Introducción
¿Alguna vez has utilizado un traductor en línea o convertido un audio en texto automáticamente? Lo más probable es que sí.
También es muy probable que hayas visto noticias sobre automóviles autónomos, robots de reparto o asistentes virtuales capaces de responder preguntas y generar contenido. Incluso, es posible que ya hayas utilizado alguno de estos servicios.
Estos ejemplos demuestran que la Inteligencia Artificial ya forma parte de nuestra vida cotidiana. Aunque hace algunos años parecía una tecnología propia de la ciencia ficción, hoy está presente en aplicaciones que utilizamos a diario para trabajar, estudiar o facilitar nuestras tareas.
En este artículo exploraremos cómo Oracle Cloud Infrastructure (OCI) implementa estas tecnologías mediante su portafolio de servicios de Inteligencia Artificial (OCI AI), permitiendo a las organizaciones desarrollar soluciones basadas en IA sin necesidad de crear modelos desde cero ni administrar infraestructuras complejas.
Conceptos Fundamentales
¿Qué es Inteligencia Artificial?
Cuando hablamos de Inteligencia Artificial, nos referimos a la capacidad de una máquina para imitar la inteligencia humana. Esto es posible gracias a algoritmos que utilizan datos para aprender y mejorar su desempeño, permitiéndole procesar grandes volúmenes de información de forma rápida y eficiente para resolver tareas que resultarían muy difíciles o tomarían mucho más tiempo para una persona.
¿Qué es Machine Learning?
Traducido al español, Machine Learning significa aprendizaje de máquina. Consiste en utilizar algoritmos para identificar patrones en los datos y aprender de ellos con el objetivo de realizar predicciones o tomar decisiones. El resultado de este proceso de entrenamiento recibe el nombre de modelo, término que utilizaremos con frecuencia a lo largo de este artículo.
Entre las principales técnicas de Machine Learning se encuentran:
Aprendizaje por refuerzo: el modelo aprende mediante la interacción con un entorno, ajustando su comportamiento de acuerdo con la retroalimentación obtenida para mejorar sus decisiones..
Aprendizaje supervisado: utiliza datos previamente etiquetados para entrenar el modelo. Se emplea en problemas de clasificación, como reconocer si una imagen contiene una fruta, y de regresión, como estimar el precio de una casa a partir de sus características.
Aprendizaje no supervisado: utiliza datos sin etiquetar para descubrir patrones, identificar relaciones y agrupar la información según características comunes.
Si deseas profundizar en estos conceptos, te recomendamos leer el artículo Desmitificando términos en Machine Learning - tipos de aprendizaje de maquina | Alura Cursos Online donde se explican con mayor detalle los distintos tipos de aprendizaje.
¿Qué es Deep Learning?
Traducido al español, Deep Learning significa Aprendizaje Profundo. Se basa en redes neuronales con múltiples capas ocultas, capaces de aprender representaciones cada vez más complejas de los datos, lo que les permite resolver problemas que resultarían difíciles para los métodos tradicionales de Machine Learning.
Después de revisar estos conceptos, podemos concluir que Machine Learning (ML) es un subconjunto de la Inteligencia Artificial (IA), mientras que Deep Learning (DL) es, a su vez, un subconjunto del Machine Learning.
Comprender esta relación es importante porque muchos de los servicios de OCI AI utilizan una o varias de estas tecnologías para resolver tareas específicas.
Los avances en Machine Learning y, especialmente, en Deep Learning también hicieron posible una nueva generación de modelos capaces no solo de clasificar información o realizar predicciones, sino de crear contenido original, como texto, imágenes, código e incluso audio. Esta tecnología se conoce como Inteligencia Artificial Generativa (Generative AI) y es la base de varios de los servicios más recientes de Oracle Cloud Infrastructure.
¿Qué es Inteligencia Artificial Generativa?
A diferencia del Machine Learning tradicional, que se centra en clasificar datos o realizar predicciones, la Inteligencia Artificial Generativa (Generative AI) es capaz de crear contenido original, como texto, imágenes, código y audio, a partir de una instrucción o prompt.
La siguiente tabla resume las principales diferencias entre el Machine Learning tradicional y la Inteligencia Artificial Generativa.
Diferencias entre Machine Learning Tradicional e IA Generativa
| Característica | Machine Learning Tradicional | Inteligencia Artificial Generativa |
| Objetivo principal | Predecir resultados y clasificar datos | Crear contenido totalmente nuevo |
| Tipo de datos | Trabaja principalmente con datos estructurados y etiquetados | Trabaja principalmente con datos no estructurados |
| Tipo de salida | Valores numéricos, categorías o probabilidades | Texto, imágenes, código, sintesis de voz o audio |
Ahora que comprendemos qué es la Inteligencia Artificial Generativa, veamos cómo Oracle implementa esta tecnología mediante OCI Generative AI.
OCI Generative AI Service
OCI Generative AI es la plataforma de Inteligencia Artificial Generativa de Oracle Cloud Infrastructure, diseñada para desarrollar, implementar y administrar aplicaciones de IA a escala empresarial. Permite utilizar modelos fundacionales para comprender, generar y procesar lenguaje natural mediante prompts, además de ofrecer herramientas para personalizar modelos, crear agentes de IA e integrar aplicaciones con datos empresariales.
El servicio ofrece acceso a modelos fundacionales preentrenados y permite adaptarlos a necesidades específicas mediante técnicas como el fine-tuning. Además, Oracle proporciona la infraestructura necesaria para ejecutar estos modelos de forma segura, escalable y con capacidades de gobernanza empresarial.
Aunque OCI Generative AI es la plataforma de IA generativa de Oracle, OCI también ofrece servicios de Inteligencia Artificial especializados para tareas específicas, como análisis de texto, imágenes, audio y documentos. La mayoría de estos servicios utilizan modelos preentrenados y, en algunos casos, permiten entrenar modelos personalizados con datos propios de la organización.
Personalización de LLM
Existen distintas técnicas para personalizar un modelo de lenguaje según las necesidades del usuario.
Prompt Engineering
Consiste en mejorar la respuesta del modelo mediante el diseño y la optimización del prompt, sin necesidad de modificar ni entrenar el modelo.
Ventajas:
- Simple de implementar.
- No requiere entrenamiento del modelo.
RAG (Retrieval-Augmented Generation)
Permite proporcionar contexto adicional al modelo recuperando información desde documentos o bases de conocimiento externas antes de generar la respuesta.
Es ideal cuando:
- La información cambia constantemente.
- Se desea reducir el riesgo de alucinaciones.
- Se necesita responder utilizando información actualizada.
Esta técnica no requiere realizar Fine-Tuning.
Fine-Tuning
Consiste en ajustar un modelo fundacional preentrenado utilizando datos propios para adaptarlo a necesidades específicas.
Es útil cuando:
- El modelo no responde como se necesita.
- Se requiere adaptar su comportamiento a un dominio específico.
Ventajas:
- Mejor adaptación al dominio.
- Respuestas más consistentes y especializadas.
- Menor necesidad de utilizar prompts extensos.
Desventajas:
- Requiere datos etiquetados.
- El entrenamiento puede resultar costoso.
- Requiere tiempo para entrenar y evaluar el modelo.
Métodos de Fine-Tuning en OCI
OCI Generative AI utiliza distintos métodos de Fine-Tuning según el modelo fundacional seleccionado. Actualmente, Oracle emplea técnicas como LoRA y T-Few para adaptar modelos preentrenados y crear modelos personalizados utilizando datos propios.
¿Cuándo usar cada técnica?
| Técnica | ¿Cuándo usarla? |
|---|---|
| Prompt Engineering | Cuando solo es necesario mejorar las instrucciones dadas al modelo. |
| RAG | Cuando se requiere información actualizada o documentos privados sin necesidad de reentrenar el modelo. |
| Fine-Tuning | Cuando es necesario adaptar el modelo a un dominio o comportamiento específico. |
En la práctica, estas técnicas no son excluyentes y pueden combinarse. Por ejemplo, es posible diseñar un buen prompt, utilizar RAG para proporcionar información actualizada o datos propios de la organización y, cuando se requiere una mayor especialización, aplicar Fine-Tuning para adaptar el modelo a un dominio específico.
Introducción a los servicios de OCI AI
Una vez comprendidos los conceptos fundamentales, conoceremos los principales servicios de OCI AI y algunos de sus casos de uso. Cada uno está diseñado para resolver necesidades específicas, como el procesamiento de lenguaje natural, el análisis de imágenes, el reconocimiento de voz, la comprensión de documentos y la Inteligencia Artificial Generativa.
OCI Language
OCI Language es un servicio de Inteligencia Artificial que permite analizar grandes volúmenes de texto utilizando modelos preentrenados o personalizados para procesar información no estructurada y extraer información relevante.
Entre sus principales capacidades se encuentran:
- Detección de idioma.
- Análisis de sentimiento.
- Extracción de frases clave.
- Reconocimiento de entidades.
- Detección de información personal identificable (PII).
- Traducción automática.
Además, permite entrenar modelos personalizados para tareas como la clasificación de texto y el reconocimiento de entidades, utilizando datos específicos de un dominio o área de conocimiento.
OCI Vision
OCI Vision es un servicio de Inteligencia Artificial que permite analizar imágenes mediante modelos preentrenados o personalizados.
Entre sus principales capacidades se encuentran:
- Detección de objetos.
- Clasificación de imágenes.
- OCR (Reconocimiento Óptico de Caracteres).
- Detección de rostros.
Además, permite entrenar modelos personalizados para tareas de clasificación de imágenes y detección de objetos, utilizando datos específicos de cada organización.
OCI Speech
OCI Speech es un servicio de Inteligencia Artificial que utiliza tecnología de reconocimiento automático de voz (ASR) para convertir archivos de audio con voz humana en texto.
Entre sus principales capacidades se encuentran:
- Transcripción automática de audio a texto.
- Transcripción en tiempo real.
- Exportación de los resultados en formatos JSON y SRT.
- Modelos preentrenados.
- Personalización mediante modelos de lenguaje.
OCI Document Understanding
OCI Document Understanding es un servicio de Inteligencia Artificial que permite extraer texto e información estructurada a partir de documentos digitales mediante técnicas de OCR e Inteligencia Artificial.
Entre sus principales capacidades se encuentran:
- Extracción de texto a nivel de palabras y líneas.
- OCR (Reconocimiento Óptico de Caracteres).
- Detección de coordenadas (bounding boxes).
- Extracción automática de pares clave-valor en documentos como facturas, recibos, pasaportes y licencias de conducir.
- Extracción de tablas conservando la estructura de filas y columnas.
- Clasificación automática de documentos.
Además, ofrece modelos preentrenados para documentos de uso común y permite entrenar modelos personalizados para adaptarse a documentos específicos de cada organización.
¿Cómo acceder a estos servicios?
OCI ofrece diferentes formas de acceder a sus servicios de Inteligencia Artificial y Machine Learning, adaptándose a las necesidades de distintos tipos de usuarios y aplicaciones.
Los principales métodos de acceso son:
- Consola de OCI: interfaz web que permite administrar los servicios de IA y acceder a herramientas como las sesiones de Notebook de OCI Data Science basadas en JupyterLab.
- API REST: permite integrar los servicios directamente en aplicaciones mediante solicitudes HTTP.
- SDK de OCI: Oracle proporciona SDK oficiales para lenguajes como Java, Python, .NET, Go, Ruby, TypeScript y JavaScript, entre otros.
- OCI CLI: interfaz de línea de comandos que facilita la administración y automatización de los servicios sin necesidad de utilizar la consola web.
Hasta ahora hemos revisado servicios preentrenados que permiten incorporar capacidades de Inteligencia Artificial mediante APIs. Sin embargo, OCI también ofrece una plataforma completa para desarrollar, entrenar, desplegar y administrar modelos de Machine Learning: OCI Data Science.
Servicios de Machine Learning
¿Qué es Oracle Cloud Infrastructure Data Science?
OCI Data Science es un servicio en la nube que permite construir, entrenar, desplegar y administrar modelos de Machine Learning de forma rápida, utilizando Python, herramientas de código abierto y una infraestructura completamente administrada por Oracle.
Está diseñado para científicos de datos y equipos de desarrollo que trabajan durante todo el ciclo de vida de un modelo, desde la preparación de los datos hasta el entrenamiento, despliegue y monitoreo.
Principios de OCI Data Science
OCI Data Science se basa en tres principios fundamentales:
Accelerated (Acelerado)
Su objetivo es aumentar la productividad de los científicos de datos, facilitando el desarrollo y entrenamiento de modelos de Machine Learning.
Collaborative (Colaborativo)
Facilita el trabajo en equipo, permitiendo que varios usuarios colaboren en proyectos y compartan recursos de forma organizada.
Enterprise Grade (Nivel empresarial)
Integra OCI Data Science con la infraestructura y los servicios empresariales de Oracle Cloud Infrastructure, proporcionando un entorno seguro, escalable y administrado.
Los científicos de datos trabajan desde un entorno JupyterLab Notebook, donde desarrollan y entrenan modelos utilizando Python y herramientas de código abierto.
Una vez entrenados, los modelos pueden almacenarse en el Model Catalog y posteriormente desplegarse como servicios para que otras aplicaciones puedan consumirlos mediante API.
Conclusión
Oracle Cloud Infrastructure ofrece un amplio portafolio de servicios de Inteligencia Artificial que abarca desde soluciones preentrenadas para analizar texto, imágenes, audio y documentos hasta plataformas completas para desarrollar, entrenar, desplegar y administrar modelos de Machine Learning.
Comprender las capacidades y diferencias de estos servicios permite seleccionar la herramienta más adecuada para cada necesidad y aprovechar al máximo las tecnologías de Inteligencia Artificial disponibles en la nube.
Esperamos que este artículo te haya proporcionado una visión general de los principales conceptos de la Inteligencia Artificial y del ecosistema de OCI AI. A partir de esta base, podrás profundizar en cada uno de sus servicios y comenzar a desarrollar soluciones que aprovechen las capacidades de Inteligencia Artificial disponibles en Oracle Cloud Infrastructure.
Agradecimientos
A Wilfredo Rojas por la revisión técnica, las sugerencias y los valiosos comentarios realizados durante la elaboración de este artículo. Sus aportes contribuyeron a mejorar la calidad y precisión del contenido.
Links de la documentación de OCI que pueden resultar útiles
- Documentación general de OCI Generative AI
https://docs.oracle.com/en-us/iaas/Content/generative-ai/home.htm - Introducción a OCI Generative AI
https://docs.oracle.com/en-us/iaas/Content/generative-ai/overview.htm - Fine-Tuning en OCI Generative AI
https://docs.oracle.com/en-us/iaas/Content/generative-ai/fine-tune-models.htm
