Gran Avance hacia la VISION ARTIFICIAL del Futuro! (V-ESTRELLA)
Вставка
- Опубліковано 14 січ 2024
- ►Entra en hostinger.com/dotcsv y con mi código DOTCSV obtén un descuento exclusivo!
GPT-4V es el sistema de visión por computador más avanzado actualmente, y sin embargo, es incapaz de resolver este problema. Un problema que no sólo requiere de analizar una imagen en global sino de buscar la información adecuada, algo que el trabajo que vamos a comentar hoy sí puede hacer. Hablamos de V-estrella (V*), una nueva técnica que combina a los LLMs actuales para implementar un sistema de búsqueda muy eficiente, superando a la tecnología de OpenAI. ¿Será este el futuro de la visión artificial?
► (Paper) vstar-seal.github.io/
📹 EDICIÓN: Carlos Santana y Diego Gonzalez (Diocho)
-- ¡MÁS DOTCSV! ---
📣 NotCSV - ¡Canal Secundario!
/ notcsv
💸 Patreon : / dotcsv
👓 Facebook : / ai.dotcsv
👾 Twitch!!! : / dotcsv
🐥 Twitter : / dotcsv
📸 Instagram : / dotcsv
- ¡MÁS CIENCIA! --
🔬 Este canal forma parte de la red de divulgación de SCENIO. Si quieres conocer otros fantásticos proyectos de divulgación entra aquí:
scenio.es/colaboradores - Наука та технологія
🔥 Esta semana retomamos el LAB con el tutorial de Mixtral 8x7b y el experimento con los Captchas! 👉 www.youtube.com/@DotCSVLab/featured 👈
Oye Carlos, que sam altman regreso a OPEN AI y yo, que mi principal fuente de info eres tu, no me enteré hasta hace poco y de rebote porque tu no hiciste un video comentando el final de la telenovela... si no hubieras dicho nada, vale, pero empezaste a retrasmitir la telenovela y luego no la terminaste :( y claro seguramente habrás pensado que la gente ya lo sabia por twitter o instagram o lo que coño sea, pero tu pusiste esa info en youtube y creo (en mi opinión) que deberías de haber zanjado el tema tb en youtube. Yo personalmente no tengo otras redes sociales porque no me gusta pero la principal razón de mi argumento es que iniciaste la info por aquí y no la terminaste por aquí. Espero que lo tengas en cuenta para el futuro
Harás un video de mistral médium
Yo sin encontrar el reloj:
Yo buscando el reloj en la muñeca de la señora: 🤡
x2 😂
Yo no lo encontré me sentí más idiota que la IA 😢
La resolución me traiciono XD
Además ví el líquido del vaso color naranja
Esto es interesante, se acerca bastante a lo que buscamos de la inteligencia artificial: pensar como un humano para resolver problemas.
Ver estas cosas da para pensar mucho, entre eso, que los humanos somos muy complejos.
¡Excelente video!
pregunta: de que color es el reloj?
respuesta: Necesito aumentar la graduación de mis gafas 😂
Shane Legg (co-fundador de DeepMind) dijo hace poco en una entrevista:
"un sistema que pueda ir más allá y no solo generalizar de manera novedosa, sino hacer algo que sea verdaderamente creativo, algo que no sea solo una mezcla de cosas existentes, entonces se requiere buscar en un espacio de posibilidades y encontrar estas gemas ocultas que están escondidas en algún lugar. Y eso requiere búsqueda. Así que no creo que veamos sistemas que realmente se salgan de su base de datos de entrenamiento hasta que tengamos una búsqueda poderosa en el proceso"
Es posible que el futuro de la IA vaya por ahí....veremos si Q* se hace realidad o no
Excelente inicio de año con este video. Como siempre muy ilustrativo, y reflexivo. Esperamos que puedas generar uno cada semana
10:50 sonidito de Vsauce hahaha mola el guiño
Or is it?
Se podria hacer unas pruebas con las imágenes de ¿Donde está Wally?
Tenia entendido que los captchas funcionan también leyendo movimientos con el ratón y tiempos de respuesta, no sólo con la respuesta en sí
Confirmo, por unos procesos que manejo suelo necesitar resolver muchos captchas, y si los realizas muy rapido o de una forma muy secuencial te lo marca como invalido asi uno sea un humano legitimo
yo cuando me salía error lo hacía aún más perfecto, y bueno, ese era el problema
el principal problema, es el fingerprint qué realizan del navegador que utilizas, por regla general, utilizarás un puppeter o similar para controlar el navegador, y estos, alteran a bajo nivel el contexto del navegador, lo que hacen que estas empresas de Captchas, analicen estas huellas, para identificarte como proceso.
Gracias por le video Carlos! MUY INTERESANTE!!
Buen inicio de año para el canal 👍
Sigo un monton tus videos, son lo mas! Te hago una pregunta, existe un modelo pareciso con el audio? Saludos!
Tremenda entrada... La IA no duerme, y nosotros tampoco. Partiendo de todo lo que hubo el año pasado, nos espera un año muy especial 🤖
Siempre flipando por todo lo q nos enseñas...mil gracias una vez mas.
Gracias por compartir el conocimiento ❤
Buen video como siempre y muy inspirador!
Excelente vídeo !!!! Gracias !!!!
Que bonito lunes con dotcsv
Exelente video, basicamente es lo que dice el viaje espiritual, que busquemos dentro nuestro!!! Muchas gracias por la info!!
Carlos muy buen contenido informático 👨💻 este muchas Gracias bendiciones.
Excelente INFO, gracias
Muy interesante el primer video del año😮😊
Parecía que hasta ahora el paradigma de evolución de los LLM era poner más y más parámetros (más madera) pero llega un punto que, con la tecnología actual, no puedes seguir haciendo punta al lápiz (crecer a lo bruto) y te acuerdas de la "inteligencia artificial clásica" y empiezas a probar optimizaciones con modelos híbridos, reforzados, te paras a pensar cómo mejorar. Hasta que la tecnología avance y sea más barata y eficiente y, entonces, sobre un modelo optimizado le puedas volver a sacar punta... hasta el infinito. A la que te das cuenta y emerge la AGI...
Muy interesante. En física pasa algo parecido. Resulta más sencillo usar modelos sencillos y combinarlos, que intentar resolver un modelo general para todo...
Gran video. ¿Podría ser esta una forma de clasificación? ¿En el sentido de que se clasifican los objetos para que la investigación sea más precisa?
Feliz año dot
Buen video, gracfias por la información
Muy bien explicado!
Parece ser la evolución natural de usar LLM más algoritmos de refinación. Son pasos bastante lógicos.
Una mejora importante va a ser LLM + una manera de usar algoritmo(s) genérico(s). Esto va a ir mucho más alla de resolución de problemas de visión.
Combinar lo que ya habíamos aprendido a hacer con lo nuevo de los LLM. Perfecto. 😊
Gracias, muy bueno :)
No sería mejor usar una IA de segmentación, luego una de etiquetado y finalmente el LLM?
Esperando con ganas el vídeo del Lab
Este es uno de los canales que más valor genera en todo UA-cam tanto de los canales en inglés
Cómo en español.
Un gran video Carlos.
Excelente todo el contenido que compartes en este canal. Sería interesante que analices los proyectos (Perceiver, Perceiver IO, Perceiver AR) por DeepMind. En mi opinión son proyectos que podrían ayudar a resolver el problema de la entrada de datos en el entrenamiento de los LLM
Gràcies!
Que buen trabajo!
Excelente ejemplo del concepto
Eres un crack en los análisis, gracias
Justo abri youtube y pum, nuevo videooooo
Kabuuuum!!! Eso fue IA 😂
Gracias!
Gran video! ¿Existe ya algun algoritmo de este estilo para mejorar la vision? ¿O es todo por ahora teórico? Estoy en un proyecto (TFM) donde reconozco señales de trafico con YOLOv7, pero si pudiese disminuir el tiempo de respuesta dandole mas importancia a las zonas con mas presencia de señales y menos importancia a las demás sería una gran mejora de cara a la implementacion en tiempo real.
¡Gracias!
Gracias dotcsv, muy crack❤
Hola Carlos, ¿Has visto Rabbit R1? un SO con IA basado en lo que han llamado LAM (large Action Model)?
increible!
Me flipa tu trabajo Carlos! lo que cuentas es brutal. Pero además es que la edición de tus videos me parece una puta locura. Sigue así que estaremos todos escuchando lo que tengas que contar.
Justo entre a tu canal y pum nuevo video.😂
Ufffff, esta solución parece tan obvia, pero tomó mucho tiempo llegar a ella. Qué chévere idea!
Exacto De hecho yo ya me la imaginaba hace años pero hasta ahora se les ocurrió hacer eso
@@braulioromerobeltran5745 De la imaginación a la implementación hay un trecho también eh. El mundo está lleno de genios que dicen sentados "eso ya se me había ocurrido a mí" jaja
Al final muchos problemas interesantes surgen recién cuando uno trata de implementar una idea
@@ACLozMusik si ya lo sé ellos lo hicieron primero fue más como una predicción pero no sé a quién se le ocurrió primero jajaja probablemente a alguien más antes que a mi y que a ellos jajaja
Genial!
Hey Carlos habla de lo que sigue después de la Multimodalidad en el campo de la IA, y es la creación de Modelos Mundiales, los americanos ya están hablando mucho de eso, de los World Models, que es lo que precisamente le permitirá a las IAs cumplir sus objetivos, como encontrar ese reloj rápidamente al buscarlo directamente en la ventana de la tienda o en el antebrazo de la mujer ya que se supone ahí se encuentran la mayoría de los relojes gracias al Modelo Mundial Interno que se le dio a la máquina y es lo que por ejemplo solucionaría el problema de la Robótica de cumplir una acción sin violar las reglas del mundo, por ejemplo ir a buscarte un baso de agua al refri sin pisar a tu perro que está durmiendo atravesado en el camino hacia el refrigerador que es lo que sucede hasta hoy día con las IAs de bolsillo pero ya no pasa con los los grandes modelos de Lenguaje como Bing o GPT.
Mola que de las últimas técnicas que se han hablado aquí vayan por el camino de hacer más con lo mismo o menos. Que mucho a qué darle vueltas fuera de la caja y abre oportunidades a las 'pequeñas' tech y la comunidad Open Source, sorprendiendo. Después de todo, OpenAI, aunque no era pequeña, tampoco nació siendo una big tech
A la espera del lab
Yo: jajaja no hay reloj retrol
El: el reloj está aqui
pero cómo es tan bueno el explicando este buen hombre? ❤
como siempre tus videos son pro
Hace tiempo habías hecho un video de una IA que segmentaba todo, solo hay que etiquetar qué es cada cosa en vez de buscar en toda la imagen
Eres un grande gracias
Ay...
De haber sabido que una arquitectura así era tan revolucionaria, hubiera sacado mi paper hace meses 😅
En el trabajo desde el año pasado he implementado esa estrategia para mejorar la calidad de las búsquedas de textos con bastantes buenos resultados. En vez de utilizar algoritmos de sintetización de textos, utilizo los LLM para que aplique estrategias de sintetización de información y en base al resultado mejorar el embedding.
Tengo en mente una mejora para esta arquitectura, pero creo que eso ya será material para hacer mi propio paper 😁.
Lastima bro
Pasa para leerlo, bro
esta técnica, se podría aplicar también a LLM, no? es decir, un LLM principal encargado de "orquestar" LLM más especializados. Haciendo el foco en temas concretos. Algo similar a lo de Mixtral con los expertos, solo que expertos en temas concretos.
Está genial que ya pueda ver aunque en mi vida confundiría mucho a la IA dejo las cosas en los lugares más ilógicos 😂
El vídeo, bien, pero cuando el número de celdas del ejemplo de A* coincide con el número de letras de HEURÍSTICA.. OMG! QUE PLACENTERO! BUEN TRABAJO Y ATENCIÓN AL DETALLE
Estaría guai ver un modelo open source como mixtral, usando la vision de la que hablas en este vídeo
podrías hacer una revew de los modelos (LAM)
Que ganas tenia de escucharte coñooo!..
11:18 No puedo creer que en serio haya dicho "Superfluos" en la vida real.
Y así empieza el año, con una IA a la que se le está enseñando el sentido común... no me lo esperaba.
Excelente guiño al canal de Vsauce 10:52
unas dudas
¿como la IA SABA SI UN CONJUNTO PIXELES ES UN OBJETOS SI HACES ZIP VARIAS Y PASEA UN VECTOR DE NUMERO?
¿HAY OTRA FOMA DE ENTRENAMIENTO A LA IA QUE SEA METOD DE FUERZA BRUTA?
Bueníiisiimo
Crack!
¿Has oído hablar del LLM Multimodal Sapiens Chat?
10:50 el sonido de Vsauce! jaja
No lo tengo claro. Si la IA hace lo que comentas en tu ejemplo, sacrifica precisión por rapidez ¿Y si el reloj hubiese estado en la acera?¿Cuando un elemento no está en lo "obvio" cuanto tarda la IA en comparación a otros métodos previos? P.D: Sí, en realidad el humano no mira la ventana sino que Sí escanea con micromovimientos oculares la imagen y sí que lo hace en cierto orden, si no, sería caótico descartar búsquedas en base a futuribles que pueden no ser y que de niño ya con los libros de busca las diferencias sabes que si hay algo a buscar lo mismo no está donde crees obvio. (Tienes quien te lo explique la parte de biología). Lo que el cerebro presta atención a ciertos detalles antes. Posiblemente la gente antes que enunciaras algo ya había leído "Libro" y estaría buscando donde habían libros o revisando la tienda por automatismo sin que hubiese orden de búsqueda.
Si. Ambos, humanos e IA, "escaneamos" nuestro entorno. La IA necesita segundos por imagen, pero nosotros lo hacemos en tiempo real.
Por lo que entendido con los ejemplos del vídeo, con los otros métodos hace un escaneo rápido pero a una resolución muy baja complicando la búsqueda de detalles. Con este nuevo método, en lugar de escanear todo a baja resolución, busca en la región dónde sea más probable que este el objeto y, si no lo encuentra, pasa a la siguiente región más probable cómo comentó Carlos en el ejemplo del vaso en la mesa (entiendo yo que el algoritmo le dé más prioridad a buscar cerca la mesa que en el techo o la pared).
Interesante
Estos videos son cine 🍿 🍿 me trago hasta el anuncio del sponsor que locura 😜 😜
Carlos, cuando coges el siguiente vuelo en 2024, es para esperar la salida de gpt5.
Xdddd fijenlo
Jajaja
Finally a new video.
Darles algo parecido a la intuición a las inteligencias artificiales suena a una buena manera de volverlas más eficientes. Sin embargo, también hay que tener cuidado de no hacerlas perder lo que las volvería útiles en primer lugar. Los instintos y atajos que tiene nuestro cerebro nos permiten sobrevivir y andar por nuestro día a día sin pararnos a pensar por horas cada cosa. Sin embargo, eso también nos hace susceptibles a ilusiones y a sesgos. Por ejemplo, creo que fuiste tú en este mismo canal quien mostró un ejemplo de una IA viendo una imagen que a simple vista parecía un concierto, pero que era una ilusión óptica, y el modelo fue capaz de identificar que era un campo de algodón. Me preocupa que un modelo diseñado para ser más rápido se termine confundiendo de la misma forma que lo haría un humano.
Yo también hubiera dicho blanco. Porque el dial del reloj es blanco :)
excelente se sienten las energías recargadas para este año
¿Alguien más no vio el reloj en el escaparate hasta que Carlos lo mencionó? jajaja
Si somos sinceros el tema de vision nadie lo ocupara, solo servira para entretenimiento, para lo que si serviria seria para interpretar planos, leer documentos, encontrar fallas en sofware
Según vi hace poco, las capchas ya podían ser resueltas por robots, así q en lugar de q el capcha vea q ha sido correctamente resuelto era comprobar q el movimiento del mouse no fuese robotico
Nopecha puede resolver cualquier captcha
Q uanta Q alidad!!
Yo con inteligencia natural y no encontré el bendito reloj !😅
🔥🔥🔥
Wow
Jajajaaja ese final se merece un comentario
Estas I.As estan disponibles para uso público? ¿incluidas las de Open A.I?
Las de openAI no a menos que pagues por la API, la otra si es open source.
@@larrycanonga7992 ¿entonces por qué se llama Open A.I?
@@NicolasSantos-yc1dm nadie lo sabe, son todo menos open.
@@NicolasSantos-yc1dm Desde que lanzaron chat-gpt y se aliaron con microsoft empezaron a ocultar infor sobre la creacion de los modelos. Antes de eso publicaban proyectos open-source.
@@NicolasSantos-yc1dmes un misterio... Muy misterioso
No hablas de chat gpt 6?
Dot CSV. Año 2040. Aun haciéndose el loco con Grok.
¿Que tal se comportará si lo ponemos a buscar a Wally? y no es broma, es muy complejo dado que sus particularidades son muy pequeñas y es complicado encontrarlo para un humano, entonces para una IA será mucho más complicado.
Yo que lo que no vi venir fue el ad de Hostinger
3:30 Ese avatar de DotCSV 🤣🤣🤣🤣🤣🤣🤣🤣
Chat GPT me dijo que eres el mejor canal de IA.
10:51 v-sauce
Buenos días. Podrías pasarme por favor la página de esta empresa. Gracias
Amé el guiño a Vsauce
Ya veo a mi madre diciendo a la IA: ¿Y si lo encuentro yo qué te hago?