Editor Top
Por ejemplo, TaylorMade Golf Company recurrió a Microsoft Syntex fo un completo sistema de gestión de documentos para organizar y proteger correos electrónicos, archivos adjuntos y otros documentos para propiedad intelectual y presentación de patentes. En ese momento, los abogados de la empresa administraban manualmente este contenido, dedicando horas a archivar y mover documentos para compartirlos y procesarlos más tarde.
Con Microsoft Syntex, estos documentos se clasifican, etiquetan y filtran automáticamente de una manera que es más segura y facilita encontrarlos a través de la búsqueda en lugar de tener que buscar en un sistema tradicional de archivos y carpetas. TaylorMade también está explorando formas de usar Microsoft Syntex para procesar automáticamente pedidos, recibos y otros documentos transaccionales para los equipos de cuentas por pagar y finanzas.
Otros clientes están utilizando Microsoft Syntex para la gestión y el montaje de contratos, señaló Teper. Si bien cada contrato puede tener elementos únicos, se construyen con cláusulas comunes sobre términos financieros, control de cambios, cronograma, etc. En lugar de escribir esas cláusulas comunes desde cero cada vez, las personas pueden usar Syntex para ensamblarlas a partir de varios documentos y luego introducir cambios.
“Necesitan IA y aprendizaje automático para detectar, ‘Oye, este párrafo es muy diferente de nuestros términos estándar. Esto podría necesitar un poco de supervisión adicional’”, dijo.
“Si está tratando de leer un contrato de 100 páginas y buscar lo que ha cambiado significativamente, eso es mucho trabajo en comparación con la IA que ayuda con eso”, agregó. “Y luego está el flujo de trabajo en torno a esos contratos: ¿Quién los aprueba? ¿Dónde se almacenan? ¿Cómo los encuentras más adelante? Hay una gran parte de esto que son metadatos”.
Cuando DALL∙E 2 se vuelve personal
La disponibilidad de DALL∙E 2 en Azure OpenAI Service ha provocado una serie de exploraciones en RTL Deutschland, la empresa privada de medios cruzados más grande de Alemania, sobre cómo generar imágenes personalizadas basadas en los intereses de los clientes. Por ejemplo, en el centro de competencia de inteligencia artificial, investigación y datos de RTL, los científicos de datos están probando varias estrategias para mejorar la experiencia del usuario mediante imágenes generativas.
El servicio de transmisión RTL+ de RTL Deutschland se está expandiendo para ofrecer acceso a pedido a millones de videos, álbumes de música, podcasts, audiolibros y revistas electrónicas. La plataforma depende en gran medida de las imágenes para captar la atención de las personas, dijo Marc Egger, vicepresidente senior de productos y tecnología de datos del equipo de datos de RTL.
“Incluso si tiene la recomendación perfecta, aún no sabe si el usuario hará clic en ella porque el usuario está usando señales visuales para decidir si está interesado en consumir algo. Así que el arte es realmente importante, y tienes que tener el arte adecuado para la persona adecuada”, dijo.
Imagina una película de comedia romántica sobre un jugador de fútbol profesional que es transferido a París y se enamora de un periodista deportivo francés. Un aficionado a los deportes podría estar más inclinado a ver la película si hay una imagen de un partido de fútbol. Alguien que ame las novelas románticas o los viajes podría estar más interesado en una imagen de la pareja besándose bajo la Torre Eiffel.
La combinación del poder de DALL∙E 2 y los metadatos sobre el tipo de contenido con el que ha interactuado un usuario en el pasado ofrece el potencial de ofrecer imágenes personalizadas en una escala antes inconcebible, dijo Egger.
“Si tiene millones de usuarios y millones de activos, tiene el problema de que simplemente no puede escalarlo: la fuerza laboral no existe”, dijo. “Nunca tendrías suficientes diseñadores gráficos para crear todas las imágenes personalizadas que deseas. Por lo tanto, esta es una tecnología que permite hacer cosas que de otro modo no podría hacer”.
El equipo de Egger también está considerando cómo usar DALL∙E 2 en Azure OpenAI Service para crear imágenes para contenido que actualmente carece de imágenes, como episodios de podcasts y escenas en audiolibros. Por ejemplo, los metadatos de un episodio de podcast podrían usarse para generar una imagen única que lo acompañe, en lugar de repetir la misma imagen de podcast genérica una y otra vez.
De manera similar, una persona que está escuchando un audiolibro en su teléfono normalmente miraría la misma portada de libro para cada capítulo. DALL∙E 2 podría usarse para generar una imagen única para acompañar cada escena en cada capítulo.
El uso de DALL∙E 2 a través de Azure OpenAI Service, agregó Egger, brinda acceso a otros servicios y herramientas de Azure en un solo lugar, lo que permite que su equipo trabaje de manera eficiente y sin problemas. “Al igual que con todos los demás productos de software como servicio, podemos estar seguros de que si necesitamos cantidades masivas de imágenes creadas por DALL∙E, no nos preocupamos por tenerlas en línea”.
El uso adecuado y responsable de DALL∙E 2
Ninguna tecnología de IA ha suscitado tanto entusiasmo como sistemas como DALL∙E 2 que pueden generar imágenes a partir de descripciones en lenguaje natural, según Sarah Bird, directora de proyectos de grupo principal de Microsoft para Azure AI.
“A la gente le encantan las imágenes, y para alguien como yo, que no es visualmente artístico en absoluto, puedo hacer algo mucho más hermoso de lo que jamás sería capaz de usar otras herramientas visuales”, dijo sobre DALL∙E 2. “ Les está dando a los humanos una nueva herramienta para expresarse creativamente y comunicarse de manera convincente, divertida y atractiva”.
Su equipo se enfoca en el desarrollo de herramientas y técnicas que guían a las personas hacia la uso apropiado y responsable de la IA herramientas como DALL∙E 2 en Azure AI y que limitan su uso de formas que podrían causar daño.
Para ayudar a evitar que DALL∙E 2 entregue resultados inapropiados en Azure OpenAI Service, OpenAI eliminó el contenido sexual y violento más explícito del conjunto de datos utilizado para entrenar el modelo, y Azure AI implementó filtros para rechazar mensajes que violan la política de contenido.
Además, el equipo ha integrado técnicas que evitan que DALL∙E 2 cree imágenes de celebridades, así como objetos que se usan comúnmente para tratar de engañar al sistema para que genere contenido sexual o violento. Por el lado de la salida, el equipo ha agregado modelos que eliminan imágenes generadas por IA que parecen contener contenido adulto, gore y otros tipos de contenido inapropiado.
