La Búsqueda Generativa de IA: La Evolución de la Búsqueda en Línea

La Inteligencia Artificial (IA) ha revolucionado nuestras vidas desde la llegada de los asistentes personales de IA en dispositivos móviles, como Cortana, Siri, Google Assistant y Alexa. La IA también se ha utilizado en dispositivos de Internet de las Cosas (IoT), permitiéndonos controlar muchos aspectos de nuestro hogar y lugar de trabajo.

Pero la IA no se ha limitado solo a los dispositivos personales y el IoT. También ha ingresado a la industria de la producción multimedia, donde ahora puede generar contenido como imágenes, videos, audios y texto a partir de palabras clave o instrucciones. Hoy en día, las IA avanzadas pueden editar contenido de video y audio de manera impecable. En resumen, la IA está en todas partes. Por lo tanto, no es de extrañar que pronto veamos cómo la IA influencia la forma en que buscamos contenido en la web.

Generativo vs. Modelo Discriminativo

En el modelo discriminativo para el entrenamiento de IA, un supervisor humano entrena a la IA para aprender las diferencias entre dos o más objetos en una muestra de entrada. Por ejemplo, si proporcionamos 10 imágenes de 10 animales diferentes como entrada a la IA, el modelo discriminativo la ayudará a distinguir exitosamente todos los animales.

Por otro lado, el modelo generativo ayuda a una IA a crear objetos que se refieren a datos de muestra con semisupervisión o sin supervisión. Un modelo generativo de aprendizaje automático ayuda a una IA a comprender los datos de entrada y preservar esa comprensión en su memoria neuronal para que pueda usarla en el futuro cuando se enfrente a desafíos similares.

Redes Adversarias Generativas (GAN)

Este algoritmo de aprendizaje automático combina modelos generativos y discriminativos para el entrenamiento de IA. Aquí, el modelo generativo crea muestras a partir de vectores de entrada, como palabras clave o preguntas.

Luego, el modelo discriminativo debe identificar si la muestra generada es una entrada falsa o original. Si es falsa, el modelo generativo vuelve a trabajar en la tarea para crear otra salida para el modelo discriminativo. Este proceso continúa en iteraciones hasta que el modelo generativo pueda crear falsificaciones que el modelo discriminativo ya no pueda distinguir de la entrada original.

Modelos Basados en Transformadores

Los modelos basados en transformadores para el ML son redes neuronales profundas que analizan secuencias de vectores de entrada. Luego, predicen cuál podría ser la salida. Por ejemplo, si le presentamos a un transformador una serie de palabras no relacionadas, analizará las palabras e intentará predecir palabras anteriores o sucesivas que podrían llenar los espacios en blanco y convertir palabras no relacionadas en oraciones significativas.

En un transformador, un codificador extrae todas las características o puntos de datos de la secuencia de entrada y las convierte en vectores de entrada. Luego, el decodificador analiza los vectores de entrada, crea un contexto a partir de los datos y produce una secuencia de salida.

Existen muchos modelos exitosos de IA basados en transformadores, como los que se describen a continuación:

• Transformador Preentrenado Generativo Modelo 3, también conocido como ChatGPT.