En pleno boom de la inteligencia artificial generativa, con la irrupción de modelos como ChatGPT, todo parecía posible. Tareas que históricamente siempre requerían desarrollar modelos de lenguaje específicos para dominios concretos, parecían resolverse con escribir un buen prompt. Redactar textos perfectamente adecuados para distintos ámbitos e idiomas, resolver preguntas complejas e incluso programar, parecían tareas triviales para estos nuevos sistemas. Con el tiempo, esa euforia inicial dio paso a un entendimiento más realista. Cada vez comprendemos mejor la complejidad de la tecnología, lo que nos permite a su vez ver con mayor claridad sus límites. Sistemas de RAG y embeddings Un buen ejemplo de los desafíos actuales en las soluciones de inteligencia artificial, son los sistemas RAG (Retrieval-Augmented Generation), una técnica que combina la recuperación de información con la generación de texto natural. En un escenario ideal, los sistemas RAG permiten responder con precisión a preguntas basándose en información externa al modelo de lenguaje. Sin embargo, en la práctica, nos encontramos con diversos obstáculos: Recuperaciones poco precisas. Dificultades para escalar la técnica a problemas más amplios o contextos que no se ajustan a las necesidades del modelo. El ritmo de mejora de estas herramientas comienza a ralentizarse. Esto se debe, … Sigue leyendo Mejora y evaluación de un modelo de embeddings en español