Procesamiento

Modelos de lenguaje

Los modelos de lenguaje son sistemas de IA avanzados que pueden comprender, interpretar y generar lenguaje humano. Estos modelos se entrenan con enormes conjuntos de datos de texto y aprenden patrones, combinaciones de palabras, estructuras de oraciones e incluso las sutilezas de diferentes idiomas y usos del lenguaje. El núcleo de muchos modelos de lenguaje modernos es la arquitectura transformer, que utiliza mecanismos de atención propia para determinar qué partes del texto son importantes en un contexto dado.

En el procesamiento del lenguaje, estos modelos utilizan métodos estadísticos para predecir cuál es la siguiente palabra más probable o la siguiente oración más probable en un texto. Pueden comprender el contexto a lo largo de piezas largas de texto y, por ello, no solo generar textos gramaticalmente correctos, sino también coherentes y relevantes en contenido.

Al usar un modelo de lenguaje para, por ejemplo, un chatbot o un generador de texto, se proporcionan al modelo ciertas prompts o datos iniciales y, en función de esa entrada, el modelo genera texto que lógicamente sigue el contexto dado. El objetivo de estos modelos es producir texto que parezca lo más humano posible, tanto en contenido como en estilo.

Modelos de texto a imagen

Los modelos de texto a imagen son sistemas de IA capaces de generar representaciones visuales a partir de descripciones textuales escritas, como fotografías, ilustraciones u otros tipos de material visual. Estos modelos utilizan redes neuronales avanzadas y, más específicamente, redes generativas adversariales (GANs) o variantes como modelos de difusión.

El proceso comienza con una descripción textual introducida por el usuario. El modelo evalúa este texto y trata de entender su significado y contexto. A continuación, el modelo genera imágenes que se corresponden con la descripción textual, utilizando lo que ha aprendido durante el entrenamiento, habiendo sido entrenado en enormes conjuntos de datos de pares texto-imagen.

Durante el entrenamiento, el modelo aprende asociaciones entre descripciones textuales y rasgos visuales. Por ejemplo, si el modelo ve repetidamente la combinación de palabras "una salida amarilla sobre un mar azul" junto con imágenes que ilustran este escenario, aprende a reconocer estos elementos y a reproducirlos en creaciones visuales futuras.

El resultado suele ser imágenes notablemente precisas y detalladas que se ajustan a la descripción de entrada. Estos modelos se vuelven más refinados y son capaces de representar escenarios complejos con múltiples objetos y conceptos abstractos. Se utilizan en una amplia gama de aplicaciones, incluyendo creaciones artísticas, diseño de juegos, realidad virtual y más.

AI-School desbloquea modelos

Es importante tener en cuenta que AI-School desbloquea varios modelos de IA que están disponibles en el catálogo central de modelos. Estos modelos son ofrecidos por proveedores externos a través de una API. Una API, o Application Programming Interface, es un conjunto de reglas y definiciones que permiten a programas de software comunicarse entre sí. Funciona como un "lenguaje" que pueden entender los programas para intercambiar información y llamar a funciones entre sí. AI-School no posee por sí misma modelos de lenguaje, modelos de texto a imagen o modelos de texto a voz.

No somos responsables de los resultados de los distintos modelos. Sin embargo, hemos puesto atención en la selección de los mejores e más interesantes modelos para escuelas.

Procedimiento de procesamiento conforme a DPIA

La DPIA describe el proceso básico para generar una respuesta de la siguiente manera:

• El usuario introduce un prompt en el portal de AI-School.
• El prompt se almacena en la base de datos de AI-School.
• AI-School proporciona el prompt a través de una API de enlace y una cuenta general de forma anónima al modelo de IA elegido.
• El modelo de IA no recibe datos personales del usuario individual.
• La respuesta del modelo de IA se devuelve a AI-School.
• La respuesta se almacena en la base de datos de AI-School.
• La respuesta se presenta al usuario.

AI-School no envía datos personales del usuario individual al modelo de IA. El modelo recibe el contenido del prompt sin vinculación a un usuario identificable. Un usuario puede haber incluido datos personales en el prompt; en ese caso, estos datos pueden ser procesados por el modelo de IA elegido.

Contexto adicional

Para funciones como chatear con documentos, entradas multimodales o ciertas herramientas, el prompt puede complementarse con el contexto elegido por el usuario, como fragmentos de documentos, imágenes o resultados de búsqueda. También este contexto se proporciona al modelo sin vinculación a un usuario identificable, pero el contenido puede contener datos personales si el usuario los ha añadido.