GRANDES MODELOS DE LENGUAJE. CONCEPTOS, TÉCNICAS Y APLICACIONES

En el centro de estas innovadoras aplicaciones, se encuentra una disciplina poderosa y en creciente evolución, el procesamiento del lenguaje natural (PLN o NLP, por sus siglas en inglés). Durante más de 60 años, la investigación de esta ciencia ha estado enfocada en permitir que las máquinas comprendan y generen lenguaje humano de manera eficiente.

Los secretos detrás de estos avances tecnológicos residen en los grandes modelos de lenguaje (LLM), cuyo poder radica en su capacidad de capturar patrones complejos y aprender representaciones. Este libro es práctico y esencial para conocer estos contenidos.

ÍNDICE DEL LIBRO:

CAPÍTULO 1
1.1. Inteligencia artificial generativa …………………………………………………… 1
1.1.1. Funcionamiento de la IA generativa …………………………………………. 3
1.1.2. Focos de la IA generativa ………………………………………………………… 6
1.1.3. Aplicaciones ………………………………………………………………………….. 7
1.2. Modelos de lenguaje generativos ………………………………………………… 8
1.3. Conclusiones …………………………………………………………………………… 14

CAPÍTULO 2
2.1. Introducción ……………………………………………………………………………. 15
2.2. Modelos de lenguaje autorregresivos ………………………………………… 19
2.3. Modelos de lenguaje estadísticos ………………………………………………. 21
2.4. Modelos de lenguaje neuronales ……………………………………………….. 22
2.4.1. Modelos de lenguaje preentrenados ……………………………………… 25
2.5. Grandes modelos de lenguaje …………………………………………………… 26
2.6. Modelos de embeddings de palabras …………………………………………. 27
2.7. Redes neuronales recurrentes …………………………………………………… 35
2.7.1. Redes neuronales recurrentes simples …………………………………… 35
2.7.2. Redes de memoria a corto-largo plazo ……………………………………. 40
2.8. Autoencoders ………………………………………………………………………….. 44
2.8.1. Cuello de botella de la información ………………………………………… 46
2.8.2. Variables latentes ………………………………………………………………… 47
2.8.3. Arquitectura de un Autoencoder …………………………………………… 49
2.8.4. Tipos de Autoencoders …………………………………………………………. 50
2.9. Redes adversarias generativas …………………………………………………… 56
2.10. Modelos de atención ……………………………………………………………….. 59
2.10.1. Problema del encoder-decoder ……………………………………………… 61
2.10.2. Atención en modelos de secuencia ………………………………………… 63
2.11. Transformers …………………………………………………………………………… 80
2.11.1. Capa del encoder …………………………………………………………………. 84
2.11.2. Codificación posicional …………………………………………………………. 85
2.11.3. Conexiones residuales ………………………………………………………….. 89
2.11.4. Capa del decoder …………………………………………………………………. 90
2.11.5. Capa lineal y SoftMax …………………………………………………………… 93
2.11.6. Entrenamiento ……………………………………………………………………. 94
2.11.7. Inferencia ……………………………………………………………………………. 96
2.11.8. Función de pérdida ………………………………………………………………. 98
2.12. Conclusiones …………………………………………………………………………. 100

CAPÍTULO 3
3.1. Introducción ………………………………………………………………………….. 101
3.1.1. Habilidades emergentes ……………………………………………………… 102
3.1.2. Técnicas de mejoramiento de capacidades ……………………………. 104
3.1.3. Corpus comunes ………………………………………………………………… 105
3.1.4. Tipos de entrenamiento ……………………………………………………… 106
3.1.5. Tipos de aprendizaje …………………………………………………………… 107
3.1.6. Tipos de tokenización …………………………………………………………. 109
3.2. BERT …………………………………………………………………………………….. 110
3.2.1. Funcionamiento …………………………………………………………………. 112
3.2.2. Arquitectura ……………………………………………………………………… 115
3.2.3. Entrada del modelo ……………………………………………………………. 115
3.2.4. Salida del modelo ………………………………………………………………. 116
3.2.5. Modelos preentrenados basados en BERT …………………………….. 118
3.3. GPT ………………………………………………………………………………………. 119
3.3.1. El modelo GPT y GPT-2 ……………………………………………………….. 121
3.3.2. El modelo GPT-3 ………………………………………………………………… 131
3.3.3. El modelo GPT-4 ………………………………………………………………… 134
3.3.4. Reinforcement Learning from Human Feedback ……………………. 135
3.4. PaLM ……………………………………………………………………………………. 140
3.4.1. Vocabulario ………………………………………………………………………. 143
3.4.2. Entrenamiento ………………………………………………………………….. 144
3.4.3. PaLM-2 …………………………………………………………………………….. 145
3.5. LLaMA ………………………………………………………………………………….. 148
3.5.1. Datos de preentrenamiento ………………………………………………… 149
3.5.2. Arquitectura ……………………………………………………………………… 150
3.6. LaMDA ………………………………………………………………………………….. 151
3.6.1. Objetivos y métricas …………………………………………………………… 153
3.6.2. Preentrenamiento de LaMDA ………………………………………………. 154
3.7. MEGATRON …………………………………………………………………………… 156
3.7.1. Datos de entrenamiento …………………………………………………….. 159
3.8. Otros LLM ……………………………………………………………………………… 160
3.9. Conclusiones …………………………………………………………………………. 162

CAPÍTULO 4
4.1. Introducción ………………………………………………………………………….. 165
4.2. Tareas de evaluación ……………………………………………………………… 166
4.2.1. Tareas básicas de evaluación ………………………………………………. 167
4.2.2. Tareas avanzadas de evaluación ………………………………………….. 171
4.2.3. Tareas de cumplimiento de regulaciones ………………………………. 172
4.3. Métricas y puntos de referencia ………………………………………………. 176
4.4. Datasets de Benchmark ………………………………………………………….. 178
4.4.1. SQuAD (Stanford Question Answering Dataset) …………………….. 178
4.4.2. GLUE (General Language Understanding Evaluation) ……………… 179
4.4.3. SNLI (Stanford Natural Language Inference) ………………………….. 180
4.4.4. ARC (Abstraction and Reasoning Corpus) ………………………………. 180
4.5. Evaluación de LLM …………………………………………………………………. 181
4.6. Conclusiones …………………………………………………………………………. 186

CAPÍTULO 5
5.1. Introducción ………………………………………………………………………….. 189
5.2. Clasificación de sentimientos …………………………………………………… 190
5.3. Búsqueda semántica en textos ………………………………………………… 197
5.4. Razonamiento con agentes de lenguaje ……………………………………. 198
5.5. Inferencia causal ……………………………………………………………………. 201
5.6. Acceso a bases de datos en lenguaje natural …………………………….. 203
5.7. Cargando y preguntando por datos propios ………………………………. 206
5.8. Realizando ajuste fino de un modelo con datos propios ……………… 209
5.9. Diseño y optimización de prompts ……………………………………………. 214
5.10. Sistema conversacional ChatGPT ……………………………………………… 221
5.11. Sistema conversacional BARD ………………………………………………….. 229
5.12. Conclusiones …………………………………………………………………………. 231

CAPÍTULO 6
6.1. Introducción ………………………………………………………………………….. 233
6.2. Habilidades emergentes …………………………………………………………. 234
6.3. LLM en producción ………………………………………………………………… 236
6.4. Alineación entre humanos y LLM ……………………………………………… 238
6.5. Ética …………………………………………………………………………………….. 240
6.6. Aspectos regulatorios …………………………………………………………….. 242
6.7. Complejidad ………………………………………………………………………….. 243
6.8. Riesgos …………………………………………………………………………………. 244
6.9. Limitaciones ………………………………………………………………………….. 245
6.10. Conclusiones …………………………………………………………………………. 247
Índice onomástico ……………………………………………………………………………….. 249
Bibliografía …………………………………………………………………………………………. 253