- Inicio
- Glosario de IA
- Los modelos por dentro
- Modelo de pesos abiertos
Qué es un modelo de pesos abiertos
También se dice open weights, open-weight model, modelo open weights o modelo abierto.
En dos frases
Modelo de IA cuyos pesos, los valores que aprendió en el entrenamiento, se publican para que se pueda descargar, ejecutar en infraestructura propia y adaptar, según su licencia. No equivale siempre a código abierto.
- Bloque
- Los modelos por dentro
- Nivel
- Decisión de dirección
- Actualizado
Definición amplia
Los pesos son los valores numéricos que un modelo aprende durante el entrenamiento y que determinan cómo responde. En un modelo de pesos abiertos, el fabricante los publica para que se puedan descargar y ejecutar en servidores propios o de un proveedor elegido, y también ajustar con datos propios. En un modelo cerrado, en cambio, solo se accede a él a través del servicio o la API de su fabricante. Un informe de julio de 2024 de la NTIA, la agencia de telecomunicaciones del Gobierno de Estados Unidos, cita a Meta, Google y Mistral entre los desarrolladores que han publicado modelos de esta forma.
Pesos abiertos no es lo mismo que código abierto
La Open Source Initiative (OSI) distingue los dos conceptos. Denomina pesos abiertos a los pesos y sesgos finales de una red neuronal entrenada, y su definición de IA de código abierto (versión 1.0) exige además información suficientemente detallada sobre los datos de entrenamiento y el código completo para entrenar y ejecutar el sistema. Según la OSI, unos pesos solo son de código abierto si van acompañados de esa información y de ese código. De ahí que muchos modelos se presenten como de pesos abiertos y no como de código abierto. La licencia también cambia de uno a otro: algunos se publican con licencias permisivas, como Apache 2.0, y otros con licencias propias del fabricante; la licencia comunitaria de Llama 3.1, de Meta (julio de 2024), obliga por ejemplo a respetar una política de uso aceptable.
Qué supone para la empresa
- Control de los datos: se puede ejecutar el modelo sin enviar la información a terceros, una ventaja de privacidad que destaca la NTIA.
- Copia propia: el modelo descargado sigue disponible aunque su fabricante retire o cambie su servicio; lo que se puede hacer con él lo fija la licencia.
- Personalización: se puede ajustar con fine-tuning o con técnicas como LoRA.
- Infraestructura y equipo: si se ejecuta en servidores propios, hay que poner y mantener el hardware, normalmente GPU, la seguridad y las actualizaciones, y ese coste se compara con lo que se pagaría por uso a un proveedor.
- Revisión de la licencia: antes de usarlo en un producto o servicio conviene leer las condiciones de uso comercial.
Ejemplos de uso
Dirección y estrategia
En dirección, se valora frente a los servicios cerrados al decidir cuánto control y cuánta dependencia de un proveedor se acepta.
Administración y finanzas
En finanzas, entra en el cálculo del coste total, que compara el gasto por uso de un servicio con la inversión en servidores y personal técnico.
Recursos humanos y talento
En recursos humanos, se considera cuando los datos de la plantilla no deben salir de los sistemas de la empresa.
Atención al cliente
En atención al cliente, permite montar un asistente ajustado al tono y los procesos propios y ejecutado en infraestructura propia.
Datos y analítica
En analítica, se usa para procesar grandes volúmenes de documentos internos en servidores propios, sin pagar por cada token a un proveedor externo.
Términos relacionados
Fuentes
Del término a aplicarlo en tu empresa.
Lo que explica este glosario se trabaja en los programas de Kynetik, área por área.