La AWS AI League ha dado un salto significativo al extender su alcance a la región de la ASEAN, integrando a estudiantes de diversas naciones como Singapur, Indonesia, Malasia, Tailandia, Vietnam y Filipinas en el dinámico mundo de la inteligencia artificial generativa. Este innovador campeonato, impulsado por Amazon Web Services (AWS), ha permitido a los participantes sumergirse en un desafío práctico que se centra en la adaptación de modelos de lenguaje de gran tamaño (LLMs).
Los estudiantes comenzaron su travesía con una sesión de tutoriales encabezada por el equipo de AWS y la comunidad de aprendizaje de inteligencia artificial generativa Gen-C, que les proporcionó herramientas avanzadas como Amazon SageMaker JumpStart y PartyRock. Estas herramientas facilitaron la adaptación de modelos y la generación de datos sintéticos, permitiendo a los competidores operar en un entorno de nube y gestionar el conjunto de datos necesario para la adaptación de un modelo Llama 3.2 3B Instruct.
El objetivo del campeonato fue desafiar a los estudiantes a superar un modelo de referencia de LLM de mayor tamaño mediante una evaluación basada en cuestionarios. Esto requirió que los participantes dominaran tres áreas clave de la inteligencia artificial generativa: los modelos de base, la inteligencia artificial responsable y la ingeniería de prompts. Aquellos que destacaron en la fase preliminar, avanzaron a la Gran Final Regional en Singapur.
Entre ellos, Blix D. Foryasen emergió como campeón tras una ardua competencia. Foryasen compartió que su victoria no solo fue el resultado de habilidades técnicas, sino también de su capacidad para colaborar y adaptarse a las distintas fases del reto. Aunque comenzó con desventaja, logró construir un conjunto de datos robusto y ajustar los hiperparámetros con precisión, ayudado por trabajos académicos y enfoques ya existentes en la adaptación de modelos de lenguaje.
La experiencia de Foryasen destacó particularmente en la generación de datos sintéticos con PartyRock, donde su enfoque se centró en asegurar la calidad y diversidad de los datos. A medida que incrementaba el tamaño de su conjunto de datos, ajustó los hiperparámetros para mantener un alto rendimiento, priorizando siempre la calidad sobre la cantidad.
El trabajo colaborativo resultó ser esencial, ya que Foryasen incorporó técnicas de ajuste avanzado como el uso de LoRA (adaptación de bajo rango), lo que le permitió optimizar significativamente su modelo. Este proceso no solo lo llevó a la final, sino que también le brindó lecciones invaluables en trabajo en equipo y adaptación en un entorno tecnológico en constante evolución.
La Gran Final fue más que una recompensa personal; se convirtió en un foro donde los campeones nacionales compartieron conocimientos y estrategias, destacando la importancia de la comunidad en el aprendizaje y la innovación. La experiencia en el evento subrayó el papel crucial de la colaboración en el avance de la tecnología, fomentando una red de aprendizaje que trasciende fronteras nacionales.
