ChatGPT (30 nov 2022): el momento mainstream de la IA
OpenAI lanzó ChatGPT y alcanzó 100 millones de usuarios en meses; la IA conversacional se volvió hábito global.
Ordenadas por fecha · zona America/Guayaquil
Últimas señales
Página 34 / 38 · 447 artículos
Stable Diffusion (2022): difusión de imágenes open-weights
Stability AI liberó pesos de un modelo de difusión texto–imagen, detonando un ecosistema local de arte generativo.
InstructGPT y RLHF: alinear modelos con preferencias humanas
OpenAI mostró que fine-tuning con feedback humano produce modelos más útiles y seguros que el GPT-3 base en uso instructivo.
GitHub Copilot (2021): modelos de código en el editor
Basado en Codex de OpenAI, Copilot llevó autocompletado generativo a millones de desarrolladores y redefinió productividad de software.
CLIP y DALL·E (2021): texto e imagen en un mismo espacio
OpenAI presentó CLIP (contraste texto–imagen) y DALL·E (generación de imágenes desde texto), catalizando la ola multimodal.
AlphaFold (2020–2021): IA que predice estructuras de proteínas
DeepMind resolvió en la práctica gran parte del problema de plegamiento de proteínas en CASP14, con impacto científico masivo.
GPT-3 (2020): 175B parámetros y aprendizaje in-context
Brown et al. mostraron que un LLM suficientemente grande realiza tareas con prompts few-shot sin fine-tuning específico.
Leyes de escala (2020): Kaplan et al. y el mapa del cómputo
Papers de scaling laws mostraron relaciones predecibles entre pérdida, parámetros, datos y FLOPs, guiando inversiones en LLM.
GPT-2 (2019): escala, generatividad y el debate de liberación
OpenAI presentó GPT-2 y inicialmente limitó la liberación del modelo mayor por riesgos de desinformación, anticipando dilemas de open vs closed.
BERT (2018): preentrenamiento bidireccional que unificó NLP
Devlin et al. lanzaron BERT, popularizando fine-tuning de modelos de lenguaje en masked LM y next sentence prediction.
Transformers 2017: Attention Is All You Need
Vaswani et al. (Google) reemplazaron recurrencia por auto-atención, arquitectura base de BERT, GPT y casi todo el NLP moderno.
AlphaGo derrota a Lee Sedol (2016): intuición aprendida en Go
DeepMind combinó redes de política/valor con Monte Carlo Tree Search para vencer a un campeón de Go, juego de enorme espacio de estados.