“Es una innovación tremenda; a mí también me sorprendió”. “Suena mucho más natural que la mayoría de programas similares”. “Ha aprendido intuitivamente a mantener conversaciones sobre casi cualquier tema”. Estas son algunas de las primeras reacciones de los expertos en inteligencia artificial (IA) ante ChatGPT, tal y como publica EL PAÍS. En apenas unos días, la herramienta cautivó tanto a profesionales como a usuarios en general, que comenzaron a compartir extractos de sus conversaciones con el bot en las redes sociales. De repente, cualquiera con una conexión a Internet podía entablar un diálogo con una máquina que proporcionaba respuestas coherentes y bien escritas, aunque no siempre precisas. Para muchos, parecía como si estuvieran conversando con una persona y no con una máquina. Este sábado se cumplen dos años desde el lanzamiento de ChatGPT, que presentó al público la IA generativa, una tecnología capaz de producir contenido aparentemente original basado en indicaciones humanas.
¿Cuál es el estado actual de esta tecnología? El entusiasmo inicial ha dado paso a una batalla corporativa por el dominio en el despliegue de dichas herramientas. Microsoft rápidamente firmó un acuerdo de colaboración con OpenAI, el desarrollador detrás de ChatGPT y DALL·E, mientras que Google no se quedó atrás, anunciando sus propios modelos abiertos en dos meses.
Hoy nos encontramos en lo que la consultora Gartner llama “la depresión de la desilusión”: la euforia inicial generó expectativas infladas, y la incapacidad de cumplirlas inmediatamente hizo que el interés disminuyera. Esta es una fase natural en el ciclo de vida de las tendencias tecnológicas y, según Gartner, la pendiente de las expectativas volverá a aumentar dentro de unos años, aunque de forma más moderada que el primer aumento.
“Dos años después, los cerebros artificiales siguen siendo estocásticos sabelotodo: hablan con gran autoridad, parecen saberlo todo, pero lo que dicen no es el resultado de un conocimiento real, sino de su capacidad intuitivamente desarrollada para parecer sabios”. resume Julio Gonzalo, catedrático de Lenguajes y Sistemas Informáticos de la Universidad Nacional de Educación a Distancia (UNED) y vicerrector adjunto de Investigación.
Andrej Karpathy, uno de los creadores del modelo GPT (que dejó OpenAI en febrero), reconoció recientemente signos de agotamiento en la IA generativa. Dado que las primeras versiones de ChatGPT ya estaban preparadas para casi todos los textos disponibles en Internet, las nuevas versiones no podrán utilizar muchos más datos que sus predecesoras. Esto significará que los modelos no podrán mejorar significativamente.
“Para que se dé un gran salto será necesaria innovación en la arquitectura algorítmica, como el desarrollo de transformadores [a type of neural network that is key in the development of large language models] en 2017”, afirma Álvaro Barbero, jefe de análisis de datos del Instituto de Ingeniería del Conocimiento.
También hay preocupaciones en el ámbito empresarial. Los inversores aún tienen que ver cómo se puede monetizar eficazmente la IA generativa. OpenAI recaudó 10 mil millones de dólares en octubre “para operar con flexibilidad”, además de los 13 mil millones de dólares prometidos por Microsoft en 2023. Sin embargo, esta financiación puede no ser suficiente. El tan esperado modelo GPT-5, cuyo lanzamiento inicialmente estaba previsto para finales de 2023, aún no ha llegado, y los analistas empiezan a dudar de que sea tan innovador como ha sugerido el director ejecutivo Sam Altman.
Dentro de 12 meses, la burbuja GenAI habrá estallado.
• La economía no funciona
• El enfoque actual se ha estancado
• No existe una aplicación excelente
• Las alucinaciones persisten
• Persisten errores descabellados
• Nadie tiene un foso
• La gente está empezando a darse cuenta de todo lo anterior. pic.twitter.com/OXd1kRyXYg-GaryMarcus (@GaryMarcus) 24 de julio de 2024
Según las propias proyecciones de OpenAI, la compañía no obtendrá ganancias hasta 2029 y, mientras tanto, está gastando alrededor de 500 millones de dólares al mes. la revista tecnica La información estima que el costo de entrenar sus modelos alcanzará los 7 mil millones de dólares para 2024, y OpenAI podría quedarse sin fondos el próximo verano.
“Dentro de 12 meses, la burbuja de la IA habrá estallado”, dijo el experto en IA Gary Marcus en julio pasado. “La economía no funciona, el enfoque actual se ha estancado, no existe una aplicación asesina, alucinaciones [when the system makes things up] Siguen existiendo errores estúpidos, nadie tiene un foso y la gente está empezando a darse cuenta de todo lo anterior”.
Dejando a un lado las preocupaciones financieras, no hay duda de que la herramienta lanzada el 30 de noviembre de 2022 fue innovadora. “Desde mi perspectiva, la aparición de ChatGPT fue absolutamente revolucionaria”, afirma Carlos Gómez Rodríguez, catedrático de Informática e Inteligencia Artificial de la Universidad de La Coruña y experto en procesamiento del lenguaje natural, el campo de la IA dedicado a comprender y generar texto. “Por primera vez, un único sistema podría realizar una amplia gama de tareas sin una formación específica. Antes se podía crear un traductor español-inglés, pero diseñándolo específicamente para eso. Resultó que al desarrollar estos modelos más grandes, el modelo podía hacer muchas cosas. Eso ha cambiado todo en mi campo de investigación”.
“La IA generativa ha dado lugar a aplicaciones interesantes, como resumir textos, redactar cartas en otros idiomas y extraer información de documentos, pero también a usos problemáticos, como depender del sistema para extraer información factual cuando en realidad está haciendo predicciones y no buscando. o sacar conclusiones cuando no se trata de razonamiento”, explica Ricardo Baeza-Yates, director de investigación del Experiential AI Institute de la Northeastern University de Boston y profesor de la Universidad Pompeu Fabra de Barcelona. Además de los generadores de imágenes y vídeos, la IA generativa está desdibujando la línea entre la realidad y el engaño a través de deepfakes, al tiempo que permite formas de ciberataques más sofisticadas y rentables.
Apenas tres meses después del lanzamiento de ChatGPT, OpenAI presentó el modelo GPT-4, lo que supone un salto significativo con respecto a la primera versión de la herramienta. Sin embargo, en los casi dos años transcurridos desde entonces, no ha habido grandes avances. “Parece que con GPT-4 hemos alcanzado los límites de lo que la IA es capaz de hacer con sólo emular nuestra intuición. También se ha comprobado que la capacidad de pensamiento racional no ha aparecido por arte de magia con sólo hacer cerebros más grandes”, explica Gonzalo.
El último desarrollo en IA generativa son los sistemas multimodales, capaces de combinar diferentes tipos de medios, como texto, imagen y audio. Por ejemplo, las últimas versiones de ChatGPT o Gemini pueden analizar una foto de tu frigorífico y sugerirte qué preparar para la cena. Pero generan estos resultados basándose en la intuición, no en el razonamiento. “El siguiente paso será investigar si los grandes modelos lingüísticos pueden evolucionar hasta convertirse en agentes autónomos, es decir, que puedan operar de forma independiente e interactuar entre sí en nuestro nombre. Podrían reservar billetes de avión o reservas de hotel siguiendo nuestras instrucciones”, afirma Gómez Rodríguez.
“Creo que los modelos de IA generativa están llegando a sus límites y necesitarán añadir otros elementos, como conocimiento verdadero. [Perplexity and others already cite the sources they use]lógica deductiva [classic AI] y, a largo plazo, el sentido común, el más raro de los sentidos. Sólo entonces podremos empezar a hablar de razonamiento verdadero”, afirma Baeza-Yates.
Esto es lo que Altman ha prometido para el próximo año. Se refiere a ella como inteligencia artificial general (AGI), que iguala o supera las capacidades humanas. Está claro que tal desarrollo tomará tiempo para materializarse y, como sugiere Baeza-Yates, se necesitará algo más que IA generativa para lograr este objetivo.
“Los grandes modelos multimodales de IA generativa serán una parte fundamental de la solución general para el desarrollo de AGI, pero no creo que sean suficientes por sí solos. Creo que vamos a necesitar algunos otros grandes avances antes de llegar a lo que llamamos AGI”, dijo la semana pasada Demis Hassabis, jefe de investigación de IA en Google y ganador del Premio Nobel de Química, en una reunión con periodistas en la que EL PAÍS participó.
“La IA generativa no sólo no nos acerca a las grandes cuestiones científicas de la IA, como por ejemplo si la inteligencia puede existir en formas no orgánicas, sino que en realidad nos desvía de ellas. Estos sistemas son incapaces de razonar, [to achieve that] Tendríamos que recurrir a la IA simbólica. [based on mathematical logic]”, reflexiona Ramón López de Mántaras, fundador del Instituto de Investigación en Inteligencia Artificial del CSIC y uno de los pioneros en España en este campo.
Alphafold, la herramienta desarrollada por el equipo de Hassabis para predecir la estructura de 200 millones de proteínas (lo que le llevó al Premio Nobel) integra 32 técnicas de IA diferentes, siendo la IA generativa solo una de ellas. “Creo que el futuro estará en este tipo de sistemas híbridos”, afirma López de Mántaras.
Suscríbete a nuestro boletín semanal para recibir más cobertura de noticias en inglés de EL PAÍS Edición USA
El Asistente de Google está siendo reemplazado por Gemini
SOPA Images/LighTrocket a través de Getty Images
Google Assistant está evolucionando a Géminis, trayendo potentes nuevas capacidades de IA pero también descontinuando algunas características favoritas. Si usa el Asistente de Google para establecer temporizadores, reproducir música o controlar su hogar inteligente, prepárese para algunas interrupciones significativas a medida que la compañía comienza a reemplazar al asistente de nueve años con su chatbot Gemini más nuevo, más potente y alimentado por IA. Este artículo describirá los cambios clave que puede esperar, ayudándole a prepararse para la transición y comprender lo que será diferente.
Actualización del 22 de marzo a continuación, con consejos sobre cómo trabajar en algunas de las características descontinuadas del Asistente de Google. Este artículo fue publicado originalmente el 20 de marzo.
Gemini representa un salto gigante en la capacidad en comparación con el Asistente de Google. Podrá chatear con Gemini de manera similar a la forma en que hablas con Google Assistant ahora, pero como se basa en modelos de lenguaje grande (LLM) con AI, Gemini puede ser mucho más conversacional y útil, capaz de realizar tareas más desafiantes y capaz de adaptarle sus respuestas específicamente a usted.
Google ya ha comenzado la transición a Gemini. Los teléfonos inteligentes son los primeros en cambiar y serán seguidos por altavoces inteligentes, televisores, otros dispositivos domésticos, dispositivos portátiles y automóviles en los próximos meses.
Los teléfonos inteligentes, con algunas excepciones importantes (ver más abajo), se habrán trasladado a Gemini por completo a fines de 2025, momento en el que “el clásico Asistente de Google ya no se puede acceder en la mayoría de los dispositivos móviles o disponible para nuevas descargas en tiendas de aplicaciones móviles”, según Google.
Desafortunadamente, la transición a Géminis no será perfecta para todos. Si actualmente hace un uso extenso de Google Assistant, puede requerir un poco de esfuerzo para adaptarse a Géminis. Algunos usuarios deberán hacer ajustes significativos en cómo usan sus dispositivos, ya que ciertas características de Google Assistant no funcionarán de la misma manera con Gemini, si es que funcionan. Es importante comprender estos cambios si desea evitar la interrupción.
Google ha eliminado varias características del Asistente de Google antes de la transición a Gemini.
Google tiene un historial de eliminación de funciones que considera “infrautilizadas” por los clientes. Desde el año pasado, ha eliminado 22 características de Google Assistant.
Las mudanzas notables incluyen funciones de libros de cocina/recetas y alarmas de medios que le permiten despertar a su música favorita. Si bien no todas estas discontinuaciones se pueden atribuir a la transición a Géminis, hacer que el interruptor hará que alguna funcionalidad desaparezca de inmediato.
Recientemente, Modo de intérprete para traducciones en vivo y Campana de la familia Los anuncios para establecer recordatorios personalizados fueron descontinuados para el consternación de muchos usuarios frecuentes. La lista de funciones discontinuadas continúa, y los usuarios están no feliz.
Puede leer la lista completa de funciones discontinuadas y cambiadas en Este documento de soporte de Google.
Google también reconoce que para empezar, Gemini puede ser más lento para responder a las solicitudes que en el Asistente de Google, aunque se espera que sea más rápido con el tiempo.
Sin embargo, debido a que se basa en AI, Gemini, a diferencia del Asistente de Google, a veces puede proporcionar información falsa o “alucinaciones”. Los usuarios tendrán que acostumbrarse a verificar cualquier información que Gemini proporcione de una manera que no fuera tan crítica con el Asistente de Google.
Gemini intenta comprender sus solicitudes y responder adecuadamente en lugar de simplemente seguir una lista de comandos programados. Esto lo hace considerablemente más poderoso pero también un poco impredecible.
Afortunadamente, Gemini es mucho más poderoso que el Asistente de Google que los usuarios eventualmente obtendrán muchas más capacidades de las que pierden. Géminis probablemente pueda restaurar gran parte de la funcionalidad eliminada eventualmente. Sin embargo, no todas las características de Google Assistant actualmente tienen una alternativa que funciona con Gemini.
No todos los dispositivos son compatibles con Gemini, y deberá ubicarse en uno de los países donde Géminis está disponible. Si su dispositivo no cumple con los criterios a continuación, puede continuar usando el Asistente de Google por ahora.
Para teléfonos y tabletas, necesitará:
Por ahora, el Asistente de Google continuará trabajando en dispositivos, como altavoces inteligentes, pantallas inteligentes y televisores, pero eso cambiará en los próximos meses. El despliegue eventualmente se extenderá a tabletas, automóviles, auriculares y relojes, siempre que cumplan con las especificaciones mínimas.
Es posible que algunos otros dispositivos más antiguos tampoco sean lo suficientemente potentes como para ejecutar Gemini, aunque en este momento no se han dado requisitos específicos. Si su dispositivo es demasiado viejo para admitir Gemini, aún podrá usar Google Assistant siempre que Google continúe admitiendolo.
Para obtener detalles sobre la transición a Géminis y lo que Géminis puede hacer por usted, consulte Google’s Introducción a Géminis.
Actualización del 22 de marzo. Aquí hay algunas soluciones para algunas de las características más populares que se eliminan del Asistente de Google mientras Google hace la transición a Gemini.
Modo de intérprete
Si bien traduce con precisión palabras, frases y documentos completos, Gemini actualmente no reemplaza directamente la función de modo de intérprete de traducción en vivo de Google Assistant. Esto significa que los altavoces inteligentes y otros dispositivos ya no podrán traducir conversaciones en tiempo real.
La mejor alternativa de Google es cambiar a la aplicación Google Translate, que ofrece una función similar de “modo de conversación”. Sin embargo, es principalmente para dispositivos móviles y no ofrece la misma experiencia sin voz y activada por voz como altavoz inteligente o pantalla inteligente.
Si un modo de intérprete manos libres en un altavoz inteligente es de vital importancia para usted, siempre puede comprar un dispositivo de Amazon y usar la función de traducción en vivo de Alexa.
Verifique el de Google páginas de ayuda Para posibles actualizaciones sobre el modo intérprete.
Comandos de voz de Google Photos, configuración del marco de fotos y configuración de pantalla ambiental
Lamentablemente, ya no podrá usar su voz para favoritas y compartir sus fotos o preguntar cuándo y dónde fueron tomadas. Sin embargo, podrá usar la aplicación Google Photos para realizar estas funciones manualmente.
Es una situación similar para la configuración del marco de fotos y la configuración de la pantalla ambiental. Ahora tendrá que ajustarlos manualmente tocando las opciones de configuración en su pantalla.
La pérdida de control de voz será un golpe para cualquiera que se base en el control de voz para la accesibilidad. Con suerte, Gemini eventualmente podrá realizar una función similar, pero por ahora, si no puede usar la pantalla táctil, tendrá que buscar otras opciones de accesibilidad.
Aprenda a usar las rutinas de Google Home
Algunas de las características del Asistente de Google que Google ha eliminado, como Family Bell, se puede aproximar utilizando las rutinas de Google. Sin embargo, el proceso de configuración será más complicado que antes. Lo mismo ocurre con la creación de actualizaciones diarias automáticas. Google proporciona Ayuda para crear rutinas En sus páginas de apoyo, pero prepárese para invertir algo de tiempo aprendiendo a configurarlas.
Seguir @Paul_Monckton en Instagram.
La lucha entre los creadores y los titanes tecnológicos de IA por la ley de derechos de autor y la licencia se está calentando. En una carta presentada a la Oficina de Política de Ciencia y Tecnología de la Administración Trump el 15 de marzo, más de 400 actores, escritores y directores pidieron al gobierno que defendiera la ley actual de derechos de autor.
Los firmantes incluyen a Paul McCartney, Guillermo del Toro, Ava Duvernay, Cynthia Erivo, Phoebe Waller-Bridge, Ayo Edebiri, Chris Rock y Mark Ruffalo. La carta solicita específicamente al gobierno que no otorgue excepciones de uso justo a las compañías tecnológicas que capacitan la IA.
El uso justo es un concepto fundamental en la ley de derechos de autor que brinda a las personas una excepción para usar contenido protegido, incluso si no son el titular de los derechos de autor, en casos limitados y específicos. Anteriormente, las compañías de IA, hambrientas por el contenido generado por los humanos para capacitar y mejorar sus modelos de IA, han necesitado pagar a los editores y catálogos de contenido por el acceso a ese material. Una excepción de uso justo facilitaría que las compañías tecnológicas accedan a contenido sin obstáculos legales.
Google y Openai propusieron cambios similares a la ley actual de derechos de autor en sus propuestas para el plan de acción de IA de la administración. Google escribió que tales excepciones le permiten “evitar negociaciones a menudo altamente impredecibles, desequilibradas y largas con los titulares de datos durante el desarrollo del modelo”. Operai escribió que las protecciones de uso justo para la IA son necesarias para proteger la seguridad nacional estadounidense.
Parte del reciente impulso gubernamental alrededor de la IA es una preocupación por la pérdida de la posición global y una ventaja tecnológica sobre el desarrollo de IA a adversarios como China. La IA china, como el rival de chatgpt Deepseek, continúa procesando, pero las preocupaciones abundan sobre su seguridad y falta de barandillas.
En otras palabras, compañías tecnológicas como Google y OpenAI, cada una valorada por la capitalización de mercado en los cientos de miles de millones y billones de dólares, no quieren pasar por el proceso legal establecido y pagar los derechos del contenido que necesitan para que su AIS sea competitivo con los desarrollados por China. Y quieren que la administración Trump codifique las protecciones para ellos como parte de su plan de acción de IA.
Los firmantes de Hollywood se oponen firmemente a la posibilidad de tal reescritura de la ley de derechos de autor. “Estados Unidos no se convirtió en una potencia cultural global por accidente”, dice la carta. “Nuestro éxito se deriva directamente de nuestro respeto fundamental por la IP y los derechos de autor que recompensa la toma de riesgos creativos por estadounidenses talentosos y trabajadores de todos los estados y territorio”.
La Oficina de Derechos de Autor de EE. UU. Ha estado desarrollando orientación sobre cómo manejar los reclamos de derechos de autor por contenido generado por IA. Pero la gente ha estado preocupada durante años, e incluso demandó, cómo los modelos de IA están entrenados de una manera que potencialmente viola los derechos de los titulares de derechos de autor. El doble huelga en el verano de 2023 por miembros del Guild de Escritores de América y el Gremio de Actores de Screen y la Federación Americana de Artistas de Televisión y Radio, o Sag-Aftra, incluyó a la IA como una de sus principales preocupaciones. Ni Openai ni Google han compartido exactamente qué contenido constituye sus bases de datos de capacitación para ChatGPT y Gemini.
La ecuación de derechos de autor se vuelve aún más complicada, ya que sabemos al menos una compañía que recibió un reclamo de derechos de autor para una imagen cuya IA genera cada parte. Deja espacio para la incertidumbre en cada lado del desastre que es los derechos de autor y la IA.
Hasta este punto, no ha habido un progreso mucho significativo en la supervisión del gobierno o la legislación que regula cómo los gigantes tecnológicos como OpenAI y Google desarrollan IA. El ex presidente Biden consiguió que muchas de las principales compañías tecnológicas se comprometieran voluntariamente a desarrollar AI de manera responsable e intentó promulgar algunas barandillas en torno al desarrollo de la IA a través de la orden ejecutiva. Pero a las pocas horas de ser inaugurado, Trump retrocedió la orden ejecutiva de AI de Biden con una de las suyas.
En su propia orden ejecutiva sobre IA, Trump dijo que quiere “mantener y mejorar el dominio global de IA de Estados Unidos”. El Plan de Acción de AI es cómo planea promulgar su versión de la política tecnológica. El vicepresidente Vance presentó el plan, y más ampliamente la opinión de la administración sobre la tecnología, en una cumbre internacional sobre IA en enero.
Vance dijo: “Cuando conferencias como esta se convierten en discutir una tecnología de vanguardia, a menudo, creo que nuestra respuesta es ser demasiado consciente de sí misma, demasiado requerida por el riesgo. Pero nunca he encontrado un gran avance en la tecnología que claramente nos llama a hacer precisamente lo contrario”.
Además del llamado a los comentarios, una orden ejecutiva de enero del presidente Trump pidió que American AI estuviera “libre de sesgos ideológicos o agendas sociales diseñadas”.
Al mismo tiempo, los líderes tecnológicos como Sundar Pichai de Google y Sam Altman de Openai se han acercado a la nueva administración. Altman donó un millón de dólares de su propio dinero al Fondo de inauguración de Trump, y Google como compañía donó lo mismo. Altman y Pichai obtuvieron asientos de primera fila para la ceremonia de juramentación, junto con Mark Zuckerberg de Meta, Elon Musk de X y Jeff Bezos de Amazon. Es probable que los ejecutivos esperen que llegar al lado bueno de Trump los ayude a allanar el camino para el futuro de su empresa tecnológica, incluso si, en este caso, molestaría décadas de ley establecida de derechos de autor.
Muchos grupos de personas, no solo creadores, están preocupados de que el desarrollo y el uso no regulado de la IA puedan ser desastrosos.
Se espera que la Oficina de Derechos de Autor de los Estados Unidos publique un informe más sobre AI, específicamente sobre “implicaciones legales de capacitar a los modelos de IA en trabajos con derechos de autor, consideraciones de licencia y la asignación de cualquier posible responsabilidad”.
Mientras tanto, una serie de demandas activas podrían establecer precedentes importantes para la rama judicial. Thomson Reuters acaba de ganar su caso que dijo que una compañía de IA no tenía un caso de uso justo para usar su contenido para construir IA. La legislación como la Ley No Fakes también se está abriendo camino a través del Congreso, pero no está claro qué tipo de legislación futura de IA tendrá.
Para obtener más información, consulte cómo AI y Art Clash en SXSW y por qué la promesa anti-AI de una compañía resuena con los creadores.
Como Openai introdujo lo que todos los demás llaman a los agentes SDK, admitió que usar las capacidades existentes de manera unida “puede ser un desafío, a menudo requerir una amplia iteración rápida y una lógica de orquestación personalizada sin suficiente visibilidad o soporte incorporado”. En resumen, el uso de agentes necesitaba bastante programación, y esa no es la historia que cualquier proveedor de IA quiere vender.
Para devolver la narración a la idea de que gastar dinero en IA eventualmente erradicará la necesidad de un costoso desarrollo de software humano, o de hecho humanos, Openai está implementando una estructura para permitir una orquestación simple.
Primero resumamos cuáles son los problemas. Las tareas de agente implican al menos dos procesos que funcionan individualmente, con una tarea que comienza otra y con los resultados que se informan a un proceso de informes finales al final, con suerte en momentos similares. Los “resultados” también deben estar en un formato conocido (por ejemplo, una oración, un archivo, una imagen, una base de datos), pero esto no es fácil de generalizar. Incluso el camino feliz es un buen equilibrio: lidiar y explicar errores es otro problema. Todos estos son problemas de orquestación familiares. Pero como industria, nadie cree que la orquestación es un problema “resuelto”. Heavy LLM Uso también agrega la necesidad de controlar el uso del token; Las fichas son el nuevo oro negro.
Para comenzar el viaje de orquestación, OpenAI ha agregado algunas API nuevas a su plataforma central. En particular, ha introducido un básico Respuestas API Eso limpia algunos de los supuestos hechos por los agentes de chat.
En el sentido más simple, esto puede capturar la salida:
|
|
de opadai importar Opadai cliente = Opadai() respuesta = cliente.respuestas.crear( modelo=“GPT-4O”, aporte=“Escribe una historia de una oración a la hora de dormir sobre un unicornio”. ) imprimir(respuesta.output_text) |
Puede analizar imágenes en este nivel; y agregue una de las herramientas a continuación. Cuidado: es probable que los nuevos modelos dejen de admitir la API de finalización de chat existente: muchas características nuevas solo admiten la API de nuevas respuestas.
Veamos estas nuevas herramientas. Búsqueda web Permite que un agente rastree la web para tareas simples. El breve script de Python a continuación muestra cómo se le da a un modelo la opción de usar esta herramienta:
|
|
de opadai importar Opadai cliente = Opadai() respuesta = cliente.respuestas.crear( modelo=“GPT-4O”, herramientas=[{“type”: “web_search_preview”}], aporte=“¿Qué historia de Kubernetes apareció hoy?” ) imprimir(respuesta.output_text) |
El reesponse También contendrá referencias a cualquier artículo citado. Estas consultas se pueden definir por tiempo o ubicación. También puede sopesar el costo, la calidad y la latencia.
Búsqueda de archivos es efectivamente una tienda vectorial alojada. Usted indica que la búsqueda de archivos es una herramienta disponible e identifica su tienda vectorial:
|
|
de opadai importar Opadai cliente = Opadai() respuesta = cliente.respuestas.crear( modelo=“GPT-4O-Mini”, aporte=“¿Qué es la investigación profunda de Operai?”, herramientas=[{ “type”: “file_search”, “vector_store_ids”: [“<vector_store_id>”] }] ) imprimir(respuesta) |
Si es necesario, un agente lo usará. La respuesta citará los documentos utilizados en la respuesta. Puede limitar las respuestas a controlar el uso y la latencia del token. Hay límites para el tamaño total del archivo, los archivos buscados y el tamaño de la tienda Vector. Los tipos de documentos que se pueden buscar (por tipo de archivo) parecen extensos.
El Uso de la computadora La herramienta es interesante:
“La herramienta de uso de la computadora funciona en un bucle continuo. Envía acciones de la computadora, como click(x,y) o type(text)que su código se ejecuta en un entorno de computadora o navegador y luego devuelve capturas de pantalla de los resultados al modelo “.
Parece que está fingiendo ser selenio, la herramienta que usamos para probar las interfaces web a través de scripts. Obviamente, esto reconoce que todavía no estamos en el AIS solo hablando con otro mundo de AIS todavía. Pero al menos es un guiño a la idea de que no todo es un sitio web.
Usaré los ejemplos de Python (definitivamente es un producto de Python-First, pero los documentos también muestran el script equivalente de JavaScript). Hemos ejecutado Python varias veces en mis publicaciones, pero en mi nuevo MacBook, solo verificaré que tenga Python instalado:
El resultado fue que python@3.13 3.13.2 ya está instalado y actualizado.
Mi pip también está allí (como PIP3).
Así que ahora puedo instalar los paquetes Operai:
Ah, recuerdo esto. Necesitamos un virtual:
Luego activo el virtual:
Y estamos listos para proceder.
Ahora, por supuesto, deberá usar y establecer un OpenAI_API_KEY. Me creé una nueva clave en la página de mi cuenta y establecí el opanai_api_key (no te preocupes, es mucho más largo que esto):
Y tienes que asegurarte de tener un poco de oro negro, me refiero a las fichas. He presentado algunas de las formas de evitar pagar OpenAi usando modelos locales, pero para esta publicación asumiré que está pagando por los tokens.
Como es tradicional, comencemos con una verificación de que los conceptos básicos anteriores están en su lugar a través de una simple solicitud con lo siguiente Haiku.py:
|
|
de agentes importar Agente, Corredor agente = Agente(nombre=“Asistente”, instrucciones=“Eres un asistente útil”) resultado = Corredor.run_sync(agente, “Escribe un haiku sobre la recursión en la programación”.) imprimir(resultado.final_output) |
Y obtenemos una buena respuesta:
(Un buen haiku tradicional debería mencionar las temporadas que pasan, pero no es por eso que estamos aquí). Por lo general, también verificaría mi equilibrio, pero no ha sido perturbado.
Como puede ver, ya hemos usado un agente. No es que interviniera de ninguna manera, pero llegaremos a eso.
OpenAI ha simplificado el proceso de orquestación con algunos términos simples. A manos libres es una introducción al mundo asincrónico, donde algo tiene que esperar algo más. Desglosemos su ejemplo, que ejecutaré como hola.py:
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
|
de agentes importar Agente, Corredor importar asincio español_agent = Agente( nombre=“Agente español”, instrucciones=“Solo hablas español”., ) inglés_agent = Agente( nombre=“Agente inglés”, instrucciones=“Solo hablas inglés”, ) triaje_agent = Agente( nombre=“Agente de triaje”, instrucciones=“Se transmite al agente apropiado basado en el idioma de la solicitud”., traspaso=[spanish_agent, english_agent], ) asíncrata defensor principal(): resultado = esperar Corredor.correr(triaje_agent, aporte=“Hola, ¿Cómo Estás?”) imprimir(resultado.final_output) si __nombre__ == “__principal__”: asincio.correr(principal()) |
Esto muestra dos cosas básicas. En primer lugar, la configuración de roles para los agentes en inglés simple a los que estamos acostumbrados, pero también estableciendo la interacción entre los agentes. El agente de transferencia mantiene una lista de agentes disponibles para responder respuestas.
Ahora, esto implica que mi solicitud alemana no obtendrá la respuesta correcta. Entonces, si cambiamos la consulta dentro hola.py:
|
|
… asíncrata defensor principal(): resultado = esperar Corredor.correr(triaje_agent, aporte=“Wie Geht es Ihnen?”) … |
Y ejecutar nuestro nido de agentes:
Entonces, aunque OpenAi no tuvo problemas para traducir alemán, el agente de triaje no tenía un agente de idiomas relevante a la mano, por lo que hizo el trabajo y respondió en inglés. Es poco probable que nuestros clientes alemanes estén demasiado molestos, pero podemos mejorar.
Entonces, si finalmente agregamos el agente alemán y lo ponemos en la lista de transferencias a hola.py:
|
|
… German_agent = Agente( nombre=“Agente alemán”, instrucciones=“Solo hablas alemán”, ) triaje_agent = Agente( nombre=“Agente de triaje”, instrucciones=“Se transmite al agente apropiado basado en el idioma de la solicitud”., traspaso=[spanish_agent, english_agent, german_agent], ) … |
Podemos intentar esa solicitud alemana nuevamente:
Esta vez se llama al agente correcto y responde. Nuestros clientes alemanes ahora están más felices: ¡Ausgezeichnet! No olvides que mi terminal de urdimbre también te está dando los tiempos para estas respuestas.
Primero observamos el bucle de respuesta, que puede incluir más llamadas de herramientas. Si la respuesta tiene una transferencia, establecemos el agente en el nuevo agente y volvemos al inicio.
Hay opciones de registro debajo de esto, pero como de costumbre, OpenAI está dando una API de alto nivel en esta etapa, lo que debería fomentar la experimentación sin la necesidad de involucrarse demasiado con la orquestación.
Si bien he introducido agentes aquí, en publicaciones posteriores, veré más partes del SDK.
Vía Sahin Ahmed
Youtube.com/thenewstack
La tecnología se mueve rápidamente, no te pierdas un episodio. Suscríbase a nuestro canal de YouTube para transmitir todos nuestros podcasts, entrevistas, demostraciones y más.
Remove.bg: La Revolución en la Edición de Imágenes que Debes Conocer
Cómo Empezar con Popai.pro: Tu Espacio Personal de IA – Guía Completa, Instalación, Versiones y Precios
Cómo Comenzar a Utilizar ChatGPT: Una Guía Completa para Principiantes
Startups de IA en EE.UU. que han recaudado más de $100M en 2024
Suno.com: La Revolución en la Creación Musical con Inteligencia Artificial
Deepgram: Revolucionando el Reconocimiento de Voz con IA
Perplexity aplicado al Marketing Digital y Estrategias SEO
Dos periodistas octogenarios deman a ChatGPT por robar su trabajo
Inside the OpenAI-DeepSeek Distillation Saga & Alibaba’s Most Powerful AI Model Qwen2.5-Max
De ChatGPT a mil millones de agentes
