Los modelos de inteligencia artificial están a la orden del día. Cada vez más compañías emplean esta tecnología, dándole un giro. Como novedad, Meta ha presentado su último conjunto de modelos de inteligencia artificial (IA), Chameleon. Con este lanzamiento, Meta refleja un un avance significativo hacia una tecnología capaz de razonar y generar resultados mediante una combinación de imagen y texto, utilizando un enfoque de diseño unificado.
Como punto diferenciativo, a diferencia de los modelos multimodales convencionales, que adquieren capacidades modales por separado, Chameleon ha adoptado un enfoque diferente que le permite razonar y generar respuestas multimodales con secuencias arbitrarias de texto e imagen.
En cuanto a su mecanismo, para conseguir esto, los investigadores de Meta han implementado un entrenamiento estable desde el principio, una fórmula de ajuste y una parametrización arquitectónica adaptada a la fusión temprana, basada en tokens y con una configuración modal mixta, como se explica en el texto de la investigación publicado en Arxiv.org.
La evaluación de Chameleon en una amplia variedad de tareas, incluyendo la respuesta visual a preguntas, el subtitulado de imágenes, la generación de texto, la generación de imágenes y la generación modal mixta de formato largo, ha demostrado un rendimiento a la altura de otros modelos generativos avanzados, como Mixtral 8x7B y Gemini-Pro en tareas de solo texto, incluso superando a Llama 2.
Finalmente, no está de más mencionar que en una evaluación de generación modal mixta de formato largo, en la que la entrada y la respuesta entremezclan imagen y texto, Chameleon ha demostrado igualar o superar el rendimiento de modelos de gran tamaño, como Gemini Pro y GPT-4V
Si (
No(
