Gigant technologiczny Apple przerwał milczenie na temat sztucznej inteligencji i wprowadził multimodalne duże modele językowe (LLM) nowej generacji zwane MM1.
MM1, który z powodzeniem wykonuje złożone zadania, takie jak dodawanie podpisów do obrazów, odpowiadanie na pytania wizualne i wnioskowanie w języku naturalnym, jest postrzegany jako ważny postęp w świecie sztucznej inteligencji.
Co to jest MM1?
Jak wspomniałem powyżej, MM1 to multimodalny model dużego języka zaprojektowany do podpisywania obrazów, odpowiadania na pytania wizualne i wnioskowania w języku naturalnym. Ma na celu wykonywanie złożonych zadań poprzez łączenie danych tekstowych i wizualnych. Badacze Apple podają, że MM1 oferuje znacznie lepsze wyniki w porównaniu do innych wstępnych wyników treningowych.
Dane techniczne MM1
Obsługując do 30 miliardów parametrów, MM1 wyróżnia się jako rodzina modeli, która może wspólnie przetwarzać dane obrazowe i tekstowe. Wyszkolony w zakresie różnych typów danych, takich jak nagłówki obrazów, przeplatany obraz-tekst i tylko tekst, MM1 ma bardziej wszechstronne możliwości przetwarzania informacji.
Z drugiej strony rozwój MM1 wskazuje również na wagę, jaką Apple przywiązuje do sztucznej inteligencji. Apple pracujący nad frameworkiem LLM o nazwie kodowej „Ajax” i uwzględniając inicjatywy takie jak DarwinAI, postrzega sztuczną inteligencję i uczenie maszynowe jako technologie podstawowe. Firma planuje podzielić się szczegółami swoich prac w tym obszarze w 2024 roku i wygłosić prezentację skupioną na sztucznej inteligencji na czerwcowej konferencji deweloperów WWDC.
MM1 firmy Apple jest uważany za ważny krok naprzód w dziedzinie wielomodowych LLM. Pokazuje, że Apple przerywa milczenie na temat sztucznej inteligencji, która może odegrać ważną rolę w najbliższej przyszłości. Rozwój MM1 przyczyni się do dalszego rozwoju sztucznej inteligencji w takich obszarach jak przetwarzanie danych wizualnych i rozumienie języka naturalnego.
Autor wyróżnionego obrazu: Sumudu Mohottige / Unsplash
