Microsoft lanza TypeChat una biblioteca de IA que facilita la creación de interfaces de lenguaje natural utilizando tipos.
Microsoft lanza TypeChat, una biblioteca de IA para crear interfaces de lenguaje natural con tipos.
La biblioteca TypeChat de Microsoft es un intento de facilitar la creación de interfaces de lenguaje natural basadas en tipos para modelos de lenguaje grandes (LLMs, por sus siglas en inglés). TypeChat es un proyecto de GitHub que tiene como objetivo cerrar la brecha entre las API, los esquemas de aplicaciones y el lenguaje natural a través de TypeScript y la IA generativa. TypeChat obtiene respuestas de IA estructuradas y seguras mediante el uso de las definiciones de tipo de la aplicación. Anders Hejlsberg, un miembro técnico de alto nivel de Microsoft y líder del equipo de desarrollo de C# y TypeScript, presentó TypeChat el 20 de julio para abordar el desafío de crear interfaces de lenguaje natural para aplicaciones que se basan en árboles de decisiones complejos para deducir la intención del usuario y recopilar los datos necesarios para tomar acción.
TypeChat es una biblioteca que simplifica el proceso de creación de NLUs (Natural Language Understanding) con tipos. Hasta hace poco, desarrollar interfaces que funcionaran con lenguaje natural era un desafío. Estas aplicaciones solían utilizar árboles de decisiones elaborados para deducir la intención del usuario y recopilar datos relevantes para su posterior procesamiento. Gracias a los modelos de lenguaje grandes (LLMs), ahora es mucho más sencillo tomar el lenguaje natural del usuario y relacionarlo con su intención. Sin embargo, esto ha llevado a nuevos desafíos, como garantizar la validez de la respuesta del modelo y aplicar las restricciones de seguridad necesarias a la salida del modelo. Sin embargo, la curva de aprendizaje para la ingeniería de indicaciones es severa y la fragilidad de la indicación aumenta con su crecimiento, incluso si el objetivo es solucionar estos problemas.
Los desarrolladores de TypeChat afirman que este producto puede reemplazar eficazmente la ingeniería de indicaciones con la ingeniería de esquemas. Los desarrolladores pueden definir como tipos las intenciones que se pueden utilizar con una aplicación de lenguaje natural. Esto puede ser tan simple como un sistema para etiquetar emociones o tan sofisticado como un conjunto de categorías para una tienda de música digital.
- Las GPUs NVIDIA H100 ahora están disponibles en la nube de AWS
- El futuro de la guerra totalmente autónoma impulsado por IA está aquí
- Construye una estrategia exitosa de lanzamiento de productos con ChatGPT
TypeChat toma los tipos definidos por el desarrollador y los utiliza para construir una indicación para el LLM, la cual luego se verifica para asegurarse de que cumple con el esquema. Cuando la validación falla, se interactúa nuevamente con el modelo de lenguaje para corregir la salida y que se ajuste al esquema. TypeChat también resume la situación y verifica que corresponda a las expectativas del usuario.
Los desarrolladores de TypeChat han afirmado que el reciente “arrebato de emoción” por los LLMs ha planteado numerosas preguntas. El caso de uso más obvio para estos modelos ha sido los chatbots. Sin embargo, se han planteado preguntas sobre cómo incorporarlos a interfaces de aplicaciones preexistentes, como complementar las UI tradicionales con interfaces de lenguaje natural o utilizar la IA para convertir una solicitud del usuario en un formato en el que las aplicaciones puedan operar. El propósito de TypeChat es abordar estos problemas.
Tu aportación e ideas son muy valoradas en este esfuerzo. Para la mayoría de las donaciones se requiere firmar un Acuerdo de Licencia de Colaborador (CLA, por sus siglas en inglés), que establece que el colaborador tiene la autoridad legal y concede los derechos para utilizar la contribución. Visita https://cla.opensource.microsoft.com/ para obtener más información.
Si se requiere un CLA, un bot de CLA actualizará automáticamente el estilo de la solicitud de extracción (por ejemplo, estado, comentario) para reflejar esto. Solo debes hacer lo que el robot te indique. Solo deben hacer esto una vez para todos los repositorios cuando se utiliza nuestro CLA.
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- ¿Dónde están todas las mujeres?
- Investigadores de UBC Canadá presentan un nuevo algoritmo de IA que mapea las rutas más seguras para los conductores en la ciudad
- Cómo navegar por el actual mercado laboral de la ciencia de datos
- El marco de trabajo de MLOps de 7 pasos de pila completa
- Estabilidad AI presenta Stable Diffusion XL 1.0
- AWS ofrece nuevas guías de inteligencia artificial, aprendizaje automático e IA generativa para planificar tu estrategia de IA
- Maximiza el rendimiento estable de la difusión y reduce los costos de inferencia con AWS Inferentia2