¿Qué es Muse Spark? La nueva IA de Meta que busca convertirse en tu asistente total

Meta ⁠Platforms presentó Muse Spark, su nuevo modelo ⁠de inteligencia artificial desarrollado por Meta Superintelligence Labs. Muse Spark y el cual afirmaron es un modelo de razonamiento multimodal nativo que admite el uso de herramientas, la visualización de la cadena de pensamiento y la orquestación de múltiples agentes.

De acuerdo con Meta, Muse Spark es el primer paso en su estrategia de escalabilidad y el primer producto de una renovación integral de sus esfuerzos en IA.

“Estamos realizando inversiones estratégicas en toda la plataforma, desde la investigación y el entrenamiento de modelos hasta la infraestructura, incluido el centro de datos Hyperion”, explicó.

Capacidades de superinteligencia personal

La compañía dirigida por Mark Zuckerberg indicó que Muse Spark ofrece un rendimiento competitivo en tareas de percepción multimodal, razonamiento, salud y agentes. Asimismo lanzó el modo Contemplación, que coordina a varios agentes que razonan en paralelo. Esto permite que Muse Spark compita con los modos de razonamiento avanzados de modelos de vanguardia como Gemini Deep Think y GPT Pro.

Aplicaciones

Muse Spark, detalló Meta, cuenta con capacidades de razonamiento avanzadas que permiten casos de uso potentes y altamente personalizados.

Multimodal. Ofrece un rendimiento excelente en preguntas visuales de ciencia, tecnología, ingeniería y matemáticas (STEM), reconocimiento de entidades y localización.

Salud. Para optimizar las capacidades de razonamiento de Muse Spark en materia de salud, Meta colaboró con más de 1,000 médicos para recopilar datos de entrenamiento que permiten respuestas más precisas y completas, de esta manera Muse Spark genera pantallas interactivas que desglosan y explican información sobre salud.

Ejes de escala

Meta explicó que para desarrollar una superinteligencia personal estudiaron y monitorizaron las propiedades de escalado en tres ejes: preentrenamiento, aprendizaje por refuerzo y razonamiento en tiempo de prueba.

Preentrenamiento . La fase de preentrenamiento es donde Muse Spark adquiere sus capacidades básicas de comprensión multimodal, razonamiento y codificación, la base sobre la que se construyen el aprendizaje por refuerzo y el cálculo en tiempo de prueba.

Aprendizaje por refuerzo. Tras el preentrenamiento, el aprendizaje por refuerzo (RL) aprovecha la capacidad de cómputo para ampliar de forma escalable las capacidades del modelo. Si bien el RL a gran escala es conocido por su inestabilidad, la plataforma asegura ofrecer mejoras fluidas y predecibles.

Razonamiento en tiempo de prueba. Para lograrlo, Meta se basó en dos mecanismos clave: penalizaciones por tiempo de pensamiento para optimizar el uso de tokens y la orquestación multiagente que mejora el rendimiento sin ralentizar los tiempos de respuesta.

Seguridad

En este tenor, Meta indicó que Muse Spark posee amplias capacidades de razonamiento en dominios científicos de doble uso, por lo que realizamos exhaustivas evaluaciones de seguridad antes de su implementación.

“Nuestro proceso sigue el Marco de Escalado de IA Avanzada actualizado, que define modelos de amenazas, protocolos de evaluación y umbrales de implementación para nuestros modelos más avanzados”.

Meta afirmó que Muse Spark demuestra un comportamiento de rechazo sólido en dominios de alto riesgo, como armas biológicas y químicas, gracias al filtrado de datos previo al entrenamiento, el entrenamiento posterior centrado en la seguridad y las medidas de seguridad a nivel de sistema. En los dominios de Ciberseguridad y Pérdida de Control, Muse Spark no presenta la capacidad autónoma ni las tendencias peligrosas necesarias para materializar escenarios de amenaza.