En una reciente mesa redonda celebrada el 17 de julio de 2024, Intel, junto con el Comité Olímpico Internacional (COI), Seekr y Red Hat, abordaron los beneficios de un ecosistema de inteligencia artificial abierto. La discusión, moderada por Justin Hotard, vicepresidente ejecutivo de Intel, reunió a Kaveh Mehrabi del COI, Steven Huels de Red Hat, Rob Clark de Seekr y Bill Pearson de Intel para tratar la alianza entre el organismo deportivo y la empresa tecnológica. Esta colaboración se enfoca en cómo las tecnologías de IA, como los procesadores Intel Xeon e Intel Gaudi, permiten a los desarrolladores y empresas enfrentar los nueves desafíos que esta tecnología implica.
Uno de los proyectos destacados durante el evento fue el chatbot AthleteGPT, diseñado para asistir a los atletas en los Juegos Olímpicos de París 2024. Integrado en la plataforma Athlete365, este chatbot utiliza tecnología RAG (Recuperación Aumentada Generativa) para proporcionar información y soporte en tiempo real a aproximadamente 11,000 atletas, facilitando su experiencia en la Villa Olímpica.
Este chatbot esta entrenado para atender a los deportistas en una gran cantidad de idiomas. Además, este curioso ayudante da indicaciones para moverse por el complejo olímpico e informa de la normativa local para evitar cualquier tipo de conflicto en un lugar donde tantas culturas se juntan. AthleteGPT es una manifestación del compromiso de Intel con la accesibilidad y seguridad en la tecnología de IA, permitiendo un enfoque más inclusivo y personalizado para el desarrollo de soluciones de IA.
¿Qué es RAG?
RAG, o Recuperación Aumentada Generativa, es una tecnología que combina técnicas de recuperación de información con modelos generativos avanzados. En el contexto de la IA, RAG se utiliza para extraer y generar respuestas basadas en datos específicos y relevantes, lo que mejora la precisión y relevancia de las interacciones de IA. Esta tecnología es esencial para manejar grandes volúmenes de datos y proporcionar respuestas precisas y contextualizadas en tiempo real.
La implementación de RAG presenta varios desafíos, como la necesidad de equilibrar el costo y la escalabilidad, así como garantizar la seguridad y privacidad de los datos. Sin embargo, su capacidad para integrar datos propietarios de manera segura y eficiente es clave para mejorar la calidad y utilidad de las aplicaciones de IA en diversos sectores. En el caso de AthleteGPT, la tecnología RAG permite a los atletas recibir información precisa y relevante, mejorando su experiencia y permitiéndoles concentrarse en su rendimiento.
Intel, trabajando en colaboración con la industria, ha desarrollado una solución de GenAI basada en RAG, utilizando la Open Platform for Enterprise AI (OPEA). Esta plataforma proporciona un marco modular y estandarizado para el desarrollo y despliegue de aplicaciones de IA, apoyando una variedad de herramientas y tecnologías, como PyTorch y Hugging Face. Este enfoque permite a las empresas crear soluciones de IA personalizadas que se adapten a sus necesidades específicas, acelerando el desarrollo y la implementación de estas tecnologías en el entorno empresarial.
