IA de código abierto
Mejora tus habilidades con IA con herramientas de IA de software libre
Optimiza el desarrollo con modelos de IA, bibliotecas y herramientas modificables preentrenados con licencias de software libre.
Los nuevos clientes reciben 300 USD en crédito gratis para invertirlos en productos de IA.
Información general
¿Cuáles son las ventajas de la IA de código abierto?
- Transparencia: inspeccionar el código permite comprender cómo funciona el modelo de IA, lo que aumenta la confianza y ayuda a identificar posibles sesgos.
- Personalización: los modelos y el código se pueden adaptar a requisitos específicos, lo que aporta una flexibilidad que las soluciones de código cerrado no suelen ofrecer.
- Colaboración: fomenta un entorno de colaboración en el que los desarrolladores comparten ideas, contribuyen a mejorar y agilizan la innovación.
- Menor barrera de uso: muchas herramientas de IA de código abierto son gratuitas, lo que reduce el presupuesto invertido en la experimentación y el desarrollo.
Modelos abiertos frente a modelos de código abierto
Los modelos abiertos ofrecen acceso gratuito a las ponderaciones de los modelos, pero los términos de uso, la redistribución y la propiedad de las variantes varían en función de los términos de uso específicos de cada modelo, que pueden no basarse en una licencia de software libre. Por ejemplo, los términos de uso de los modelos Gemma de Google están disponibles de forma gratuita para que desarrolladores, investigadores y usuarios comerciales individuales puedan acceder a ellos y redistribuirlos. Los usuarios también pueden crear y publicar variantes de modelos. Al usar modelos Gemma, los desarrolladores aceptan evitar usos dañinos, lo que refleja nuestro compromiso de desarrollar la IA de forma responsable a la vez que aumentamos el acceso a esta tecnología.
Ejemplos de bibliotecas o frameworks, conjuntos de datos y modelos (tanto abiertos como de código abierto)
- Modelos abiertos: Gemma y Llama.
- Modelos de código abierto: Stable Diffusion (generación de imágenes), GPT-NeoX y GPT-J (modelos de lenguaje)
- Bibliotecas y frameworks de código abierto: TensorFlow, PyTorch, Scikit‐learn y Hugging Face Transformers
- Conjuntos de datos de código abierto: ImageNet y Common Crawl
Cómo funciona
La IA de código abierto aprovecha el potencial de la colaboración comunitaria para aportar código, crear modelos potentes e incluso recoger grandes conjuntos de datos. Estos recursos están disponibles de forma gratuita con licencias de software libre, lo que te permite descargarlos, inspeccionarlos y adaptarlos a tus necesidades específicas. Las bibliotecas de código abierto como TensorFlow y PyTorch proporcionan los elementos básicos, mientras que los repositorios como Hugging Face ofrecen una colección de modelos entrenados previamente y listos para usarse. Obtén más información sobre la IA de código abierto con Vertex AI.
La IA de código abierto aprovecha el potencial de la colaboración comunitaria para aportar código, crear modelos potentes e incluso recoger grandes conjuntos de datos. Estos recursos están disponibles de forma gratuita con licencias de software libre, lo que te permite descargarlos, inspeccionarlos y adaptarlos a tus necesidades específicas. Las bibliotecas de código abierto como TensorFlow y PyTorch proporcionan los elementos básicos, mientras que los repositorios como Hugging Face ofrecen una colección de modelos entrenados previamente y listos para usarse. Obtén más información sobre la IA de código abierto con Vertex AI.
Usos habituales
Aprendizaje y experimentación con modelos abiertos
Creación de modelos abiertos y a medida para experimentar
Con Vertex AI, los creadores pueden reducir la sobrecarga operativa y centrarse en crear versiones personalizadas de modelos abiertos que estén optimizadas para su caso práctico. Por ejemplo, al usar modelos Gemma en Vertex AI, los desarrolladores pueden utilizarlo con fines de exploración y experimentación.
Instrucciones
Creación de modelos abiertos y a medida para experimentar
Con Vertex AI, los creadores pueden reducir la sobrecarga operativa y centrarse en crear versiones personalizadas de modelos abiertos que estén optimizadas para su caso práctico. Por ejemplo, al usar modelos Gemma en Vertex AI, los desarrolladores pueden utilizarlo con fines de exploración y experimentación.
Crear aplicaciones de IA generativa para realizar tareas personalizadas
Consulta casos prácticos habituales de IA generativa
Para determinar si la IA generativa es la estrategia óptima para tus objetivos o necesidades de negocio, debes conocer los casos prácticos habituales de la IA generativa. Esta información te ayudará a seleccionar los casos prácticos que correspondan a las prioridades y los requisitos específicos de tu empresa que has identificado.
Instrucciones
Consulta casos prácticos habituales de IA generativa
Para determinar si la IA generativa es la estrategia óptima para tus objetivos o necesidades de negocio, debes conocer los casos prácticos habituales de la IA generativa. Esta información te ayudará a seleccionar los casos prácticos que correspondan a las prioridades y los requisitos específicos de tu empresa que has identificado.
Perfeccionar un modelo de lenguaje para el análisis de opinión
Mejora el rendimiento de los modelos con el ajuste supervisado
El ajuste supervisado de un modelo de texto es una buena opción cuando el resultado del modelo no es complejo y es relativamente fácil de definir. También es la opción más adecuada para el análisis de opinión.
Instrucciones
Mejora el rendimiento de los modelos con el ajuste supervisado
El ajuste supervisado de un modelo de texto es una buena opción cuando el resultado del modelo no es complejo y es relativamente fácil de definir. También es la opción más adecuada para el análisis de opinión.
Empieza a usar herramientas de IA de código abierto
Los nuevos clientes reciben 300 USD en crédito gratis para utilizarlo en herramientas de IA.
Descubrir modelos abiertos
Usa herramientas y soluciones de IA y aprendizaje automático para resolver problemas del mundo real
Convierte tus propios modelos abiertos y ajustados en endpoints escalables
