{"id":345698,"date":"2024-12-13T19:23:11","date_gmt":"2024-12-13T18:23:11","guid":{"rendered":"https:\/\/sftarticles.wpenginepowered.com\/es\/?p=345698"},"modified":"2024-12-23T03:43:24","modified_gmt":"2024-12-23T02:43:24","slug":"harvard-lanza-un-enorme-conjunto-de-datos-para-entrenar-ia-en-colaboracion-con-microsoft-y-openai","status":"publish","type":"post","link":"https:\/\/cms-articles.softonic.io\/es\/harvard-lanza-un-enorme-conjunto-de-datos-para-entrenar-ia-en-colaboracion-con-microsoft-y-openai\/","title":{"rendered":"Harvard lanza un enorme conjunto de datos para entrenar IA en colaboraci\u00f3n con Microsoft y OpenAI"},"content":{"rendered":"\n

La Universidad de Harvard<\/strong> ha anunciado<\/a> el lanzamiento de un nuevo y extenso conjunto de datos (dataset) que re\u00fane cerca de un mill\u00f3n de libros en dominio p\u00fablico<\/strong>, disponibles para entrenar modelos de lenguaje y herramientas de inteligencia artificial. Este proyecto, liderado por la reci\u00e9n formada Iniciativa Institucional de Datos (IDI)<\/strong> de la reputada universidad, ha contado con financiaci\u00f3n de Microsoft<\/strong> y OpenAI<\/strong>. Los libros provienen del proyecto Google Books<\/strong> y abarcan una amplia variedad de g\u00e9neros, \u00e9pocas e idiomas, desde cl\u00e1sicos de Shakespeare hasta manuales de matem\u00e1ticas en checo.<\/p>\n\n\n

\r\n
\r\n
\r\n
\r\n \r\n <\/div>\r\n
\r\n

Suscr\u00edbete a la Newsletter de Softonic y recibe las \u00faltimas noticias en tech, juegos, entretenimiento en tu buz\u00f3n de correo<\/p>\r\n Suscr\u00edbete (es GRATIS) \u25ba <\/a>\r\n <\/div>\r\n <\/div>\r\n <\/a>\r\n <\/div>\r\n<\/div>\n\n\n\n

El conjunto de datos, unas cinco veces mayor que el conocido Books3<\/strong><\/a> usado para entrenar modelos como Llama<\/strong> de Meta<\/strong><\/a>, busca democratizar el acceso a repositorios de alta calidad, normalmente exclusivos de gigantes tecnol\u00f3gicos. Greg Leppert<\/strong>, director ejecutivo de la IDI, destac\u00f3 que el objetivo es equilibrar las oportunidades para investigadores independientes y peque\u00f1as empresas del sector de la IA<\/strong>, permitiendo que dispongan de materiales refinados y revisados rigurosamente.<\/p>\n\n\n\n

Microsoft y OpenAI han respaldado este proyecto como parte de sus esfuerzos por fomentar el acceso a datos \u00e9ticos y p\u00fablicos en la creaci\u00f3n de IA. Sin embargo, Microsoft aclar\u00f3 que no planea sustituir completamente los datos que utiliza en sus propios modelos por opciones de dominio p\u00fablico<\/strong>. En paralelo, OpenAI expres\u00f3 su entusiasmo por apoyar iniciativas que busquen un uso m\u00e1s transparente y equitativo de los datos.<\/p>\n\n\n

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

En un contexto de multitud de disputas legales sobre el uso de datos protegidos por derechos de autor en la IA<\/a>, este tipo de proyectos apuntan a una soluci\u00f3n que minimice los conflictos. Adem\u00e1s del conjunto de libros, la IDI colabora con la Biblioteca P\u00fablica de Boston<\/strong> para digitalizar millones de art\u00edculos period\u00edsticos en dominio p\u00fablico<\/strong>. Se espera que la distribuci\u00f3n del proyecto incluya a Google<\/strong>, aunque los detalles a\u00fan est\u00e1n por definirse.<\/p>\n\n\n\n

Este esfuerzo se suma a iniciativas similares, como el dataset Common Corpus<\/strong> de la startup francesa Pleias<\/strong>, respaldado por el Ministerio de Cultura franc\u00e9s. Seg\u00fan expertos, estas bases de datos \u201cpodr\u00edan cambiar las reglas del juego\u201d, aunque su impacto depender\u00e1 de su integraci\u00f3n con datos licenciados y de su capacidad para reducir la dependencia de materiales no autorizados<\/strong>.<\/p>\n\n\n

\r\n
\r\n
\r\n
\r\n \"ChatGPT\"\r\n <\/div>\r\n
\r\n ChatGPT<\/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":"

La Universidad de Harvard ha anunciado el lanzamiento de un nuevo y extenso conjunto de datos (dataset) que re\u00fane cerca de un mill\u00f3n de libros en dominio p\u00fablico, disponibles para entrenar modelos de lenguaje y herramientas de inteligencia artificial. Este proyecto, liderado por la reci\u00e9n formada Iniciativa Institucional de Datos (IDI) de la reputada universidad, … Continue reading “Harvard lanza un enorme conjunto de datos para entrenar IA en colaboraci\u00f3n con Microsoft y OpenAI”<\/span><\/a><\/p>\n","protected":false},"author":9256,"featured_media":345699,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","wpcf-pageviews":1},"categories":[9317],"tags":[],"usertag":[],"vertical":[],"content-category":[14053],"class_list":["post-345698","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news","content-category-ia"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts\/345698","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=345698"}],"version-history":[{"count":0,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts\/345698\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/media\/345699"}],"wp:attachment":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/media?parent=345698"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/categories?post=345698"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/tags?post=345698"},{"taxonomy":"usertag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/usertag?post=345698"},{"taxonomy":"vertical","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/vertical?post=345698"},{"taxonomy":"content-category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/content-category?post=345698"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}