Meta no quiere ceder terreno a Google y Microsoft en la carrera por crear la mejor inteligencia artificial. Para mostrar que su compromiso va en serio, la empresa de Mark Zuckerberg presentó ImageBind, un modelo de IA que busca aprender del mismo modo que los seres humanos. Para ello, los ingenieros de Meta adoptaron un esquema multisensorial que involucra imágenes, texto, video y audio, así como también datos de profundidad, térmicos y de inercia.
ImageBind es parte de la iniciativa de Meta de crear sistemas multimodales que puedan aprender de diversos tipos de datos. El modelo de IA no solo comprende un elemento, sino que es capaz de enlazarlo con otras características. Por ejemplo, será capaz de determinar el sonido, forma, temperatura y el modo como se mueven los objetos de una fotografía.
La empresa asegura que ImageBind supera a otros modelos entrenados para una modalidad en particular. A diferencia de las IA generativas como ChatGPT o Midjourney, la alternativa de Meta vincula seis tipos de datos en un índice multidimensional. Los investigadores podrían usar cualquiera de estos como método de entrada, o realizar una referencia cruzada de ellos, reseñó Hipertextual.
Una de las características de ImageBind es que utiliza un concepto de aprendizaje similar al de las personas. «Cuando los humanos absorben información del mundo, usamos múltiples sentidos de manera innata», dijo Meta. La empresa dice que los seres humanos somos capaces de generar experiencias sensoriales al visualizar una imagen. Por ejemplo, al ver la foto de un Ferrari podrías pensar en el sonido del motor o la velocidad a la que viaja.
La investigación arrojó que el modelo de Meta puede mejorar usando pocos ejemplos de entrenamiento. Aunque los primeros resultados son prometedores, todavía falta un tiempo para que veamos aplicaciones al estilo ChatGPT usando ImageBind. No obstante, eso no ha impedido que la empresa hable sobre las posibilidades que tendrían las personas al usarla.
