PrismML მიმოხილვა: უშუალოდ მოწყობილობაზე მომუშავე დიდი ენობრივი მოდელების მომავალი

#Quasa #QUA #prismml

PrismML არის აშშ-ში დაფუძნებული ხელოვნური ინტელექტის კვლევითი კომპანია (რომელსაც მჭიდრო ფესვები აქვს Caltech-ში), რომელიც უმნიშვნელოვანეს გამოწვევაზე მუშაობს: როგორ გაამრავლოს მოდელების ინტელექტი მათი ზომის ან სირთულის გაზრდის გარეშე. მათი გადაწყვეტაა ულტრამკვრივი, ძლიერ შეკუმშული მოდელები, რომლებიც მაღალ წარმადობას უზრუნველყოფენ და ამავდროულად მკვეთრად ნაკლებ მეხსიერებას, ენერგიასა და გამოთვლით რესურსს იყენებენ.

მათი ფლაგმანი პროდუქტი, Bonsai 27B, არის 27 მილიარდი პარამეტრის მქონე მოდელი, რომელიც ხელმისაწვდომია 1-bit (მხოლოდ 3.9 GB) და სამობით (5.9 GB) ვერსიებად. ეს ამ მასშტაბის მოდელს უშუალოდ სმარტფონებსა და ლეპტოპებზე მუშაობის საშუალებას აძლევს — რაც ადრე სტანდარტული სრული სიზუსტის მოდელებით შეუძლებელი იყო. PrismML-ის განცხადებით, 1-bit ვერსია ტრადიციულ 16-bit მოდელებთან შედარებით იყენებს 14× ნაკლებ მეხსიერებას, მუშაობს 8× უფრო სწრაფად და მოიხმარს 5× ნაკლებ ენერგიას, ამავდროულად კი კვლავ უჭერს მხარს მრავალსაფეხურიან მსჯელობას, ხელსაწყოების გამოძახებას, აგენტურ სამუშაო პროცესებსა და მულტიმოდალურ გაგებას.

კომპანიის ძირითადი ფილოსოფიაა “ინტელექტის სიმკვრივე” — თითოეულ ბიტზე სასარგებლო ინტელექტის მაქსიმალურად გაზრდა, ნაცვლად პარამეტრების რაოდენობის უბრალოდ ზრდისა. ეს მიდგომა ერთდროულად ორი მთავარი პრობლემის გადაჭრას ისახავს მიზნად: დიდი მოდელების, რომლებიც პერსონალურ მოწყობილობებზე ვერ ეტევა, და უზარმაზარი მონაცემთა ცენტრების არამდგრადი ენერგომოთხოვნის.

PrismML იდეალურია დეველოპერებისთვის, აპარატურის მწარმოებლებისთვის, მკვლევრებისა და კომპანიებისთვის, რომლებსაც სურთ მძლავრი ხელოვნური ინტელექტის ლოკალურად გაშვება კონფიდენციალურობის მაღალი დონით, მცირე დაყოვნებითა და მაღალი ენერგოეფექტურობით.

მთავარი მახასიათებლები

• მსოფლიო დონის 1-bit და სამობითი შეკუმშვა (Bonsai ოჯახი).
• Bonsai 27B ტელეფონებზე მუშაობს მხოლოდ ~4 GB მოცულობით.
• მნიშვნელოვანი გაუმჯობესება მეხსიერების გამოყენების, სიჩქარისა და ენერგოეფექტურობის მხრივ.
• მხარს უჭერს მსჯელობას, ხელსაწყოების გამოყენებასა და მულტიმოდალურ შესაძლებლობებს უშუალოდ მოწყობილობაზე.
• ძლიერი კვლევითი საფუძველი Caltech-იდან.

გასათვალისწინებელი საკითხები

• რადგან ეს შედარებით ახალი ტექნოლოგიაა, ეკოსისტემის მხარდაჭერა და დამატებითი გაწვრთნის ხელსაწყოები ჯერ კიდევ ფართოვდება.
• ამჟამად საუკეთესო შედეგები თანამედროვე მაღალი კლასის მობილურ მოწყობილობებსა და ლეპტოპებზე მიიღება.

საერთო შეფასება: 4.6/5 ვარსკვლავი

PrismML ამჟამად ხელოვნური ინტელექტის ერთ-ერთ უმნიშვნელოვანეს საზღვარს აფართოებს — დიდ მოდელებს ყოველდღიურ მოწყობილობებზე პრაქტიკულად გამოსაყენებელს ხდის. მხოლოდ ზომის ნაცვლად ინტელექტის სიმკვრივეზე ფოკუსირებით, კომპანია არსებითად უწყობს ხელს მძლავრი ხელოვნური ინტელექტის ღრუბლიდან უშუალოდ საბოლოო მოწყობილობებზე გადატანას.

თქვენც მიიღეთ ჯილდო QUA-ში Quasa.io-ზე მიმოხილვის დაწერით!

დაიწყეთ: https://quasa.io/projects/prismml