{"id":332919,"date":"2024-05-23T14:42:14","date_gmt":"2024-05-23T12:42:14","guid":{"rendered":"https:\/\/sftarticles.wpenginepowered.com\/es\/?p=332919"},"modified":"2024-08-08T18:31:06","modified_gmt":"2024-08-08T16:31:06","slug":"de-llama-a-camaleon-esta-es-la-nueva-ia-multimodal-de-meta","status":"publish","type":"post","link":"https:\/\/cms-articles.softonic.io\/es\/de-llama-a-camaleon-esta-es-la-nueva-ia-multimodal-de-meta\/","title":{"rendered":"De “llama” a “camale\u00f3n”: esta es la nueva IA multimodal de Meta"},"content":{"rendered":"\n

Meta<\/strong> ha presentado Chameleon<\/strong>, su nueva inteligencia artificial multimodal, dise\u00f1ada para abordar la creciente competencia en el campo de la IA generativa. Chameleon se distingue por ser multimodal de forma nativa<\/strong>, integrando de manera fluida componentes de diferentes modalidades como im\u00e1genes, texto y c\u00f3digo<\/strong>.<\/p>\n\n\n

\r\n
\r\n
\r\n
\r\n \"Facebook\"\r\n <\/div>\r\n
\r\n Facebook<\/span>\r\n DESCARGAR<\/a>\r\n <\/div>\r\n
\r\n <\/path><\/path><\/text><\/svg>\r\n <\/div>\r\n <\/div>\r\n
\r\n <\/span>\r\n <\/div>\r\n
\r\n \r\n <\/div>\r\n <\/a>\r\n <\/div>\r\n<\/div>\n\n\n\n

Seg\u00fan el paper<\/a> publicado por el equipo de investigaci\u00f3n, la arquitectura de Chameleon permite un rendimiento sobresaliente en tareas que requieren una comprensi\u00f3n profunda<\/strong> tanto de informaci\u00f3n visual como textual. Entre las capacidades destacadas de Chameleon se encuentran el subtitulado de im\u00e1genes y la respuesta a preguntas visuales (VQA), adem\u00e1s de su competitividad en tareas exclusivamente textuales<\/strong>.<\/p>\n\n\n\n

Tradicionalmente, los modelos multimodales se crean mediante un proceso conocido como “fusi\u00f3n tard\u00eda”<\/strong>, donde el sistema de IA procesa diferentes modalidades por separado y luego fusiona las codificaciones para la inferencia. Sin embargo, este enfoque limita la capacidad de los modelos para integrar informaci\u00f3n de manera fluida entre diferentes modalidades<\/strong>.<\/p>\n\n\n\n

Chameleon ha adoptado una arquitectura de “fusi\u00f3n temprana basada en tokens mixtos”<\/strong>, lo que significa que ha sido dise\u00f1ado desde cero para aprender a partir de una mezcla intercalada de im\u00e1genes, texto y otras modalidades<\/strong>. Esta metodolog\u00eda transforma las im\u00e1genes en tokens discretos, similar a c\u00f3mo los modelos ling\u00fc\u00edsticos manejan las palabras, y utiliza un vocabulario unificado de tokens de texto, c\u00f3digo e imagen.<\/p>\n\n\n\n

En comparaci\u00f3n con modelos similares como Google Gemini<\/a><\/strong>, Chameleon ofrece una integraci\u00f3n m\u00e1s cohesiva de las modalidades durante la generaci\u00f3n de contenido<\/strong>, ya que no requiere componentes espec\u00edficos para cada modalidad.<\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

El entrenamiento de Chameleon se llev\u00f3 a cabo en dos etapas, utilizando un vasto conjunto de datos que incluye 4,4 billones de tokens de texto<\/strong>, pares imagen-texto y secuencias de texto e im\u00e1genes intercaladas. Los modelos de Chameleon, con 7.000 y 34.000 millones de par\u00e1metros<\/a><\/strong>, se entrenaron durante m\u00e1s de 5 millones de horas en GPUs Nvidia A100 de 80 GB.<\/p>\n\n\n\n

Los experimentos demostraron que Chameleon puede realizar una amplia gama de tareas de texto y multimodales con un rendimiento l\u00edder en el mercado. En pruebas de VQA y subtitulado de im\u00e1genes, Chameleon-34B super\u00f3 a modelos como Flamingo, IDEFICS y Llava-1.5<\/strong>. Adem\u00e1s, igual\u00f3 el rendimiento de otros modelos con menos ejemplos de entrenamiento<\/strong> en contexto y con modelos de menor tama\u00f1o.<\/p>\n\n\n\n

A pesar de la complejidad de la multimodalidad, Chameleon sigue siendo competitivo en tareas de solo texto, comparable a modelos como Mixtral 8x7B y Gemini-Pro en pruebas de razonamiento l\u00f3gico y comprensi\u00f3n lectora<\/strong>. Los investigadores destacan que Chameleon desbloquea nuevas capacidades de razonamiento y generaci\u00f3n multimodal, ofreciendo resultados preferidos por los usuarios en documentos que combinan texto e im\u00e1genes de manera intercalada.<\/p>\n\n\n

\r\n
\r\n
\r\n
\r\n \"Facebook\"\r\n <\/div>\r\n
\r\n Facebook<\/span>\r\n DESCARGAR<\/a>\r\n <\/div>\r\n
\r\n <\/path><\/path><\/text><\/svg>\r\n <\/div>\r\n <\/div>\r\n
\r\n <\/span>\r\n <\/div>\r\n
\r\n \r\n <\/div>\r\n <\/a>\r\n <\/div>\r\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Meta ha presentado Chameleon, su nueva inteligencia artificial multimodal, dise\u00f1ada para abordar la creciente competencia en el campo de la IA generativa. Chameleon se distingue por ser multimodal de forma nativa, integrando de manera fluida componentes de diferentes modalidades como im\u00e1genes, texto y c\u00f3digo. Seg\u00fan el paper publicado por el equipo de investigaci\u00f3n, la arquitectura … Continue reading “De “llama” a “camale\u00f3n”: esta es la nueva IA multimodal de Meta”<\/span><\/a><\/p>\n","protected":false},"author":9256,"featured_media":332922,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","wpcf-pageviews":1},"categories":[9317],"tags":[9686],"usertag":[],"vertical":[],"content-category":[],"class_list":["post-332919","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news","tag-app-subdomain-redirectionfacebook"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts\/332919","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/users\/9256"}],"replies":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/comments?post=332919"}],"version-history":[{"count":0,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts\/332919\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/media\/332922"}],"wp:attachment":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/media?parent=332919"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/categories?post=332919"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/tags?post=332919"},{"taxonomy":"usertag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/usertag?post=332919"},{"taxonomy":"vertical","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/vertical?post=332919"},{"taxonomy":"content-category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/content-category?post=332919"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}