Una empresa legal de inteligencia artificial construyó su propio modelo y partió de uno chino abierto
Harvey lanzó Harvey II con una función de Memoria que aprende el estilo de redacción de cada abogado, además de Tenet, su primer modelo legal interno, entrenado posteriormente a partir de una versión del Kimi K3 de peso abierto de Moonshot.
Harvey, la empresa legal de inteligencia artificial que ha pasado tres años vendiendo acceso a modelos de otras personas, anunció el martes que ahora tiene uno propio. Harvey Tenet es el primer modelo propietario de la compañía capacitado específicamente para trabajo legal, con capacitación posterior en disputas simuladas y archivos de casos a partir de una versión de Kimi K3 de Moonshot AI. Harvey dice que Tenet alcanza un nivel fronterizo en importantes puntos de referencia legales, funcionando a la par de los modelos generales más sólidos a lo que describe como un costo de código abierto.
Tenet llegó junto con Harvey II, una amplia actualización de la plataforma. La pieza central es Memory, que aprende el estilo de redacción y las preferencias de un abogado individual y los transmite a través de Harvey, Word, Outlook y los agentes de la compañía. También hay Espacios, áreas de colaboración organizadas en torno a un asunto o proyecto, y agentes que empiezan a trabajar con los archivos, el contexto, los permisos y el historial de ese asunto ya cargados en lugar de tener que contárselo todo desde cero.
La elección del modelo es lo interesante. Kimi K3 es un modelo de peso abierto del laboratorio chino Moonshot AI, lo que significa que los parámetros entrenados se publican para que cualquiera pueda descargarlos y modificarlos. La posformación, en términos sencillos, es lo que se hace una vez terminada la parte costosa: se toma un modelo que ya sabe cómo funciona el lenguaje y se le enseñan los hábitos de un dominio específico. Harvey no gastó una fortuna en construir un modelo a partir de la nada. Se necesitó una base abierta y fuerte y se convirtió en abogado. Ésa es una ruta que los laboratorios más grandes no pueden ofrecer, porque no entregan sus pesos, y ahora es el manual estándar para cualquier empresa con datos de dominio profundos y sin apetito por una carrera de capacitación de mil millones de dólares.
Dos cosas para mantenerse firme. “A nivel de frontera en puntos de referencia legales destacados” es la propia afirmación de Harvey sobre el propio marco de Harvey, sin una evaluación independiente, y los puntos de referencia legales son un campo escaso y controvertido. Y las funciones de memoria son realmente útiles pero también genuinamente pegajosas: un sistema que ha aprendido a escribir es un sistema que le resultará más difícil abandonar. Eso no es un escándalo, es el modelo de negocio, y vale la pena nombrarlo.
Qué significa esto para ti: si trabajas cerca de la ley, espera que tus herramientas dejen de ser chatbots genéricos con apariencia legal. La dirección son sistemas que ya conocen el tema en el que estás y tu forma de escribir. En términos más generales, este es un buen ejemplo de por qué los modelos de peso abierto son importantes incluso si nunca descarga uno. Permiten a las empresas más pequeñas crear productos especializados serios, lo que significa más competencia y precios más bajos para todos los sectores de abajo. Si dirige un negocio con muchos documentos de dominios específicos, la ruta Harvey ahora está técnicamente a su alcance por mucho menos dinero que hace un año. Que valga la pena depende enteramente de qué parte de tu trabajo sea realmente diferente al de los demás.
Fuentes
Microsoft ha gastado 280 mil millones de dólares en IA. The Guardian preguntó dónde están las fichas.
Según se informa, los documentos internos sitúan a Microsoft en 2,2 millones de chips de IA instalados, muy por debajo de lo que implica la capacidad declarada de 5 GW del centro de datos. Microsoft considera que el análisis es inexacto. Nadella culpa al poder.
