Liderazgo Capital Humano Actualidad

Ya puedes personalizar OpenAI con tus propios datos, ¿esto qué significa?

Ahora las empresas pueden vaciar sus datos para que sus clientes obtengan un mejor resultado utilizando sus chatbots gracias a OpenAI. Si quieres saber cómo utilizar esta nueva característica, sigue leyendo.

MIT SMR México 23 Ago 2024

OpenAI lanzó una nueva función que permitirá a los clientes corporativos utilizar los datos de su propia empresa para personalizar su modelo más poderoso, GPT-4o.

La empresa puso en marcha esta medida, conocida como ajuste fino, a partir del 20 de agosto. Esta nueva característica permite entrenar los modelos de IA existentes con información adicional sobre un tipo concreto de tarea o área temática.

Publicidad
Publicidad

Por ejemplo, una empresa que fabrica patines podría perfeccionar la atención de su chatbot de atención al cliente entrenándolo específicamente con datos sobre ruedas y cuidados específicos.

OpenAI añadió que el ajuste fino permite que el modelo personalice la estructura y el tono de las respuestas.

Los desarrolladores ya pueden producir resultados sólidos para sus aplicaciones con tan solo unas pocas docenas de ejemplos en su conjunto de datos.

“Desde la codificación hasta la escritura creativa, el ajuste fino puede tener un gran impacto en el rendimiento del modelo en una variedad de dominios. Esto es solo el comienzo, seguiremos invirtiendo en la expansión de nuestras opciones de personalización de modelos”:

(Rokas91 / Depositphotos)

OpenAI cierra cuentas iraníes por desinformar con ChatGPT, ¿qué más ha hecho?

¿Quieres utilizar el ajuste fino de OpenAI para beneficiar a tu empresa?

La empresa creada por Sam Altman mencionó que el ajuste fino le permite aprovechar al máximo los modelos disponibles a través de la API al proporcionar:

  • Resultados de mayor calidad que los que se obtienen con el método de incitación
  • Capacidad de entrenar con más ejemplos de los que caben en una instrucción
  • Ahorro de tokens gracias a indicaciones más breves
  • Solicitudes de menor latencia

El ajuste fino mejora el aprendizaje de pocos intentos al entrenar con muchos más ejemplos de los que caben en la solicitud. Esto le permite lograr mejores resultados en una gran cantidad de tareas. 

“Una vez que se haya ajustado un modelo, no necesitará proporcionar tantos ejemplos en la solicitud. Esto ahorra costos y permite solicitudes con menor latencia”, añadió OpenAI.

En un nivel alto, las personas que quieran alimentar GPT-4o con sus propios datos deben de seguir estos pasos:

  1. Preparar y cargar datos de entrenamiento
  2. Entrenar un nuevo modelo perfeccionado
  3. Evaluar los resultados y vuelva al paso 1 si es necesario
  4. Utilizar el modelo perfeccionado

Es importante destacar que el ajuste fino de GPT-4o está disponible hoy para todos los desarrolladores en todos los niveles de uso pago. Cada uno de ellos debe seguir al pie de la letra las instrucciones detalladas que se encuentran en este documento.

OpenAI por fin estrenó su modo de voz, sigue estos pasos para poder utilizarlo

¿Cuándo te conviene usar esta nueva característica?

El ajuste fino de los modelos de generación de texto de OpenAI puede mejorarlos para aplicaciones específicas, pero requiere una inversión de tiempo y esfuerzo.

Por esto, la compañía recomienda primero obtener buenos resultados con ingeniería de indicaciones, encadenamiento de indicacionesllamadas de funciones. Estas son las razones principales:

  • Hay muchas tareas en las que los modelos GPT pueden no parecer funcionar bien inicialmente, pero los resultados se pueden mejorar con las indicaciones adecuadas
  • La iteración sobre indicaciones y otras tácticas tiene un ciclo de retroalimentación mucho más rápido que la iteración con ajustes finos
  • En los casos en los que aún es necesario realizar ajustes, el trabajo inicial de ingeniería de indicaciones no se desperdicia, normalmente hay mejores resultados cuando se utiliza una buena indicación en los datos de ajuste fino

OpenAI pone al servicio de sus usuarios una guía de ingeniería de indicaciones. Esta proporciona información sobre algunas de las estrategias más eficaces para obtener un mejor rendimiento sin realizar ajustes complicados.