OpenAI presenta importantes mejoras en la API de ajuste y amplía el programa de modelos personalizados.

OpenAI anunció mejoras en la API de ajuste fino y la personalización/optimización del modelo de IA, ofreciendo a los desarrolladores herramientas avanzadas para mejorar la precisión, reducir la latencia y los costos, y adaptar los modelos a necesidades específicas.

Las nuevas mejoras incluyen nuevas capacidades en la API de ajuste y la expansión del programa de modelos personalizados, diseñado para potenciar las implementaciones de IA de los clientes con una amplia gama de opciones.

Nuevas funciones de API de ajuste fino

Desde su lanzamiento en agosto de 2023, la API de ajuste para GPT-3.5 ha permitido a varios miles de organizaciones entrenar cientos de miles de modelos. La API de ajuste mejora la comprensión del contenido y amplía las capacidades de un modelo para tareas específicas, admitiendo un mayor volumen de ejemplos para resultados de alta calidad, reduciendo costos y latencia.

Un ejemplo es la plataforma global de empleo Indeed, que utilizó esta tecnología para enviar recomendaciones personalizadas a los solicitantes de empleo, logrando una mejora significativa en la eficiencia y escala de sus comunicaciones.

Las nuevas características de la API de ajuste fino incluyen:

• Creación de puntos de control basados ​​en épocas: Produce automáticamente un punto de control del modelo completo y ajustado para cada época de entrenamiento, lo que reduce la necesidad de volver a entrenar.
• Patio de juegos comparativo: Una nueva interfaz de usuario para comparar lateralmente la calidad y el rendimiento de los modelos, facilitando la evaluación humana.
• Integración de terceros: Comenzando con pesos y sesgos, permite compartir datos de ajuste detallados con el resto de la pila de desarrollo.
• Métricas de validación integrales: Permite calcular métricas como la pérdida y la precisión en todo el conjunto de datos de validación, ofreciendo una visión más clara de la calidad del modelo.
• Configuración de hiperparámetros: Los desarrolladores pueden configurar hiperparámetros desde el Panel, mejorando la accesibilidad y la eficiencia del proceso de ajuste.

Ampliación del programa de modelos personalizados

Ajuste fino asistido

La oferta de ajuste asistido surge de la colaboración con equipos técnicos para aplicar técnicas avanzadas y métodos de ajuste eficientes en parámetros de mayor escala. Es ideal para organizaciones que buscan optimizar sus flujos de trabajo de datos de capacitación y sistemas de evaluación para maximizar el rendimiento del modelo en función de su caso de uso específico.

Un ejemplo destacado es SK Telecom, que colaboró ​​con OpenAI para personalizar un modelo que mejoró significativamente la calidad del servicio al cliente en el ámbito de las telecomunicaciones, demostrando el poder de estas técnicas avanzadas.

Modelo entrenado personalizado

Para necesidades aún más específicas, algunos clientes pueden necesitar crear un modelo desde cero, incorporando conocimientos únicos de su dominio o industria. Estos modelos se benefician de grandes cantidades de datos patentados y técnicas de capacitación innovadoras para enseñar al modelo nuevos conocimientos o comportamientos complejos.

Harvey, una herramienta legal para abogados basada en IA, es un ejemplo de cómo la colaboración con OpenAI dio como resultado un modelo altamente especializado que supera significativamente a los modelos base en tareas legales específicas.

El futuro de la personalización de modelos

La personalización del modelo representa el futuro de la implementación de la IA en las organizaciones, permitiendo un impacto más significativo y específico según el caso de uso.

Con estas nuevas herramientas y programas, OpenAI facilita que organizaciones de todos los tamaños desarrollen modelos personalizados, garantizando resultados rápidos y efectivos. La colaboración y la iteración continuas son clave para lograr un rendimiento óptimo del modelo.