Llegamos a ustedes gracias a:



Reportajes y análisis

13 proyectos de código abierto que están transformando la IA y el ML

[18/10/2022] El código abierto es un terreno fértil para el software transformador, especialmente en ámbitos de vanguardia como la inteligencia artificial (IA) y el aprendizaje automático (ML). El espíritu del código abierto y las herramientas de colaboración facilitan que los equipos compartan el código y los datos, y aprovechen el éxito de otros.

[Reciba lo último de CIO Perú suscribiéndose a nuestro newsletter semanal]

Este artículo examina 13 proyectos de código abierto que están rehaciendo el mundo de la IA y el aprendizaje automático. Algunos son paquetes de software elaborados que soportan nuevos algoritmos, y otros son más sutilmente transformadores, pero todos ellos merecen un vistazo.

TensorFlow y PyTorch

Una lista de herramientas de código abierto para la IA y el aprendizaje automático no estaría completa sin un reconocimiento a TensorFlow y PyTorch. Tanto por separado como en conjunto, estos OG frameworks apoyan algunas de las investigaciones más experimentales e importantes en el aprendizaje automático y la inteligencia artificial. Algunos de los proyectos analizados en este artículo los utilizan como bloques de construcción.

FauxPilot

Los programadores que necesiten un poco de ayuda para codificar pueden obtenerla de FauxPilot. El sistema se entrena a sí mismo en el código de producción existente y aprende lo suficiente de él para hacer comentarios y sugerencias estructuradas. El proyecto está inspirado en GitHub Copilot, pero FauxPilot le permite seleccionar los repositorios que utilizará para el entrenamiento. Esta capa adicional de control evita el uso de fragmentos de código de fuentes que podrían no aprobar ese uso. Si elige sus fuentes de formación y las limita solo a aquellas con los permisos y licencias adecuados, es más probable que la ayuda y los fragmentos de código que utilice sean limpios y confiables.

DALL-E

Una de las formas más sencillas de hacerse una idea de cómo "piensan" los modelos de aprendizaje automático es empezar a introducir palabras en DALL-E, un modelo muy amplio y abierto construido a partir de imágenes y descripciones de texto extraídas de Internet. Cuando se introduce una palabra, sale una imagen que DALL-E considera compatible. Proyectos de código abierto como DALL-E Playground y DALL-E Mini facilitan la experimentación con el modelo. Es en parte un juego y en parte un portal a la mente de un algoritmo de IA.

YOLOv7

La detección de objetos en tiempo real, o la búsqueda de objetos en las imágenes, es un área complicada para la inteligencia artificial. También es fundamental para cosas como los carros autodirigidos, la robótica y los dispositivos de asistencia que necesitan recolectar y transmitir información ambiental precisa. YOLOv7 es una de las herramientas de detección de objetos de código abierto más rápidas y precisas. Basta con proporcionar a la herramienta una colección de imágenes llenas de objetos y ver lo que ocurre después.

DeepFaceLab

Los deepfakes son videos e imágenes que se crean, alteran o sintetizan con la ayuda del aprendizaje profundo. El ejemplo más común es intercambiar la cara de una celebridad o un político en un video o imagen existente, normalmente con fines humorísticos, pero a veces con fines más nefastos. DeepFaceLab es una tecnología de deepfake de código abierto que funciona con Python. Además de cambiar una cara por otra, puede utilizarse para eliminar arrugas y otros signos de la edad y la experiencia.

PaddleNLP

Los motores de procesamiento del lenguaje natural (PLN) realizan búsquedas neuronales y análisis de sentimientos, y luego extraen y presentan la información para los usuarios humanos y las máquinas. Aunque todavía es torpe, esta tecnología se está volviendo lo suficientemente sofisticada como para ser utilizada en una variedad de aplicaciones y dominios (Alexa es solo un ejemplo). PaddleNLP es una popular biblioteca de PLN de código abierto que se puede utilizar para extraer el sentimiento de las búsquedas y marcar las entidades importantes.

MindsDB

El camino tradicional hacia el éxito de la IA consiste en almacenar los datos en una base de datos y luego extraerlos para enviarlos a un algoritmo de aprendizaje automático independiente. MindsDB es un servidor SQL que integra los algoritmos de aprendizaje automático directamente en la base de datos. El aprendizaje automático en la base de datos o el análisis de los datos donde ya están almacenados es una forma rápida y eficiente de acelerar sus flujos de trabajo de aprendizaje automático.

Image Super-Resolution (ISR)

Con las fotografías, mientras más detalle mejor, e Image Super-Resolution (ISR) puede añadir aún más detalle aumentando la resolución de la imagen. Esta herramienta de código abierto emplea un modelo de aprendizaje automático que se puede entrenar para adivinar los detalles de una imagen de baja resolución. Con un buen entrenamiento, el modelo puede producir detalles precisos y una imagen más nítida.

DeepPavlov

Muchas empresas y grandes corporaciones están sustituyendo las primeras líneas de atención al cliente por chatbots, lo que significa que las máquinas están aprendiendo a mantener una conversación. DeepPavlov reúne herramientas básicas de aprendizaje automático como TensorFlow, Keras y PyTorch para crear chatbots con los que aprender. Los resultados son raros y, a veces, útiles con el entrenamiento adecuado.

Blender

La mejor manera de convertir modelos tridimensionales en escenas lujosamente renderizadas es usar Blender. Aunque muchos piensan que es una herramienta para cineastas y animadores, Blender es también un gran ejemplo de IA aplicada. Una interfaz completa y diversos plugins permiten crear complejos gráficos en movimiento o vistas cinematográficas. Solo hace falta un poco de creatividad y el comité de nominación a los Oscars no tardará en llamar. Las IAs ni siquiera pedirán una parte del crédito.

OpenCV

Una de las bases más sólidas para explorar la visión artificial es OpenCV, la biblioteca de visión por computadora de código abierto. Incluye muchos algoritmos populares para identificar objetos en imágenes digitales, así como rutinas especializadas como una que puede detectar y leer las placas de los carros.

Robocode

Robocode es como The Hunger Games para sus algoritmos. Este juego de programación basado en Java permite a su tanque luchar contra otros en una batalla por la dominación. Es un pasatiempo divertido e incluso puede ser útil para probar nuevas estrategias para vehículos autónomos.

Puede ver también: