\n<\/p>\n
ZenML quiere ser el pegamento que haga que todas las herramientas de inteligencia artificial de c\u00f3digo abierto se mantengan juntas. Este marco de c\u00f3digo abierto le permite crear canales que ser\u00e1n utilizados por cient\u00edficos de datos, ingenieros de aprendizaje autom\u00e1tico e ingenieros de plataformas para colaborar y crear nuevos modelos de IA.<\/p>\n
La raz\u00f3n por la que ZenML es interesante es que permite a las empresas construir sus propios modelos privados. Por supuesto, es probable que las empresas no creen un competidor de GPT 4. Pero podr\u00edan construir modelos m\u00e1s peque\u00f1os que funcionen particularmente bien para sus necesidades. Y reducir\u00eda su dependencia de los proveedores de API, como OpenAI y Anthropic.<\/p>\n
\u201cLa idea es que, una vez que termine la primera ola de publicidad con todos usando OpenAI o API de c\u00f3digo cerrado, [ZenML] permitir\u00e1 a las personas construir su propia pila\u201d, me dijo Louis Coppey, socio de la firma de capital riesgo Point Nine.<\/p>\n
A principios de este a\u00f1o, ZenML plante\u00f3 una extensi\u00f3n de su ronda inicial de Point Nine con la participaci\u00f3n del inversor existente Crane. En total, la startup con sede en Munich, Alemania, ha obtenido 6,4 millones de d\u00f3lares desde su creaci\u00f3n.<\/p>\n
Adam Probst y Hamza Tahir, los fundadores de ZenML, trabajaron juntos anteriormente en una empresa que estaba construyendo canales de ML para otras empresas de una industria espec\u00edfica. \u00abD\u00eda tras d\u00eda, necesit\u00e1bamos crear modelos de aprendizaje autom\u00e1tico y poner el aprendizaje autom\u00e1tico en producci\u00f3n\u00bb, me dijo el director ejecutivo de ZenML, Adam Probst.<\/p>\n
A partir de este trabajo, el d\u00fao comenz\u00f3 a dise\u00f1ar un sistema modular que se adaptar\u00eda a diferentes circunstancias, entornos y clientes para que no tuvieran que repetir el mismo trabajo una y otra vez; esto llev\u00f3 a ZenML.<\/p>\n
Al mismo tiempo, los ingenieros que se inician en el aprendizaje autom\u00e1tico podr\u00edan obtener una ventaja utilizando este sistema modular. El equipo de ZenML llama a este espacio MLOps; es un poco como DevOps, pero aplicado al ML en particular.<\/p>\n
\u201cEstamos conectando las herramientas de c\u00f3digo abierto que se centran en pasos espec\u00edficos de la cadena de valor para construir un canal de aprendizaje autom\u00e1tico (todo lo que est\u00e1 detr\u00e1s de los hiperescaladores, es decir, todo lo que est\u00e1 detr\u00e1s de AWS y Google) y tambi\u00e9n las soluciones locales. \u201d, dijo Probst.<\/p>\n
El concepto principal de ZenML son las canalizaciones. Cuando escribe una canalizaci\u00f3n, puede ejecutarla localmente o implementarla utilizando herramientas de c\u00f3digo abierto como Airflow o Kubeflow. Tambi\u00e9n puede aprovechar los servicios administrados en la nube, como EC2, Vertex Pipelines y Sagemaker. ZenML tambi\u00e9n se integra con herramientas de aprendizaje autom\u00e1tico de c\u00f3digo abierto de Hugging Face, MLflow, TensorFlow, PyTorch, etc.<\/p>\n
\u00abZenML es una especie de cosa que re\u00fane todo en una \u00fanica experiencia unificada: es de m\u00faltiples proveedores, de m\u00faltiples nubes\u00bb, dijo el CTO de ZenML, Hamza Tahir. Aporta conectores, observabilidad y auditabilidad a los flujos de trabajo de ML.<\/p>\n
La compa\u00f1\u00eda lanz\u00f3 por primera vez su marco en GitHub como una herramienta de c\u00f3digo abierto. El equipo ha acumulado m\u00e1s de 3000 estrellas en la plataforma de codificaci\u00f3n. ZenML tambi\u00e9n comenz\u00f3 recientemente a ofrecer una versi\u00f3n en la nube con servidores administrados; pronto llegar\u00e1n activadores para integraciones e implementaci\u00f3n continuas (CI\/CD).<\/p>\n
Algunas empresas han estado utilizando ZenML para casos de uso industrial, sistemas de recomendaci\u00f3n de comercio electr\u00f3nico, reconocimiento de im\u00e1genes en un entorno m\u00e9dico, etc. Entre sus clientes se incluyen Rivian, Playtika y Leroy Merlin.<\/p>\n
El \u00e9xito de ZenML depender\u00e1 de c\u00f3mo evolucione el ecosistema de IA. En este momento, muchas empresas est\u00e1n agregando funciones de IA aqu\u00ed y all\u00e1 consultando la API de OpenAI. En este producto, ahora tiene un nuevo bot\u00f3n m\u00e1gico que puede resumir grandes fragmentos de texto. En ese producto, ahora tiene respuestas escritas previamente para las interacciones de atenci\u00f3n al cliente.<\/p>\n
\n\t\t\t\u201cOpenAI tendr\u00e1 futuro, pero creemos que la mayor parte del mercado tendr\u00e1 que tener su propia soluci\u00f3n\u201d\t\t\t\t\t\t\tAdam Probst<\/cite>\n\t\t\t\t\t<\/p><\/blockquote><\/div>\n
Pero hay un par de problemas con estas API: son demasiado sofisticadas y caras. \u201cOpenAI, o estos grandes modelos de lenguaje creados a puerta cerrada, est\u00e1n dise\u00f1ados para casos de uso generales, no para casos de uso espec\u00edficos. Por lo tanto, actualmente est\u00e1 demasiado capacitado y es demasiado costoso para casos de uso espec\u00edficos\u201d, afirm\u00f3 Probst.<\/p>\n
\u201cOpenAI tendr\u00e1 futuro, pero creemos que la mayor\u00eda del mercado tendr\u00e1 que tener su propia soluci\u00f3n. Y es por eso que el c\u00f3digo abierto les resulta tan atractivo\u201d, a\u00f1adi\u00f3.<\/p>\n
El director ejecutivo de OpenAI, Sam Altman, tambi\u00e9n cree que los modelos de IA no ser\u00e1n una situaci\u00f3n \u00fanica para todos. \u201cCreo que ambos tienen un papel importante. Estamos interesados \u200b\u200ben ambos y el futuro ser\u00e1 un h\u00edbrido de ambos\u201d, dijo Altman al responder una pregunta sobre modelos peque\u00f1os y especializados versus modelos amplios durante una sesi\u00f3n de preguntas y respuestas en la Estaci\u00f3n F a principios de este a\u00f1o.<\/p>\n
Tambi\u00e9n existen implicaciones \u00e9ticas y legales con el uso de la IA. La regulaci\u00f3n todav\u00eda est\u00e1 evolucionando mucho en tiempo real, pero la legislaci\u00f3n europea en particular podr\u00eda alentar a las empresas a utilizar modelos de IA entrenados en conjuntos de datos muy espec\u00edficos y de maneras muy espec\u00edficas.<\/p>\n
\u00abGartner dice que el 75% de las empresas est\u00e1n pasando de [proofs of concept] a producci\u00f3n en 2024. As\u00ed que los pr\u00f3ximos dos a\u00f1os ser\u00e1n probablemente algunos de los momentos m\u00e1s trascendentales en la historia de la IA, en los que finalmente entraremos en producci\u00f3n utilizando probablemente una combinaci\u00f3n de modelos fundamentales de c\u00f3digo abierto ajustados a partir de datos patentados\u201d, Tahir me dijo.<\/p>\n
\u00abEl valor de MLOps es que creemos que el 99% de los casos de uso de IA ser\u00e1n impulsados \u200b\u200bpor modelos m\u00e1s especializados, m\u00e1s baratos y m\u00e1s peque\u00f1os que se entrenar\u00e1n internamente\u00bb, a\u00f1adi\u00f3 m\u00e1s adelante en la conversaci\u00f3n.<\/p>\n