Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
No encontramos noticias relacionadas por su significado.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Jay Cocks»
Más recientes primero · Hasta 30 noticias por página
OpenAI presenta InstructGPT, modelos de lenguaje alineados para seguir instrucciones
OpenAI presentó InstructGPT, modelos de lenguaje entrenados con aprendizaje por refuerzo a partir de retroalimentación humana (RLHF) que siguen mejor las instrucciones del usuario que GPT-3, con mayor veracidad y menor toxicidad. Los etiquetadores prefirieron las salidas del modelo de 1.3B parámetros sobre las de GPT-3 de 175B, y estos modelos pasaron a ser los predeterminados en la API. La empresa reconoce limitaciones: aún generan contenido tóxico o sesgado, inventan hechos y están sesgados hacia valores culturales angloparlantes.
- Ryan Lowe
- Jan Leike
- Long Ouyang
- Jeff Wu
- Roger Jiang
- Diogo Almeida
- Carroll Wainwright
- Pamela Mishkin
- Chong Zhang
- Sandhini Agarwal
- Katarina Slama
- Alex Ray
- John Schulman
- Jacob Hilton
- Fraser Kelton
- Luke Miller
- Maddie Simens
- Amanda Askell
- Peter Welinder
- Paul Christiano
- Steve Dowling
- Hannah Wong
- Elie Georges
- Alper Ercetin
- Jared Salzano
- Allan Diego
- Justin Jay Wang
OpenAI descubre neuronas multimodales en redes neuronales artificiales
OpenAI anunció el descubrimiento de neuronas multimodales en CLIP, su sistema de visión de propósito general, que responden a un mismo concepto presentado de forma literal, simbólica o conceptual. El hallazgo, publicado junto a herramientas de interpretabilidad y los pesos de los modelos RN50x4 y RN101, ayuda a entender cómo CLIP clasifica imágenes y qué sesgos y asociaciones aprende. Los investigadores advierten sobre "ataques tipográficos" y asociaciones dañinas, como una neurona que vincula "Medio Oriente" con terrorismo.
OpenAI presenta CLIP, una red neuronal que conecta texto e imágenes
OpenAI presentó CLIP, una red neuronal que aprende conceptos visuales a partir de supervisión en lenguaje natural y permite clasificar imágenes sin entrenamiento específico, de forma similar al modo zero-shot de GPT-2 y GPT-3. El modelo se entrenó con pares texto-imagen disponibles en internet y reduce la dependencia de costosos conjuntos de datos etiquetados, igualando el rendimiento de ResNet-50 en ImageNet sin usar sus ejemplos etiquetados. Sus limitaciones incluyen tareas abstractas como contar objetos, clasificación de grano fino y sensibilidad al fraseo, además de riesgos de sesgo y vigilancia.
OpenAI presenta DALL·E, una red neuronal que crea imágenes a partir de texto
OpenAI presentó DALL·E, una red neuronal de 12 mil millones de parámetros basada en GPT-3 que genera imágenes a partir de descripciones de texto. El modelo puede combinar conceptos no relacionados, controlar atributos de objetos, representar texto y aplicar transformaciones a imágenes existentes, además de mostrar razonamiento visual de cero disparos. OpenAI advirtió sobre posibles impactos sociales, sesgos en las salidas y desafíos éticos de la tecnología generativa.
OpenAI presenta Image GPT, un modelo que genera imágenes coherentes a partir de secuencias de píxeles
OpenAI publicó el 17 de junio de 2020 su trabajo Image GPT (iGPT), en el que aplica la misma arquitectura transformer de GPT-2 al lenguaje para generar imágenes a partir de secuencias de píxeles. El modelo, entrenado sin etiquetas humanas, produce muestras coherentes y alcanza resultados competitivos en clasificación de imágenes, superando a métodos no supervisados previos en CIFAR-10, CIFAR-100 y STL-10. Los autores señalan limitaciones de cómputo y resolución, y advierten sobre sesgos en los datos de entrenamiento.
OpenAI: la eficiencia algorítmica en IA se duplica cada 16 meses desde 2012
OpenAI publicó un análisis según el cual, desde 2012, el cómputo necesario para entrenar una red neuronal hasta el mismo rendimiento en la clasificación de ImageNet se reduce a la mitad cada 16 meses. Entrenar al nivel de AlexNet requiere hoy 44 veces menos cómputo que en 2012, frente a la mejora de 11x que habría producido la Ley de Moore. El texto sostiene que, en tareas de IA con alta inversión, el progreso algorítmico superó las ganancias de eficiencia del hardware, y anuncia el seguimiento público de los estados de vanguardia en eficiencia.
OpenAI entrena una mano robótica para resolver el cubo de Rubik
OpenAI entrenó un par de redes neuronales para resolver el cubo de Rubik con una mano robótica similar a la humana, usando aprendizaje por refuerzo y una técnica llamada Aleatorización Automática de Dominio (ADR). El sistema, entrenado íntegramente en simulación, logra resolver el cubo el 60% de las veces y solo el 20% en desórdenes de máxima dificultad. El avance muestra que el aprendizaje por refuerzo puede resolver problemas del mundo físico que requieren gran destreza.
- Ilge Akkaya
- Marcin Andrychowicz
- Maciek Chociej
- Mateusz Litwin
- Bob McGrew
- Arthur Petron
- Alex Paino
- Matthias Plappert
- Glenn Powell
- Raphael Ribas
- Jonas Schneider
- Nikolas Tezak
- Jerry Tworek
- Peter Welinder
- Lilian Weng
- Qiming Yuan
- Wojciech Zaremba
- Lei Zhang
- Eric Haines
- Peter Jordan
- Yvette Solis
- Brooke Chan
- Ashley Pilipiszyn
- Justin Jay Wang
- Ben Barry
OpenAI presenta GPT-2 y decide no publicar el modelo completo por riesgos de uso malicioso
OpenAI anunció GPT-2, un modelo de lenguaje de 1.500 millones de parámetros entrenado para predecir la siguiente palabra en 40 GB de texto de Internet, con capacidades de generación de texto, traducción y resumen sin entrenamiento específico. Por temor a usos maliciosos como desinformación y suplantación, la empresa no publicó el modelo completo ni sus datos, y liberó solo una versión reducida junto con un artículo técnico. En mayo de 2019 aplicó una estrategia de publicación por etapas, liberando la versión de 345 millones de parámetros y compartiendo las mayores con socios de seguridad.
- Alec Radford
- Jeffrey Wu
- Dario Amodei
- Daniella Amodei
- Jack Clark
- Miles Brundage
- Ilya Sutskever
- Amanda Askell
- David Lansky
- Danny Hernandez
- David Luan
- Ben Barry
- Greg Brockman
- Kai-Fu Lee
- Tasha McCauley
- Jeffrey Ding
- Brian Tse
- Allan Dafoe
- Rebecca Crootof
- Sam Bowman
- Ryan Calo
- Nick Cammarata
- John Schulman
- Ashley Pilipiszyn
- Justin Jay Wang
- Rewon Child
OpenAI presenta Random Network Distillation, un método de recompensas basado en predicción para el aprendizaje por refuerzo
OpenAI presentó Random Network Distillation (RND), un método de recompensas basado en predicción que incentiva la exploración por curiosidad en agentes de aprendizaje por refuerzo. RND superó por primera vez el rendimiento humano promedio en Montezuma's Revenge, encontrando las 24 habitaciones y resolviendo el primer nivel sin demostraciones ni acceso al estado del juego. El método es simple de implementar, aplicable a cualquier algoritmo de aprendizaje por refuerzo y evita el problema de la "televisión ruidosa".