La startup de IA Cohere, valorada en $5.5 mil millones, impulsa la construcción de modelos personalizados para clientes empresariales
- Cohere anunció sus planes de construir modelos personalizados para manejar tareas específicas para clientes empresariales.
- El CEO de la empresa citó el rendimiento decreciente de los grandes modelos de IA como la razón de su cambio de estrategia.
- Los modelos de IA personalizados también podrían ayudar a las empresas tecnológicas a reducir su huella de carbono.
Cohere, la startup canadiense de inteligencia artificial valorada en 5.500 millones de dólares, está pivotando hacia la creación de modelos de IA especializados para uso empresarial. El movimiento de la empresa se aleja de los modelos grandes tradicionales en los que la mayoría de sus competidores están actualmente invertidos.
Nick Frosst, cofundador de Cohere hizo hincapié que las empresas de hoy necesitan modelos diseñados para tareas específicas en lugar de genéricos y abarcadores. El cambio estratégico hacia la construcción de modelos personalizados es el resultado de que las empresas están viendo rendimientos decrecientes de sus modelos más grandes.
El problema de los rendimientos decrecientes al escalar los modelos de IA
Ilya Sutskever, cofundador de los laboratorios de IA Safe Superintelligence (SSI) y OpenAI, mencionó que las ganancias de entrenar modelos de IA en grandes conjuntos de datos se han estancado. Las empresas ahora enfrentan retrasos en el entrenamiento y despliegue de nuevas generaciones de modelos de lenguaje grandes.
La industria, que inicialmente vio avances al lanzar poder computacional y recursos en modelos más grandes, ha comenzado a reconocer que el tamaño no siempre es sinónimo de calidad o utilidad.
En una carta a sus inversores, Cohere dice que esta nueva dirección es el resultado de las empresas que luchan por incorporar la IA en su trabajo diario.
En lugar de perseguir la inteligencia artificial general (AGI), que algunas empresas como OpenAI ven como el futuro de la IA, Cohere está adoptando un enfoque más dirigido. La empresa busca lograr una mayor eficiencia de capital optimizando los modelos existentes para aplicaciones del mundo real.
“Vamos a trabajar con empresas para hacer que los modelos sean perfectos para su caso de uso, adaptarlos a sus necesidades específicas y llevarlos a producción”, dijo Frosst.
Quedó claro que Cohere no se basaría en la noción de que la AGI está a la vuelta de la esquina, enfatizando que aumentar el tamaño del modelo no equivale a mejores resultados.
La carrera para construir mejores modelos
La carrera para construir modelos de IA grandes y mejores ha llevado a un auge en la inversión y el desarrollo en todo el sector. Cohere recientemente recaudó $270 millones en una ronda Serie C de financiación, mientras que competidores como OpenAI, Anthropic y otros laboratorios de IA han recaudado miles de millones de dólares para financiar el proceso intensivo en capital de desarrollar sistemas de IA de vanguardia, que a menudo requieren enormes cantidades de poder computacional.
Según Cohere, pasó de construir modelos más grandes a modelos personalizados debido a los rendimientos decrecientes junto con los comentarios recibidos de los clientes. “Lo que escuchamos de los clientes es que no solo necesitan modelos más grandes para ser buenos en todo. Necesitan modelos que realmente estén construidos para sus casos de uso específicos”, dijo Frosst.
Cohere implementará versiones personalizadas de modelos existentes que puedan proporcionar valor directo a las empresas. Sus modelos estarán diseñados para entender y ejecutar tareas altamente específicas adaptadas a los requisitos de cada empresa, en contraste con las capacidades generalizadas que a menudo se encuentran en modelos más grandes.
El nuevo enfoque de Cohere también podría alinearse con las tendencias de la industria en sostenibilidad y eficiencia de costos. Con los gobiernos escudriñando cada vez más la huella de carbono de las empresas tecnológicas, la estrategia de Cohere podría ofrecer una ventaja para navegar el panorama regulatorio.
Desarrollar modelos de IA enormes no solo es un negocio costoso; también es intensivo en energía. Las empresas de IA pueden necesitar técnicas más eficientes energéticamente para posicionarse mejor y cumplir con las regulaciones futuras a medida que los gobiernos impulsen menores emisiones y comprendan mejor la tecnología.
Las mentes más inteligentes del mundo cripto ya leen nuestro boletín. ¿Quieres unirte? Únete a ellos.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Hannah Collymore
Hannah es escritora y editora con casi una década de experiencia en la redacción de blogs y la cobertura de eventos en el ámbito de las criptomonedas. En Cryptopolitan, Hannah contribuye a la página de noticias, informando y analizando los últimos avances en DeFi, RWA, regulación de criptomonedas, inteligencia artificial y tecnologías de vanguardia. Se graduó de la Universidad de Arcadia con una licenciatura en Administración de Empresas.
