Mi objetivo en 2023 es ser más selecto en el número de propuestas / campañas / charlas y centrarme más en el propio contenido de YT. Es una batalla con la cabeza el dejar pasar las oportunidades pero están sucediendo cosas muy bonitas en el mundo de la IA como para no contarlas.
INNOVATION
-
Deep Learning Reinforcement: From Minecraft Diamonds to Real-World Solutions
By
–
Esto de conseguir diamantes se ha considerado una gran meta para el Deep Learning con Apr. Reforzado por el grado de complejidad que ofrece Minecraft. Y la importancia de esto se materializará cuando estas técnicas ya no se apliquen a juegos, sino a problemas complejos reales
-
DreamerV3: General AI System Masters Diverse Simulated Environments
By
–
Y ojo, el sistema DreamerV3 tiene mucha más chicha más allá de Minecraft. De hecho, lo relevante es que es lo suficientemente general como para aprender a dominar diversos problemas (entornos simulados en este caso) que le echen. Os dejo enlace al paper en el siguiente tweet.
-
DreamerV3: DeepMind Achieves Diamond Mining from Zero
By
–
¡OJO A ESTO! DreamerV3, un nuevo trabajo de DeepMind que consigue entrenar a una IA con RL hasta conseguir diamantes, DESDE CERO.
— Carlos Santana (@DotCSV) 11 janvier 2023
Y si recordáis del recap de 2022, os enseñé como OpenAI consiguió que la IA llegara a hacer un pico de diamantes. ¿Entonces? ⛏️
[1/n] https://t.co/VqpPYSuhwJ¡OJO A ESTO! DreamerV3, un nuevo trabajo de DeepMind que consigue entrenar a una IA con RL hasta conseguir diamantes, DESDE CERO. Y si recordáis del recap de 2022, os enseñé como OpenAI consiguió que la IA llegara a hacer un pico de diamantes. ¿Entonces? [1/n]
-
AI learns from scratch: Pure RL versus supervised learning approaches
By
–
La diferencia es que en el caso de OpenAI usaron como datos de entrenamiento vídeos con gameplays de partidas humanas. Es decir, en cierta forma la IA aprendía de forma supervisada del humano. Pero aquí no. Esto es puro RL -ensayo y error- donde la IA aprende DESDE CERO…!!!
-
Why Manufacturers Need Industrial IoT in 2023
By
–
Why #manufacturers need #IIoT in 2023 http://
ow.ly/Jsoh50MgOlG @fabot70 @RTek_Man_Ltd via @fogoros #OpenAI #iiot #industry40 #digitaltransformation #manufacturing #manufacturingindustry #manufacturingsector -
Tech Migration Shifts Content Distribution on Network Platform
By
–
ugh gonna be confusing for me; still find more non-tech interesting stuff on the child king network, tech moved quite a bit tho.
-
FAISS Wrapper Now Returns Similarity Scores in Semantic Search
By
–
Return scores during semantic search – h/t @krrish_dh In addition to getting back the top documents from a vectorstore, the FAISS wrapper now supports returning similarity scores for those documents as well Documentation: https://
langchain.readthedocs.io/en/latest/modu
les/utils/combine_docs_examples/vectorstores.html#faiss-specific
… -
WolframAlpha Integration Tool for LangChain Framework
By
–
WolframAlpha integration – @nickscamara_ Support for using Wolfram Alpha as a tool Collab Notebook: https://
colab.research.google.com/drive/1AAyEdTz
-Z6ShKvewbt1ZHUICqak0MiwR
… Documentation: https://
langchain.readthedocs.io/en/latest/modu
les/utils/examples/wolfram_alpha.html
… s/o to others @brucehammer for suggesting this a few weeks ago, and others in the discord for reviewing! -
v0.0.60 Release: WolframAlpha Integration and Memory Support
By
–
v0.0.60 – big release! WolframAlpha integration – @nickscamara_ Multiple Memory support – @diwanksingh Doc improvements – @Yoooongtae Return scores during semantic search – h/t @krrish_dh Add namespaces to @pinecone – @m_morzywolek Deployment templates