Gopher vs Galactica

Descubra los avances de vanguardia en inteligencia artificial con la exploración de DeepMind de las capacidades de procesamiento del lenguaje en IA. En el centro de esta exploración se encuentra Gopher, un modelo de lenguaje de 280 mil millones de parámetros diseñado para comprender y generar texto similar al humano. El lenguaje sirve como núcleo de la inteligencia humana, permitiéndonos expresar pensamientos, crear recuerdos y fomentar la comprensión.

Al darse cuenta de su importancia, los equipos interdisciplinarios de DeepMind se han esforzado por impulsar el desarrollo de modelos de lenguaje como Gopher, equilibrando la innovación con consideraciones éticas y seguridad. Descubra cómo estos modelos de lenguaje están avanzando en la investigación de la IA al mejorar el rendimiento en tareas que van desde la comprensión lectora hasta la verificación de hechos, al tiempo que identifica limitaciones como los desafíos del razonamiento lógico. También se presta atención a los posibles riesgos éticos y sociales asociados con los grandes modelos lingüísticos, incluida la propagación de prejuicios y desinformación, y las medidas que se están tomando para mitigar estos riesgos.

Cinco puntos de control de pesos abiertos desde 125M hasta 120B de parámetros ofrecen a los investigadores un modelo de lenguaje entrenado en ciencia construido a partir de 106 mil millones de tokens seleccionados de 48 millones de artículos, libros de texto, enciclopedias y bases de conocimiento. Galactica almacena, combina y razona a través de modalidades que incluyen LaTeX, código Python, fórmulas SMILES y secuencias de aminoácidos dentro de una arquitectura Transformer solo con decodificador. El equipo Papers with Code de Meta liberó los pesos para investigadores que quieran estudiar cómo los modelos de lenguaje organizan el conocimiento científico.

Los LLMs de propósito general se entrenan con rastreos amplios de la web donde las conversaciones sociales pueden dominar el presupuesto de tokens. Galactica usó solo fuentes científicas de acceso abierto seleccionadas, lo que según el artículo permite entrenar durante múltiples épocas sin sobreajuste. Meta retiró la demostración pública en la web tres días después del lanzamiento en noviembre de 2022 cuando críticos mostraron citas y ecuaciones confiadas pero fabricadas, por lo que hoy se descargan los puntos de control desde Hugging Face en lugar de chatear mediante una interfaz alojada.

Los investigadores en aprendizaje automático pueden reproducir números de referencia del artículo en arXiv, incluyendo 77.6% en PubMedQA y 52.9% en MedMCQA dev. Los biólogos computacionales y químicos pueden probar tareas de anotación de proteínas y moléculas mediante los tokens especializados de Galactica para secuencias de aminoácidos y cadenas SMILES. Estudiantes de posgrado que exploran preguntas científicas, predicción de citas o problemas matemáticos pueden experimentar con tamaños de hasta 120 mil millones de parámetros sin entrenar desde cero.