Η Microsoft παρουσίασε την τελευταία προσθήκη στη σειρά των μοντέλων γλωσσικής τεχνητής νοημοσύνης της, το Φι-3 Mini. Παρόλο που είναι μικρότερο σε μέγεθος σε σύγκριση με γιγάντιες όπως το GPT-4, αυτή η καινοτομία σχεδιάστηκε για να λειτουργεί σε ένα σύγχρονο smartphone παρέχοντας απόδοση παρόμοια με το OpenAI’s GPT-3.5.
Το Φι-3 Mini έρχεται με 3,8 δισεκατομμύρια παραμέτρους και έχει εκπαιδευτεί σε ένα σύνολο δεδομένων μικρότερο από αυτά που χρησιμοποιήθηκαν για μεγαλύτερα μοντέλα γλωσσικής τεχνητής νοημοσύνης. Παρά το μέγεθός του, αυτό το μοντέλο έχει γίνει διαθέσιμο σε πολλές πλατφόρμες, συμπεριλαμβανομένων των Azure, Hugging Face και Ollama.
Η Microsoft δεν σταματάει στο Mini; υπάρχουν σχέδια για την κυκλοφορία του Φι-3 Small και Φι-3 Medium, με 7 δισεκατομμύρια και 14 δισεκατομμύρια παραμέτρους αντίστοιχα. Ο όρος “παράμετροι” αναφέρεται στην ικανότητα του μοντέλου να κατανοεί πολύπλοκες οδηγίες, που είναι βασική για την απόδοση της τεχνητής νοημοσύνης.
Προηγούμενες εκδόσεις, όπως το Φι-2 που κυκλοφόρησε τον Δεκέμβριο, έχουν ήδη επιδείξει ικανότητες που είναι συγκρίσιμες με μεγαλύτερα μοντέλα όπως το Llama 2. Οι εξελίξεις της Microsoft υποδηλώνουν ότι το Φι-3 είναι πιο εκλεπτυσμένο, μπορώντας να παρέχει σχεδόν ταυτόσημα αποτελέσματα με μοντέλα δέκα φορές του μεγέθους του.
Ο Eric Boyd, Αντιπρόεδρος Επιχειρηματικών Υπηρεσιών της Microsoft Azure AI Platform, τόνισε ότι το Φι-3 Mini μπορεί να ανταγωνιστεί τις ικανότητες μεγάλων μοντέλων γλώσσας (LLMs) όπως το GPT-3.5, αλλά μέσα σε μια πιο συμπαγή μορφή. Αυτό το πλεονέκτημα κάνει τα μικρότερα μοντέλα τεχνητής νοημοσύνης όχι μόνο πιο οικονομικά στην λειτουργία, αλλά και πιο κατάλληλα για προσωπικές συσκευές όπως τηλέφωνα και φορητούς υπολογιστές.
Εκτός από τα μοντέλα Φι, η Microsoft έχει αναπτύξει εξειδικευμένες τεχνητές νοημοσύνες όπως το Orca-Math που αντιμετωπίζει προβλήματα μαθηματικής επίλυσης. Με έμφαση σε ελαφρά μοντέλα τεχνητής νοημοσύνης, η Microsoft έχει δημιουργήσει μια αφιερωμένη ομάδα, αναγνωρίζοντας το δυναμικό ανάπτυξης σε αυτό τον τομέα.
Οι ανταγωνιστές έχουν επίσης εισέλθει στον χώρο της ελαφράς τεχνητής νοημοσύνης, προσφέροντας μοντέλα για απλές εργασίες. Από τα μοντέλα Gemma 2B και 7B της Google που είναι κατάλληλα για συζητήσεις και γλωσσικές εργασίες, έως το Claude 3 Haiku της Anthropic που κάνει περίληψη περίπλοκης έρευνας, ο αγορά είναι γεμάτη με επιλογές. Το πρόσφατα κυκλοφορημένο Llama 3 8B της Meta προσφέρει υπηρεσίες chatbot και βοήθεια στην κωδικοποίηση.
Η στρατηγική ανάπτυξης για το Φι-3 ήταν παρόμοια με ένα “πρόγραμμα σπουδών” βασισμένο στις προόδους της μάθησης των παιδιών. Η εκπαίδευση περιλάμβανε “παιδικά” βιβλία που δημιούργησαν LLMs από μια λίστα πάνω από 3.000 λέξεις. Το Φι-3 βασίζεται στις λειτουργικές βάσεις των Φι-1 που εστιάζεται στην κωδικοποίηση, και την ανάπτυξη συλλογιστικών των Φι-2, πηγαίνοντας και τις δύο δεξιότητες ένα βήμα παρακάτω. Ενώ το σύνολο των Φι-3 διαθέτει γενικές γνώσεις, εξακολουθεί να διαφοροποιείται από μεγαλύτερα μοντέλα όπως το GPT-4 στο εύρος των απαντήσεών τους.
Κύριες Ερωτήσεις και Απαντήσεις:
Ερώτηση: Τι είναι το Microsoft Φι-3 Mini;
Α: Το Microsoft Φι-3 Mini είναι ένα συμπαγές μοντέλο γλωσσικής τεχνητής νοημοσύνης σχεδιασμένο να λειτουργεί σε σύγχρονα smartphones παρέχοντας απόδοση συγκρίσιμη με μεγαλύτερα μοντέλα όπως το OpenAI’s GPT-3.5.
Ερώτηση: Πόσες παράμετροι έχει το Φι-3 Mini;
Α: Το Φι-3 Mini έχει 3,8 δισεκατομμύρια παραμέτρους, υποδηλώνοντας την ικανότητά του για κατανόηση πολύπλοκων οδηγιών και εργασιών.
Ερώτηση: Ποιες πλατφόρμες υποστηρίζουν το Φι-3 Mini;
Α: Το Φι-3 Mini είναι διαθέσιμο σε πολλές πλατφόρμες, συμπεριλαμβανομένων των Azure, Hugging Face και Ollama.
Ερώτηση: Ποια είναι τα μελλοντικά σχέδια της Microsoft για τη σειρά Φι-3;
Α: Η Microsoft σχεδιάζει να κυκλοφορήσει τα Φι-3 Small και Φι-3 Medium, με 7 δισεκατομμύρια και 14 δισεκατομμύρια παραμέτρους αντίστοιχα.
Βασικές Προκλήσεις και Περιπλοκότητες:
Ένα από τα προβλήματα για μοντέλα τεχνητής νοημοσύνης όπως το Φι-3 Mini είναι η διατήρηση της απόδοσης ενώ μειώνεται το μέγεθός τους. Τα μικρότερα μοντέλα έχουν συνήθως λιγότερες παραμέτρους, πράγμα που θα μπορούσε να περιορίσει την ικανότητά τους να εκτελούν πολύπλοκες εργασίες. Επιπλέον, η διασφάλιση της απορρήτου και της ασφάλειας σε προσωπικές συσκευές, όπως τα smartphones όπου αυτά τα μοντέλα τεχνητής νοημοσύνης μπορεί να εφαρμοστούν, είναι μια συνεχής ανησυχία.
Πλεονεκτήματα:
– Το μικρότερο μέγεθος του Φι-3 Mini το καθιστά πιο αποδοτικό και φθηνό στη λειτουργία.
– Είναι προσαρμόσιμο σε προσωπικές συσκευές όπως τα smartphones και οι φορητοί υπολογιστές, κάνοντας την τεχνολογία της τεχνητής νοημοσύνης πιο προσιτή.
– Η μείωση του μεγέθους των μοντέλων τεχνητής νοημοσύνης μειώνει τα εμπόδια για προγραμματιστές με περιορισμένους πόρους να ενσωματώσουν την τεχνητή νοημοσύνη στα προϊόντα τους.
Μειονεκτήματα:
– Τα μικρότερα μοντέλα ενδέχεται να είναι λιγότερο ικαν