IA | Transparencia

AI2 lanza Dolma, conjunto de datos gratuito para fomentar transparencia en la investigación de IA

Miles de autores firman una carta instando a los creadores de IA a dejar de robar libros

La importancia de la transparencia en los conjuntos de datos de IA

Los modelos de lenguaje como GPT-4 y Claude son poderosos y útiles, pero los datos en los que se entrenan son un secreto muy bien guardado. El Instituto Allen de Inteligencia Artificial (AI2) tiene como objetivo revertir esta tendencia con un nuevo y enorme conjunto de datos de texto que es gratuito y está abierto a la inspección.

Dolma, como se llama el conjunto de datos, está destinado a ser la base del modelo de lenguaje abierto planificado por el grupo de investigación, conocido como OLMo (Dolma es la abreviatura de "Data to feed OLMo's Appetite"). Según los investigadores de AI2, si el modelo está destinado a ser utilizado y modificado de forma gratuita por la comunidad de investigación de IA, también debería serlo el conjunto de datos que utilizan para crearlo.

El problema de la opacidad en los conjuntos de datos de IA

Aunque empresas como OpenAI y Meta publican algunas de las estadísticas vitales de los conjuntos de datos que utilizan para construir sus modelos de lenguaje, mucha de esa información se trata como propiedad exclusiva. Aparte de las consecuencias conocidas de desalentar el escrutinio y la mejora a gran escala, se especula que este enfoque cerrado se debe a que los datos no se obtuvieron de manera ética o legal: por ejemplo, que se incluyeron copias pirateadas de libros de muchos autores.

La iniciativa de AI2 para fomentar la transparencia

AI2 está desarrollando Dolma como una alternativa a esta opacidad. En un gráfico creado por AI2, se puede observar que los modelos más grandes y recientes solo proporcionan parte de la información que un investigador probablemente querría conocer sobre un conjunto de datos determinado. ¿Qué información se eliminó y por qué? ¿Qué se consideró texto de alta o baja calidad? ¿Se eliminaron adecuadamente los detalles personales?

AI2 y su modelo de lenguaje optimizado para la ciencia

Dolma de AI2 no es el primer intento de crear un conjunto de datos abierto, pero es el más grande hasta ahora (3 mil millones de tokens, una medida nativa de IA para el volumen de contenido) y, según afirman, el más sencillo en términos de uso y permisos. Utiliza la "Licencia ImpACT para artefactos de riesgo medio", de la cual se pueden ver los detalles aquí. Básicamente, requiere que los usuarios potenciales de Dolma:

  • Proporcionen información de contacto y casos de uso previstos.
  • Revelen cualquier creación derivada de Dolma.
  • Distribuyan esas creaciones derivadas bajo la misma licencia.
  • Se comprometan a no aplicar Dolma a áreas prohibidas, como la vigilancia o la desinformación.

Para aquellos que se preocupan de que, a pesar de los mejores esfuerzos de AI2, algunos de sus datos personales hayan llegado a la base de datos, hay un formulario de solicitud de eliminación disponible aquí. Es para casos específicos, no solo una solicitud general de "no me uses".

Acceso a Dolma y su importancia para la comunidad de investigación de IA

Si todo esto te parece bien, el acceso a Dolma está disponible a través de Hugging Face. AI2 espera que este enfoque abierto y transparente fomente la colaboración y el avance en el campo de la IA, alentando a otros a seguir su ejemplo y a proporcionar conjuntos de datos abiertos y accesibles para la comunidad de investigación.


Podcast El Desván de las Paradojas
Publicidad


Otras noticias • IA

Programación asistida

La IA transforma la programación y lidera la innovación

La inteligencia artificial está revolucionando la programación, destacando la codificación asistida por IA. Startups como Factory, que ha recaudado 150 millones de dólares, están liderando...

Transformación audiovisual

Innovative Dreams transforma la producción audiovisual con inteligencia artificial

La industria cinematográfica está experimentando una transformación gracias a la inteligencia artificial y nuevas plataformas de producción. La startup Luma, junto con Wonder Project, lanza...

Competencia IA

OpenAI y Anthropic intensifican competencia en herramientas de codificación

OpenAI y Anthropic compiten ferozmente en el ámbito de la IA, especialmente en herramientas de codificación. OpenAI ha actualizado Codex, mejorando su funcionalidad y añadiendo...

Incertidumbre competitiva

Renuncia de Krieger genera dudas sobre futuro de Figma

La renuncia de Mike Krieger del consejo de Figma, coincidiendo con el anuncio de herramientas de diseño de Anthropic, genera incertidumbre sobre el futuro de...

Búsqueda conversacional

Google lanza modo AI para búsqueda conversacional en Chrome

Google ha lanzado su nuevo modo AI, que permite una búsqueda conversacional y contextual en Chrome. Los usuarios pueden interactuar con múltiples fuentes de información...

Innovaciones colaborativas

Roblox lanza nuevas herramientas para potenciar el desarrollo de juegos

Roblox introducirá nuevas funciones para desarrolladores, como el "Modo de Planificación" que facilita la colaboración con inteligencia artificial, generación de mallas 3D y modelos editables....

Revolución comercial

La inteligencia artificial transforma el comercio electrónico en EE. UU

La inteligencia artificial está revolucionando el comercio electrónico en EE. UU., aumentando el tráfico y la conversión de visitantes. Los minoristas deben optimizar sus plataformas...

Integración tecnológica

Integración de IA transforma la observabilidad en tecnología actual

La evolución de la observabilidad en tecnología se centra en integrar la IA en infraestructuras existentes. InsightFinder AI, con su enfoque holístico y reciente financiación,...