¿Cómo narices ha hecho OpenAI para hacer más rentable sus modelos de IA? 2s32f

Shad gt es el chatbot más popular del mundo tiene más de doscientos millones de s activos cada semana entrenar un modelo como catgut requiere unas habilidades pero ofrecerlo masivamente a un público tan grande requiere unos conocimientos muy diferente tes hoy en la tertulia analizamos las claves y los trucos que usa o pene y ahí para ofrecernos catgut la tertulia de la inteligencia artificial ya falta menos para la singularidad bienvenidas bienvenidos a la tertulia de la inteligencia artificial hoy me acompaña yo sterling buenas tardes a todos un placer un día más aquí también está con nosotros paco zamora buenas tardes ya a punto de despedir el año bienvenido víctor goñi hola buenas tardes a todas y también in gold coast ahora muchas gracias y este que os habla guillermo barbadillo hoy víctor nos trae un tema sobre los retos a los que se ha enfrentado pene ahí para escalar catgut jpg pues sí llevaba unos meses con algunos artículos in interesante que de ingeniería en mi backlog y hoy quería responder la pregunta de cómo narices ha hecho o pene hay para hacer rentables sus modelos veía ya hemos hablado en otros capítulos de la tertulia que hoy no es rentable de hecho está sacando suscripciones cada vez máscara pues han pasado de veinte dólares o doscientos mes que viene sacarán una ultra de dosmil no sé quién sabe porque al final hacer inferencias con jetcost como todos sabemos ya es bastante caro si entonces he decidido traer para cerrar un poco el dos mil veinticuatro este tema porque hayamos hablado bastante de las herramientas celaya que nos aporta como s y si merece la pena pagar por estas herramienta las que a día de hoy pues no se sostienen en costes hemos hablado en otros capítulos sobre los modelos de los mundos y como se intenta con modelos cada vez más grandes no tener más parámetros intentar resolver problemas más complejos incluso pues qué razón lógica y aparecen cada vez más actores y empresas pues qué quieren hacer nuevos tipos de hardware etcétera entonces para poner un poco en valor los hitos y no le quiero quitar mérito a todo lo que se está consiguiendo respecto modelos con respecto á crecimiento en uno cada vez tenemos más potencia de cómputo llegó a mis manos un artículo bastante interesante de pragmatic ingenieril donde hay un artículo en el que el autor se apoya de evan mori cagua que si no me equivoco es el líder del el equipo de playa ingeniería de openai donde comentan varios retos de ingeniería los que se han tenido que enfrentar vale para intentar hacerlo cada vez más rentable al final caught tiene más de cien millones de s semanales vale esto quiere decir que una capacidad de cómputo para manejar sus modelos impresionante y además tiene que ser lo más eficiente posible entonces no todo va a poder ser resuelto utilizando más jpeg es bueno si se podría si tuviéramos una capacidad infinita tanto de hardware como de conexión del hardware y montar todas esas cosas energía sí pero mientras no tengamos pues estaciones nucleares portátiles para blasters especializados y un montón de obleas a cascoporro no podamos fabricar todo las que nos da la gana con la escasez que hay se me hace dificil que esto se pueda solucionar por esta vía o al menos solamente por esta vía vale toda es dada esta problemática en el artículo nos cuenta un poco cinco desafíos han encontrado para conseguir bueno han intentado resolver para conseguir resolver ese problema de escalabilidad vale el primero de ellos es el uso de la lo que llaman couve caché y la utilización de la u del rap vale por otro lado la optimizar ción de los packages por otro lado buscar métricas clave que les ayuda a optimizar los casters la cuarta pata sería buscar más que peus que también ha sido un reto de ingeniería y luego intentar hacer auto escalado vale esto quiere decir equilibrar los clases para dar más o menos recursos adonde haya más o menos demanda de forma que no consumes tanto tanta energía al final es gastar dinero para