirá solo por avances en modelos. También estará moldeada por los sistemas que ayudan a esos modelos a aprender, adaptarse y mantenerse útiles.
Por eso he estado siguiendo @OpenGradient . Está trabajando en una parte del rompecabezas en la que la mayoría de la gente no piensa hasta que se convierte en un problema.
#opg $OPG
Al leer los comentarios, noté que casi todos hablaban sobre los modelos en sí. modelos más grandes, modelos más rápidos y modelos más baratos.
Muy pocas personas hablaban sobre la información en la que esos modelos se basan.
Esa parte siempre me ha interesado más.
Puedes construir un sistema de IA impresionante, pero si la información que ingresa no es útil, los resultados tampoco lo serán. Me recuerda a un viejo dicho: basura entra, basura sale.
Esa es una razón por la que OpenGradient llamó mi atención cuando empecé a investigarlo. El proyecto parece centrarse en una parte de la pila de IA que no recibe mucha atención de los usuarios comunes, a pesar de que es algo de lo que depende cada sistema de IA.
Lo que hace valiosa a la IA no es solo el modelo. Es la calidad del conocimiento, los datos y la retroalimentación que ayudan a mejorar con el tiempo.
Creo que eventualmente llegaremos a un punto en el que la gente deje de preguntar solo "¿qué modelo es el mejor?" y comience a preguntar "¿de dónde proviene la información?".
Eso me parece una pregunta mucho más importante.
Quizás esté equivocado, pero sospecho que la próxima fase de la IA no se definirá solo por avances en modelos. También estará moldeada por los sistemas que ayudan a esos modelos a aprender, adaptarse y mantenerse útiles.
Por eso he estado siguiendo @OpenGradient . Está trabajando en una parte del rompecabezas en la que la mayoría de la gente no piensa hasta que se convierte en un problema.
#opg $OPG