Mes: junio 2024 Página 5 de 307

Manos a la obra El lanzamiento de las PC Copilot+ AI de Microsoft trajo consigo una gran cantidad de funciones mejoradas con aprendizaje automático, incluido un generador de imágenes integrado en MS Paint que se ejecuta localmente y convierte sus garabatos en arte. El único problema es que necesitará una PC Copilot+ AI nueva y brillante para desbloquear estas funciones. Bueno, para desbloquear Microsoft Cocreate de todos modos. Si tiene una tarjeta gráfica remotamente moderna, o incluso una integrada decente, (probablemente) tiene todo lo que necesita para experimentar con la generación de imágenes de IA localmente en su máquina. Desde su debut hace casi dos años, los modelos Stable Diffusion de Stability AI se han convertido en la opción preferida para la generación local de imágenes, debido al tamaño increíblemente compacto, la licencia relativamente permisiva y la facilidad de acceso. A diferencia de muchos modelos propietarios, como Midjourney o Dall-e de OpenAI, puede descargar el modelo y ejecutarlo usted mismo. Debido a esto, en los últimos años han surgido una gran cantidad de aplicaciones y servicios diseñados para hacer que la implementación de modelos derivados de Stable Diffusion sea más accesible en todo tipo de hardware. En este tutorial, veremos cómo funcionan realmente los modelos de difusión y exploraremos una de las aplicaciones más populares para ejecutarlos localmente en su máquina. Requisitos previos: La interfaz de usuario web de Stable Diffusion de Automatic1111 ejecuta una amplia gama de hardware y, en comparación con algunos de nuestros otros software de tutoriales prácticos de IA, tampoco consume muchos recursos. Esto es lo que necesitará: Para esta guía, necesitará una PC con Windows o Linux (estamos usando Ubuntu 24.04 y Windows 11) o una Mac con Apple Silicon. Una tarjeta gráfica Nvidia o AMD compatible con al menos 4 GB de vRAM. Cualquier tarjeta gráfica Nvidia razonablemente moderna o la mayoría de las tarjetas gráficas Radeon de la serie 7000 (algunas tarjetas de la serie 6000 de gama alta también pueden funcionar) deberían funcionar sin problemas. Probamos con Tesla P4 de Nvidia, RTX 3060 12G, RTX 6000 Ada Generation, así como RX 7900 XT de AMD Los controladores gráficos más recientes para su GPU en particular. Los conceptos básicos de los modelos de difusión Antes de pasar a implementar y ejecutar modelos de difusión, probablemente valga la pena echar un vistazo de alto nivel a cómo funcionan realmente. En pocas palabras, los modelos de difusión han sido entrenados para tomar ruido aleatorio y, a través de una serie de pasos de eliminación de ruido, llegar a una imagen reconocible o muestra de audio que sea representativa de un mensaje específico. El proceso de entrenamiento de estos modelos también es bastante sencillo, al menos conceptualmente. Se importa un gran catálogo de imágenes etiquetadas, gráficos o, a veces, muestras de audio (a menudo extraídas de Internet) y se les aplican niveles crecientes de ruido. A lo largo de millones, o incluso miles de millones, de muestras, el modelo se entrena para revertir este proceso, pasando de ruido puro a una imagen reconocible. Durante este proceso, tanto los datos como sus etiquetas se convierten en vectores asociados. Estos vectores sirven como guía durante la inferencia. Si se le pide un «cachorro jugando en un campo de hierba», el modelo utilizará esta información para guiar cada paso del proceso de eliminación de ruido hacia el resultado deseado. Para ser claros, esto es una simplificación excesiva, pero proporciona una descripción general básica de cómo los modelos de difusión pueden generar imágenes. Hay mucho más en juego bajo el capó, y recomendamos consultar la explicación de Stable Diffusion de Computerphile si está interesado en aprender más sobre esta raza particular de modelo de IA. Primeros pasos con Automatic1111 Podría decirse que la herramienta más popular para ejecutar modelos de difusión localmente es la interfaz de usuario web Stable Diffusion de Automatic1111. La interfaz de usuario web Stable Diffusion de Automatic1111 proporciona acceso a una gran cantidad de herramientas para ajustar las imágenes generadas por IA: haga clic para ampliar cualquier imagen Como sugiere el nombre, la aplicación proporciona una interfaz de usuario web sencilla y autoalojada para crear imágenes generadas por IA. Es compatible con Windows, Linux y macOS, y puede ejecutarse en Nvidia, AMD, Intel y Apple Silicon con algunas salvedades que abordaremos más adelante. La instalación real varía, dependiendo de su sistema operativo y hardware, así que no dude en saltar a la sección relevante para su configuración. Nota: Para que esta guía sea más fácil de consumir, la hemos dividido en cuatro secciones: Introducción e instalación en Linux Cómo ejecutar en Windows y MacOS Uso de la interfaz de usuario web de Stable Diffusion Integración y conclusión Compatibilidad con gráficos Intel En el momento de escribir este artículo, la interfaz de usuario web de Stable Diffusion de Automatic1111 no admite de forma nativa los gráficos Intel. Sin embargo, existe una bifurcación de OpenVINO que sí lo hace tanto en Windows como en Linux. Lamentablemente, no pudimos probar este método, por lo que su experiencia puede variar. Puede encontrar más información sobre el proyecto aquí. Instalación de Automatic1111 en Linux: AMD y Nvidia Para empezar, comenzaremos por poner en funcionamiento la interfaz web de difusión estable de Automatic1111 (a la que llamaremos A1111 de ahora en adelante) en un sistema Ubuntu 24.04. Estas instrucciones deberían funcionar tanto para las GPU AMD como para las Nvidia. Si estás ejecutando una versión diferente de Linux, te recomendamos que consultes el repositorio de GitHub de A1111 para obtener más información sobre las implementaciones específicas de la distribución. Antes de comenzar, debemos instalar algunas dependencias, a saber, git y el paquete software-properties-common: sudo apt install git software-properties-common -y También necesitaremos obtener Python 3.10. Para bien o para mal, Ubuntu 24.04 no incluye esta versión en sus repositorios, por lo que tendremos que agregar el PPA de Deadsnakes antes de poder obtener los paquetes que necesitamos. sudo add-apt-repository ppa:deadsnakes/ppa -y sudo apt install python3.10-venv -y Nota: En nuestras pruebas, descubrimos que las GPU AMD necesitaban algunos paquetes adicionales para funcionar, además de un reinicio. #SOLO GPU AMD sudo apt install libamd-comgr2 libhsa-runtime64-1 librccl1 librocalution0 librocblas0 librocfft0 librocm-smi64-1 librocsolver0 librocsparse0 rocm-device-libs-17 rocm-smi rocminfo hipcc libhiprand1 libhiprtc-builtins5 radeontop # SOLO GPU AMD sudo usermod -aG render,video $USER # SOLO GPU AMD sudo reboot Con nuestras dependencias resueltas, ahora podemos desplegar la interfaz web de A1111 usando git. git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui && cd stable-diffusion-webui python3.10 -m venv venv Finalmente, podemos iniciar la interfaz de usuario web ejecutando lo siguiente. ./webui.sh El script comenzará a descargar paquetes relevantes para su sistema específico, así como también a descargar el archivo de modelo de Stable Diffusion 1.5. Si la interfaz de usuario web de Stable Diffusion no se carga en las GPU AMD, es posible que deba modificar webui-user.sh. Esto parece estar relacionado con la compatibilidad del dispositivo en la versión de ROCm que se envía con A1111. Según entendemos, esto debería resolverse cuando la aplicación pase a ROCm 6 o posterior. #AMD GPUS OMLY echo «export HSA_OVERRIDE_GFX_VERSION=11.0.0» >> ~/stable-diffusion-webui/webui-user.sh Si sigues teniendo problemas, consulta nuestra sección «Banderas útiles» para obtener más consejos. En la siguiente sección, analizaremos en profundidad cómo hacer que A1111 se ejecute en Windows y macOS.

Las normas especiales de la App Store de la UE se implementaron a principios de este año en respuesta a la Ley de Mercados Digitales, que obligó a Apple a abrir el ecosistema de software del iPhone para incluir alternativas a la App Store. Hasta ahora, no muchos han aprovechado la oportunidad, en parte debido a las elevadas tarifas asociadas y los requisitos de cumplimiento impuestos por Apple. Sin embargo, Epic Games puede estar a punto de causar un gran revuelo. La compañía dice que ha enviado tanto el juego Fortnite como la Epic Games Store a Apple para su certificación notarial, a medida que se acerca su lanzamiento. Fortnite fue expulsado de la App Store en agosto de 2020 cuando Epic Games introdujo una forma de comprar V-Bucks sin usar el sistema de compra dentro de la aplicación de Apple, en violación de las reglas de la App Store. Apple retiró Fortnite de iOS por completo y prohibió a Epic Games en la App Store. No hubo camino de regreso para Epic a iOS hasta la legislación de la Ley de Mercados Digitales de la Unión Europea, por la que Epic ha hecho una fuerte campaña y quiere ver reglas similares adoptadas por los EE. UU. y otras regiones. Epic afirma que, con las nuevas normas que se han introducido como consecuencia de la DMA, está planeando lanzar su aplicación en los próximos meses en iOS en la Unión Europea. En teoría, la Ley de Mercados Digitales exige que los guardianes como Apple abran sus plataformas y permitan un acceso casi irrestricto al software de terceros, pero, de acuerdo con la política actual de Apple, la empresa debe primero tener su aplicación certificada, lo que incluye un proceso de revisión humana por parte de Apple. AltStore de Riley Testut, creador del emulador de juegos Delta, ha criticado a Apple por este proceso prolongado y opaco. El proceso de certificación puede tardar meses en completarse. Una vez aprobadas, estas aplicaciones deben pagar la Tarifa de Tecnología Básica, una tarifa de 50 céntimos de euro por instalación al año, cuando las descargas de la aplicación superan el millón de unidades. Los mercados de aplicaciones, como Epic Games y AltStore, también pagan esta tarifa por cada instalación (la rampa de acceso gratuita de un millón se aplica a las aplicaciones, no a los propios mercados). Eso significa que, en el caso de un hipotético usuario de la UE que descargue Fortnite desde la próxima Epic Games Store, Epic estará sujeto a la tarifa de tecnología básica dos veces y tendrá que pagarle a Apple un euro cada año. Empresas como Epic y Spotify han criticado las tarifas y otras normas de los términos comerciales alternativos de Apple, lo que sugiere que Apple sigue sin cumplir con la DMA. La Comisión Europea publicó una sentencia preliminar la semana pasada que decía que las políticas anti-dirección de Apple infringen la DMA, y está investigando formalmente la tarifa de tecnología básica y las normas relacionadas con el mercado de aplicaciones alternativas. FTC: utilizamos enlaces de afiliados automáticos que generan ingresos. Más.

No se pierda a los líderes de OpenAI, Chevron, Nvidia, Kaiser Permanente y Capital One únicamente en VentureBeat Transform 2024. Obtenga información esencial sobre GenAI y amplíe su red en este evento exclusivo de tres días. Más información ¿Está la humanidad a punto de crear su superior intelectual? Algunos piensan que estamos en la cúspide de tal evolución. La semana pasada, Ilya Sutskever presentó su nueva startup, Safe Superintelligence, Inc. (SSI), que se dedica a construir modelos avanzados de superinteligencia artificial (ASI), una IA hipotética mucho más allá de la capacidad humana. En una declaración sobre el lanzamiento de SSI, dijo que «la superinteligencia está a nuestro alcance» y añadió: «Abordamos la seguridad y las capacidades en conjunto». Sutskever tiene las credenciales para aspirar a un modelo tan avanzado. Fue miembro fundador de OpenAI y anteriormente se desempeñó como científico jefe de la empresa. Antes de eso, trabajó con Geoffrey Hinton y Alex Krizhevsky en la Universidad de Toronto para desarrollar «AlexNet», un modelo de clasificación de imágenes que transformó el aprendizaje profundo en 2012. Más que cualquier otro, este desarrollo impulsó el auge de la IA en los últimos años. década, en parte al demostrar el valor del procesamiento de instrucciones paralelo mediante unidades de procesamiento de gráficos (GPU) para acelerar el rendimiento de los algoritmos de aprendizaje profundo. Sutskever no es el único que cree en la superinteligencia. El director ejecutivo de SoftBank, Masayoshi Son, dijo a fines de la semana pasada que la IA “en 10 años estará aquí 10.000 veces más inteligente que los humanos”. Agregó que lograr ASI es ahora la misión de su vida. ¿AGI dentro de 5 años? La superinteligencia va mucho más allá de la inteligencia artificial general (AGI), que también sigue siendo una hipotética tecnología de IA. La AGI superaría las capacidades humanas en la mayoría de las tareas económicamente valiosas. Hinton cree que podríamos ver AGI dentro de cinco años. Ray Kurzweil, investigador principal y visionario de la IA en Google, define AGI como «IA que puede realizar cualquier tarea cognitiva que un ser humano educado pueda realizar». Él cree que esto ocurrirá en 2029. Aunque, en realidad, no existe una definición comúnmente aceptada de AGI, lo que hace imposible predecir con precisión su llegada. ¿Cómo lo sabríamos? Cuenta atrás para VB Transform 2024 Únase a los líderes empresariales en San Francisco del 9 al 11 de julio para nuestro evento emblemático de IA. Conéctese con pares, explore las oportunidades y desafíos de la IA generativa y aprenda cómo integrar aplicaciones de IA en su industria. Regístrese ahora Lo mismo podría decirse de la superinteligencia. Sin embargo, al menos un pronosticador ha declarado que la superinteligencia podría llegar poco después de la AGI, posiblemente para 2030. A pesar de estas opiniones de expertos, sigue siendo una pregunta abierta si la AGI o la superinteligencia se lograrán en cinco años, o alguna vez. Algunos, como el investigador de IA Gary Marcus, creen que el enfoque actual en el aprendizaje profundo y los modelos de lenguaje nunca alcanzará la AGI (y mucho menos la superinteligencia), considerándolas tecnologías fundamentalmente defectuosas y débiles que sólo pueden avanzar a través de la fuerza bruta de más datos y computación. fuerza. Pedro Domingos, profesor de informática de la Universidad de Washington y autor de The Master Algorithm, ve la superinteligencia como una quimera. «La nueva empresa de Ilya Sutskever tiene garantizado el éxito, porque la superinteligencia que nunca se logra tiene la garantía de ser segura», publicó en X (antes Twitter). Lo que viene después Uno de estos puntos de vista podría resultar correcto. Nadie sabe con certeza si llegará la AGI o la superinteligencia ni cuándo. Mientras este debate continúa, es crucial reconocer el abismo entre estos conceptos y nuestras capacidades actuales de IA. En lugar de especular únicamente sobre posibilidades de futuro lejano que están alimentando los sueños exuberantes del mercado de valores y la ansiedad pública, es al menos igualmente importante considerar los avances más inmediatos que probablemente darán forma al panorama de la IA en los próximos años. Estos avances, si bien son menos sensacionales que los sueños más grandiosos de la IA, tendrán importantes impactos en el mundo real y allanarán el camino para futuros avances. De cara al futuro, es probable que en los próximos años los modelos de lenguaje, audio, imagen y vídeo de IA (todas las formas de aprendizaje profundo) sigan evolucionando y proliferando. Si bien es posible que estos avances no alcancen la AGI o la superinteligencia, sin duda mejorarán las capacidades, la utilidad, la confiabilidad y la aplicación de la IA. Dicho esto, estos modelos aún enfrentan varios desafíos importantes. Una deficiencia importante es su tendencia a alucinar o confabular ocasionalmente, esencialmente inventando respuestas. Esta falta de fiabilidad sigue siendo una barrera clara para la adopción generalizada en la actualidad. Un enfoque para mejorar la precisión de la IA es la generación aumentada de recuperación (RAG), que integra información actual de fuentes externas para proporcionar respuestas más precisas. Otra podría ser la “entropía semántica”, que utiliza un modelo de lenguaje grande para comprobar el trabajo de otro. No hay respuestas universales sobre la IA (todavía) A medida que los bots se vuelvan más confiables durante los próximos dos años, se incorporarán cada vez más a las aplicaciones y flujos de trabajo empresariales. Hasta la fecha, muchos de estos esfuerzos no han estado a la altura de las expectativas. Este resultado no es sorprendente, ya que la incorporación de la IA equivale a un cambio de paradigma. Mi opinión es que todavía es temprano y que la gente todavía está recopilando información y aprendiendo sobre la mejor manera de implementar la IA. El profesor de Wharton, Ethan Mollick, se hace eco de esta opinión en su boletín One Useful Thing: “En este momento, nadie –desde los consultores hasta los típicos proveedores de software– tiene respuestas universales sobre cómo utilizar la IA para desbloquear nuevas oportunidades en una industria en particular”. Mollick sostiene que gran parte del progreso en la implementación de la IA generativa provendrá de trabajadores y gerentes que experimenten aplicando las herramientas en sus áreas de especialización para aprender qué funciona y agrega valor. A medida que las herramientas de IA se vuelvan más capaces, más personas podrán mejorar su rendimiento laboral, creando un volante de innovación impulsada por la IA dentro de las empresas. Los avances recientes demuestran este potencial de innovación. Por ejemplo, los microservicios de inferencia de Nvidia pueden acelerar las implementaciones de aplicaciones de IA y, según se informa, el nuevo chatbot Claude Sonnet 3.5 de Anthropic supera a todos los competidores. Las tecnologías de inteligencia artificial están encontrando cada vez más aplicaciones en diversos campos, desde las aulas hasta los concesionarios de automóviles e incluso en el descubrimiento de nuevos materiales. Es probable que el progreso se acelere constantemente. Una señal clara de esta aceleración provino de Apple con su reciente lanzamiento de Apple Intelligence. Como empresa, Apple tiene un historial de esperar para ingresar a un mercado hasta que haya suficiente madurez tecnológica y demanda. Esta noticia sugiere que la IA ha llegado a ese punto de inflexión. Apple Intelligence va más allá de otros anuncios de IA al prometer una integración profunda entre aplicaciones manteniendo el contexto para el usuario, creando una experiencia profundamente personalizada. Con el tiempo, Apple permitirá a los usuarios encadenar implícitamente varios comandos en una sola solicitud. Estos pueden ejecutarse en varias aplicaciones, pero aparecerán como un único resultado. Otra palabra para esto es «agentes». Durante el evento de lanzamiento de Apple Intelligence, el vicepresidente senior de ingeniería de software, Craig Federighi, describió un escenario para mostrar cómo funcionarán. Como informó Technology Review, “llega un correo electrónico retrasando una reunión de trabajo, pero su hija aparece en una obra de teatro esa noche. Su teléfono ahora puede encontrar el PDF con información sobre el rendimiento, predecir el tráfico local y avisarle si llegará a tiempo». Esta visión de agentes de IA realizando tareas complejas de varios pasos no es exclusiva de Apple. De hecho, representa un cambio más amplio en la industria de la IA hacia lo que algunos llaman la “era agencia”. La IA se está convirtiendo en un verdadero asistente personal. En los últimos meses ha habido un creciente debate en la industria sobre cómo ir más allá de los chatbots y entrar en el ámbito de los “agentes autónomos” que pueden realizar múltiples tareas vinculadas basándose en un solo mensaje. Más que simplemente responder preguntas y compartir información, esta nueva generación de sistemas utiliza LLM para completar acciones de varios pasos, desde desarrollar software hasta reservar vuelos. Según los informes, Microsoft, OpenAI y Google DeepMind están preparando agentes de IA diseñados para automatizar tareas de varios pasos más difíciles. El director ejecutivo de OpenAI, Sam Altman, describió la visión del agente como un «colega súper competente que sabe absolutamente todo sobre mi vida, cada correo electrónico, cada conversación que he tenido, pero no se siente como una extensión». En otras palabras, un verdadero asistente personal. Los agentes también atenderán aplicaciones en todos los usos empresariales. Lari Hämäläinen, socio principal de McKinsey, describe este avance como “entidades de software que pueden orquestar flujos de trabajo complejos, coordinar actividades entre múltiples agentes, aplicar lógica y evaluar respuestas. Estos agentes pueden ayudar a automatizar procesos en las organizaciones o ayudar a los trabajadores y clientes a medida que realizan procesos”. También están apareciendo empresas emergentes centradas en agentes empresariales, como Emergence, que acaba de salir del modo sigiloso. Según TechCrunch, la empresa afirma estar construyendo un sistema basado en agentes que puede realizar muchas de las tareas que normalmente realizan los trabajadores del conocimiento. El camino a seguir Con la llegada pendiente de los agentes de IA, nos uniremos aún más efectivamente al mundo siempre interconectado, tanto para uso personal como para el trabajo. De esta manera, dialogaremos e interactuaremos cada vez más con la inteligencia digital en todas partes. El camino hacia la AGI y la superinteligencia sigue envuelto en incertidumbre, y los expertos están divididos sobre su viabilidad y cronograma. Sin embargo, la rápida evolución de las tecnologías de IA es innegable y promete avances transformadores. A medida que las empresas y las personas navegan por este panorama que cambia rápidamente, el potencial para la innovación y la mejora impulsadas por la IA sigue siendo enorme. El viaje que tenemos por delante es tan apasionante como impredecible, y los límites entre la inteligencia humana y la artificial siguen difuminándose. Al trazar pasos proactivos ahora para invertir y participar en la IA, mejorar las habilidades de nuestra fuerza laboral y atender consideraciones éticas, las empresas y las personas pueden posicionarse para prosperar en el futuro impulsado por la IA. Gary Grossman es vicepresidente ejecutivo de práctica tecnológica en Edelman y líder global del Centro de Excelencia de IA de Edelman. DataDecisionMakers ¡Bienvenido a la comunidad VentureBeat! DataDecisionMakers es el lugar donde los expertos, incluidos los técnicos que trabajan con datos, pueden compartir conocimientos e innovación relacionados con los datos. Si desea leer sobre ideas de vanguardia e información actualizada, mejores prácticas y el futuro de los datos y la tecnología de datos, únase a nosotros en DataDecisionMakers. ¡Incluso podrías considerar contribuir con un artículo propio! Leer más de DataDecisionMakers