Η Meta Platforms κυκλοφόρησε πρόσφατα πρώιμες εκδόσεις του τελευταίου large language model της, Llama 3, και ενός image generator που ενημερώνει εικόνες σε πραγματικό χρόνο ενώ οι χρήστες πληκτρολογούν prompts, καθώς τρέχει να καλύψει την απόσταση από τον ηγέτη της αγοράς generative AI, την OpenAI.
Τα μοντέλα θα ενσωματωθούν στον virtual assistant της Meta AI, τον οποίο η εταιρεία προωθεί ως τον πιο εξελιγμένο από τους αντίστοιχους δωρεάν ανταγωνιστές του. Ο assistant θα έχει πιο περίοπτη θέση στις εφαρμογές Facebook, Instagram, WhatsApp και Messenger της Meta, καθώς και σε έναν νέο αυτόνομο ιστότοπο που θα τον καθιστά πιο άμεσο ανταγωνιστή της OpenAI που υποστηρίζεται από τη Microsoft και έχει ξεχωρίσει το ChatGPT.
Η ανακοίνωση έρχεται καθώς η Meta αγωνίζεται να προωθήσει προϊόντα generative AI στα δισεκατομμύρια των χρηστών της για να αμφισβητήσει την ηγετική θέση του OpenAI στην τεχνολογία, γεγονός που περιλαμβάνει μια αναμόρφωση του computing infrastructure και την ενοποίηση προηγουμένως ξεχωριστών ερευνητικών και προϊοντικών ομάδων.
Ο γίγαντας των μέσων κοινωνικής δικτύωσης εξόπλισε το Llama 3 με νέες δυνατότητες υπολογιστικής κωδικοποίησης και το τροφοδότησε με εικόνες καθώς και με κείμενο αυτή τη φορά, αν και προς το παρόν το μοντέλο θα παράγει μόνο κείμενο, δήλωσε σε συνέντευξή του ο Chris Cox, chief product officer της Meta.
Πιο προηγμένοι συλλογισμοί, όπως η ικανότητα να δημιουργεί μεγαλύτερα σχέδια πολλαπλών βημάτων, θα ακολουθήσουν σε επόμενες εκδόσεις, πρόσθεσε. Οι εκδόσεις που σχεδιάζονται για κυκλοφορία τους επόμενους μήνες θα είναι επίσης ικανές για “πολυτροπικότητα”, δηλαδή θα μπορούν να παράγουν τόσο κείμενο όσο και εικόνες, ανέφερε η Meta σε αναρτήσεις στο blog της.
“Ο στόχος τελικά είναι να σας βοηθήσουμε να κάνετε τη ζωή σας ευκολότερη, είτε πρόκειται για την αλληλεπίδραση με επιχειρήσεις, είτε πρόκειται για το γράψιμο κάποιου κειμένου, είτε πρόκειται για τον προγραμματισμό ενός ταξιδιού”, δήλωσε ο Cox.
Δήλωσε επίσης ότι η συμπερίληψη εικόνων στην εκπαίδευση του Llama 3 θα ενισχύσει μια ενημέρωση που θα κυκλοφορήσει φέτος στα έξυπνα γυαλιά Ray-Ban Meta, μια συνεργασία με τον κατασκευαστή γυαλιών EssilorLuxottica, επιτρέποντας στο Meta AI να αναγνωρίζει τα αντικείμενα που βλέπει ο χρήστης και να απαντά σε ερωτήσεις σχετικά με αυτά.
Η Meta ανακοίνωσε επίσης μια νέα συνεργασία με τη Google της Alphabet για να συμπεριλάβει αποτελέσματα αναζήτησης σε πραγματικό χρόνο στις απαντήσεις του βοηθού, συμπληρώνοντας μια υπάρχουσα συμφωνία με το Bing της Microsoft.
Ο βοηθός Meta AI επεκτείνεται σε περισσότερες από δώδεκα αγορές εκτός των ΗΠΑ με την ενημέρωση, συμπεριλαμβανομένης της Αυστραλίας, του Καναδά, της Σιγκαπούρης, της Νιγηρίας και του Πακιστάν. Η Meta “εξακολουθεί να εργάζεται για τον σωστό τρόπο να το κάνει αυτό στην Ευρώπη”, δήλωσε ο Cox, όπου οι κανόνες προστασίας της ιδιωτικής ζωής είναι πιο αυστηροί και ο επερχόμενος νόμος για την τεχνητή νοημοσύνη είναι έτοιμος να επιβάλει απαιτήσεις όπως η αποκάλυψη των δεδομένων εκπαίδευσης των μοντέλων.
Η αδηφάγος ανάγκη των generative AI μοντέλων για δεδομένα έχει αναδειχθεί σε σημαντική πηγή έντασης στην ανάπτυξη της τεχνολογίας.
Η Meta έχει κυκλοφορήσει μοντέλα όπως το Llama 3 για δωρεάν εμπορική χρήση από τους προγραμματιστές στο πλαίσιο της προσπάθειάς της να καλύψει το χαμένο έδαφος, καθώς η επιτυχία μιας ισχυρής δωρεάν επιλογής θα μπορούσε να ανακόψει τα σχέδια των αντιπάλων να κερδίσουν έσοδα από την ιδιόκτητη τεχνολογία τους. Η στρατηγική αυτή έχει επίσης προκαλέσει ανησυχίες για την ασφάλεια από επικριτές που είναι επιφυλακτικοί για το τι μπορεί να χρησιμοποιήσουν οι ασυνείδητοι προγραμματιστές για να κατασκευάσουν το μοντέλο.
Ο Μαρκ Ζούκερμπεργκ, διευθύνων σύμβουλος της Meta, αποδέχθηκε και αναγνώρισε τον ανταγωνισμό σε ένα βίντεο που συνόδευε την ανακοίνωση, στο οποίο αποκάλεσε τη Meta AI “την πιο έξυπνη βοηθό τεχνητής νοημοσύνης που μπορείτε να χρησιμοποιήσετε ελεύθερα”.
Ο Ζούκερμπεργκ δήλωσε επίσης ότι η μεγαλύτερη έκδοση του Llama 3 εκπαιδεύεται επί του παρόντος με 400 δισεκατομμύρια παραμέτρους και έχει ήδη βαθμολογηθεί με 85 MMLU, αναφέροντας τις μετρήσεις που χρησιμοποιούνται για να αποδώσουν τη δύναμη και την ποιότητα των επιδόσεων των μοντέλων AI. Οι δύο μικρότερες εκδόσεις που κυκλοφορούν τώρα έχουν 8 δισ. παραμέτρους και 70 δισ. παραμέτρους και η τελευταία σημείωσε περίπου 82 MMLU (ή Massive Multitask Language Understanding), είπε.
Οι προγραμματιστές παραπονέθηκαν ότι η προηγούμενη έκδοση του μοντέλου Llama 2 απέτυχε να κατανοήσει βασικά συμφραζόμενα, συγχέοντας ερωτήματα για το πώς να “σκοτώσει” ένα πρόγραμμα υπολογιστή με αιτήματα για οδηγίες σχετικά με τη διάπραξη δολοφονίας. Η ανταγωνίστρια Google αντιμετώπισε παρόμοια προβλήματα και πρόσφατα διέκοψε τη χρήση του εργαλείου δημιουργίας εικόνων Gemini AI, αφού δέχθηκε επικρίσεις για ανακριβείς απεικονίσεις ιστορικών προσώπων.
Η Meta δήλωσε ότι μείωσε αυτά τα προβλήματα στο Llama 3 χρησιμοποιώντας “δεδομένα υψηλής ποιότητας” για να κάνει το μοντέλο να αναγνωρίζει τις διαφοροποιήσεις. Δεν ανέλυσε τα σύνολα δεδομένων που χρησιμοποιήθηκαν, αν και δήλωσε ότι τροφοδότησε το Llama 3 με επταπλάσιο όγκο δεδομένων από ό,τι το Llama 2 και αξιοποίησε “συνθετικά”, ή δεδομένα που δημιούργησε η τεχνητή νοημοσύνη, για να ενισχύσει τομείς όπως η κωδικοποίηση και η συλλογιστική.
Ο Cox δήλωσε ότι δεν υπήρξε “σημαντική αλλαγή στάσης” όσον αφορά τον τρόπο με τον οποίο η εταιρεία προμηθεύτηκε τα δεδομένα εκπαίδευσης.
Πηγή: The Guardian
