Η Meta Platforms κυκλοφόρησε την πιο εκτεταμένη έκδοση των μοντέλων τεχνητής νοημοσύνης Llama 3, παρουσιάζοντας βελτιώσεις στις γλωσσικές δυνατότητες και στην επίλυση μαθηματικών προβλημάτων. Η εταιρεία ανακοίνωσε την κυκλοφορία του νέου μοντέλου τεχνητής νοημοσύνης, το οποίο μπορεί να επικοινωνεί σε οκτώ διαφορετικές γλώσσες, να παράγει κώδικα υπολογιστή υψηλότερης ποιότητας και να αντιμετωπίζει πιο σύνθετα μαθηματικά προβλήματα από τους προκατόχους του.
Το μοντέλο Llama 3, με τις 405 δισεκατομμύρια παραμέτρους του, αντιπροσωπεύει ένα σημαντικό βήμα προς τα πάνω σε σχέση με την τελευταία επανάληψη και αποτελεί μέρος της προσπάθειας της Meta να αντιμετωπίσει επί πληρωμή αντίπαλα μοντέλα, όπως το GPT-4 της OpenAI, το οποίο διαθέτει ένα τρισεκατομμύριο παραμέτρους, και ένα επερχόμενο μοντέλο της Amazon με δύο τρισεκατομμύρια παραμέτρους.
Σε μια στρατηγική κίνηση, η Meta προσφέρει τα μοντέλα Llama 3 σε μεγάλο βαθμό δωρεάν στους προγραμματιστές, κάτι που ο διευθύνων σύμβουλος Mark Zuckerberg πιστεύει ότι θα προωθήσει την καινοτομία και θα μειώσει την εξάρτηση από τους ανταγωνιστές. Αναμένεται η ευρεία υιοθέτηση του AI chatbot που τροφοδοτείται από αυτά τα μοντέλα, με τον Zuckerberg να προβλέπει ότι θα γίνει ο πιο δημοφιλής βοηθός AI μέχρι το τέλος του έτους, ο οποίος χρησιμοποιείται ήδη από εκατοντάδες εκατομμύρια ανθρώπους.
Η ανακοίνωση υπογραμμίζει τον αγώνα της τεχνολογικής βιομηχανίας να αποδείξει την αξία των μεγάλων γλωσσικών μοντέλων στην αντιμετώπιση σύνθετων προκλήσεων συλλογιστικής. Ο κορυφαίος επιστήμονας της Meta στον τομέα της τεχνητής νοημοσύνης πρότεινε ότι ενώ τα μοντέλα αυτά φτάνουν σε νέα ύψη, εναλλακτικά συστήματα τεχνητής νοημοσύνης μπορεί να είναι απαραίτητα για μελλοντικές ανακαλύψεις.
Εκτός από το μοντέλο-ναυαρχίδα, η Meta ενημερώνει επίσης τις ελαφρύτερες εκδόσεις της με 8 δισεκατομμύρια και 70 δισεκατομμύρια παραμέτρους. Αυτά τα μοντέλα διαθέτουν τώρα ένα διευρυμένο "παράθυρο πλαισίου", που τους επιτρέπει να χειρίζονται μεγαλύτερα αιτήματα χρηστών και να θυμούνται περισσότερες πληροφορίες, κάτι που είναι ιδιαίτερα επωφελές για τη δημιουργία κώδικα υπολογιστή.
Ο Ahmad Al-Dahle, επικεφαλής του τμήματος γεννητικής τεχνητής νοημοσύνης της Meta, σημείωσε τη σημασία του μεγαλύτερου παραθύρου πλαισίου, καθώς ήταν η κύρια ανατροφοδότηση από την κοινότητα των προγραμματιστών. Η ομάδα του βελτίωσε επίσης την ικανότητα του μοντέλου Llama 3 να λύνει μαθηματικά προβλήματα χρησιμοποιώντας δεδομένα που δημιουργήθηκαν από την ΤΝ για την εκπαίδευση.
Παρά το κόστος που συνεπάγεται, το οποίο έχει προκαλέσει τον έλεγχο ορισμένων επενδυτών, η στρατηγική της Meta θα μπορούσε να διαταράξει τα επιχειρηματικά μοντέλα των ανταγωνιστών της, εάν οι προγραμματιστές προτιμούν τα δωρεάν μοντέλα της. Η εταιρεία έχει υπερηφανευτεί για τις επιδόσεις του Llama 3 στα benchmarks, με βαθμολογίες που ανταγωνίζονται ή ξεπερνούν εκείνες κορυφαίων μοντέλων όπως το GPT-4o και το Claude 3.5 Sonnet σε τεστ μαθηματικών και γνώσεων.
Το μοντέλο Llama 3 σημείωσε βαθμολογία 73,8 στο benchmark MATH, ακολουθώντας στενά το 76,6 του GPT-4o και μπροστά από το 71,1 του Claude 3.5 Sonnet. Πέτυχε επίσης 88,6 στο σημείο αναφοράς MMLU, το οποίο καλύπτει διάφορα θέματα, σχεδόν ισοδυναμώντας με το 88,7 του GPT-4o και ξεπερνώντας ελαφρώς το 88,3 του Claude 3.5 Sonnet.
Κοιτάζοντας μπροστά, οι ερευνητές της Meta υπαινίσσονται την ανάπτυξη "πολυτροπικών" εκδόσεων των μοντέλων, οι οποίες θα ενσωματώνουν δυνατότητες εικόνας, βίντεο και ομιλίας παράλληλα με τις βασικές λειτουργίες κειμένου. Αυτά αναμένεται να έχουν ανταγωνιστικές επιδόσεις με άλλα πολυτροπικά μοντέλα, όπως το Gemini 1.5 της Google και το Claude 3.5 Sonnet της Anthropic, και αναμένεται να κυκλοφορήσουν αργότερα φέτος.
Το Reuters συνέβαλε σε αυτό το άρθρο.Aυτό το άρθρο μεταφράστηκε με τη βοήθεια της τεχνητής νοημοσύνης. Για περισσότερες πληροφορίες, δείτε τους Όρους Χρήσης