Las 3 formas de que un modelo de IA sea el más adecuado para ti... (la última es la menos dolorosa)
Cuando hablamos de que un sistema de IA o agentes aprenden, en realidad pueden significar cosas muy distintas. No todo aprendizaje es entrenar un modelo
- El típico fine tunning de un modelo, enseñas al modelo con tus datos, ejemplos pasados, etc... Funciona bien para patrones generales, pero es caro, lento y poco flexible. Cada cambio requiere volver a entrenar… y cruzar los dedos
- Castiga y dale chuches el buen reinforcement learning (RL / RLHF) es decir, el sistema prueba acciones, recibe recompensas o castigos y ajusta su comportamiento. Muy potente, pero complejo, difícil de controlar y normalmente lejos del mundo real de producto
- Aprende de tus experiencias pasadas, pero donde el modelo no cambia. Lo que cambia es el sistema que lo rodea como la memoria persistente, contexto, decisiones anteriores y conocimiento acumulado. Aprende en producción, con cada interacción, sin tocar los pesos
Últimamente estoy jugando bastante con la opción 3, y hay un proyecto en github especialmente interesante que te da un framework para hacerlo...
👇
https://lnkd.in/ekiApW8n