Reformas, el nuevo Google AI que puede entender libros enteros

El mundo está comenzando a dar los pasos necesarios para ingresar a una nueva era de tecnología. La inteligencia artificial (IA) en diversas áreas de la vida cotidiana ha dejado de ser la excepción a la regla.

Por lo tanto, actualmente hay pocas compa√Ī√≠as en el mundo tecnol√≥gico que centran sus esfuerzos en perfeccionar este tipo de programas. Uno de los que han logrado permanecer en este trabajo ha sido Google.

  

La compa√Ī√≠a se ha destacado en la creaci√≥n de una variedad de IA dedicadas a diferentes √°reas. Algunos han podido quedar atrapados en muchos juegos virtuales. Otros han tenido √©xito en el campo de la medicina.

El desarrollo de Transformer

Ahora uno de los √ļltimos se ha destacado por su capacidad de analizar y comprender el contexto de las escrituras. El nombre elegido para ella ha sido Transformer. Aunque es efectiva, esta IA no ha tenido deficiencias en varias √°reas.

Consciente de esto y con la intención de mejorar continuamente, Google ha lanzado la próxima evolución de Transformer. El nombre de esto es reformas y ha llegado a resolver todos los puntos débiles anteriores.

Esta IA ha demostrado tener una amplia capacidad anal√≠tica para textos tan complejos como completos. Se ha encontrado que su peso es menor que el peso del predecesor, por lo que ocupa menos espacio en el equipo donde est√° instalado, con solo un tama√Īo de 16 GB.

¬ŅC√≥mo funcionan las reformas?

Para que las reformas den el siguiente paso, los desarrolladores de Google intentaron implementar dos procesos cruciales en el equipo. Ambos fueron dise√Īados para llevar el poder de procesamiento de la IA al siguiente nivel.

Debido a esto, los textos que para Transformer eran imposibles o demasiado largos, para Reformer no son un desafío. Luego, el programa puede analizar y comprender simultáneamente el contexto de varias líneas de texto en lugar de solo una oración.

Hashing sensible a la ubicación (LSH)

Esta primera habilidad es un atajo en el proceso de análisis de palabras. Inicialmente, Transformer comparó cada palabra con las que la rodean.

Ahora Reformer optimiza esta tarea al agrupar las palabras en "cubos" comunes. Luego tiene la tarea de comparar cada cubo entre sí. De esta manera, el análisis de abreviatura funciona y los resultados siguen siendo lo más precisos posible.

Rodamientos residuales reversibles

La otra habilidad que obtuvo el reformador es trabajar con "reservas residuales reversibles". Con esto, la IA puede hacer mucho trabajo sin saturar su memoria.

Para hacer esto, funciona con procesos y "accesos directos" que puede utilizar en diferentes capacidades para analizar. De esta manera, no hay necesidad de repetir estudios o almacenar datos que ya tiene. Entonces el proceso se vuelve m√°s f√°cil y consecuentemente m√°s r√°pido.

referencia:

Reformas: El transformador eficiente: arXiv: 2001.04451v1