Grandes Modelos de Lenguaje, Conceptos, técnicas y aplicaciones

¡Prepárese para sumergirse en el mundo fascinante y vanguardista de la inteligencia artificial! En este
libro descubrirá el nexo en común que impulsa algunas de las aplicaciones recientes más revolucionarias
de la inteligencia artificial (IA): desde sistemas conversacionales corno ChatGPT o BARD. hasta la
traducción automática, generación de resúmenes, respuesta a preguntas y mucho más.
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 maquinas comprendan y
generen lenguaje humano de manera eficiente.
Los secretos detrás de estos avances residen en grandes modelos de lenguaje (LUM), cuyo poder radica
en su capacidad de capturar patrones complejos y aprender representaciones contextuales del lenguaje.
Imagine como estos modelos pueden poner atención en los detalles másrelevantes un texto, aprendiendo
automáticamente relaciones para brindar respuestas y resultados más precisos.
¿Como funcionan estos LLM? ¿Cuáles son los modelos disponibles y cómo se evalúan?
Este libro le ayudará a responder estas y muchas otras preguntas. Con una introducción técnica pero
accesible.
• Explorará el fascinante mundo de los LLM, desde sus fundamentos hasta las aplicaciones más
poderosas.
• Aprenderá a construir sus propias aplicaciones simples con algunos de los LLM.
Grandes modelos de lenguaje está diseñado para guiarle paso a paso en este emocionante viaje. Con 6
capítulos que combinan teoría y práctica, junto con ejercicios en Python en la plataforma Colab, dominará
los secretos de los LLM y su aplicación en el procesamiento del lenguaje natural.
Desde las redes neuronales profundas y los mecanismos de atención, hasta los LLM más relevantes tales
como BERT, GPT-4, LLaMA, Palm-2 y Falcon, será testigo de los logros más importantes en NLP. No solo
conocerá los benchmarks utilizados para evaluar las capacidades de estos modelos, sino que también
adquirirá la habilidad para crear sus propias aplicaciones de NLP.
No espere más para iniciar esta lectura. Gracias a ella entenderá los paradigmas, los métodos
computacionales y los modelos para desarrollar aplicaciones que procesarán o generarán lenguaje natural
para diferentes propósitos y nichos de aplicación.

Tabla de contenido
índice de figuras XIX
índice de tablas XXII
CAPITULO 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
CAPITULO 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 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
2.11.5. Capa lineal y SoftMax 93
2.11.6. Entrenamiento. 94
2.11.7. Inferencia. 96
2.11.8. Función de perdida. 98
2.12. Conclusiones
CAPITULO 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
3.2.3. Modelos preentrenados basados en BERT. 118
3.3.1. GPT. 119
3.3.2. El modelo GPT y GPT-2. 121
3.3.3. El modelo GPT-3. 131

3.3.4. Reinforcement Learning from Human Feedback. 135
3.4. PaLM. 140
3.4.1. Vocabulario. 143
3.42. 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 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