ജിപിടി -4 പ്രകടനത്തോട് അടുക്കുന്ന പുതിയ ഓപ്പൺ സോഴ്സ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലിന്റെ ‘ചോർച്ച’ സ്ഥിരീകരിച്ച് മിസ്ട്രൽ സിഇഒ
വളരുന്ന ഓപ്പൺ സോഴ്സ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് കമ്മ്യൂണിറ്റിയെ സംബന്ധിച്ചിടത്തോളം കഴിഞ്ഞ കുറച്ച് ദിവസങ്ങൾ ഒരു വന്യമായ സവാരിയായിരുന്നു – അതിന്റെ അതിവേഗം നീങ്ങുന്നതും സ്വതന്ത്രവുമായ മാനദണ്ഡങ്ങൾ പോലും.
ദ്രുത കാലഗണന ഇതാ: ജനുവരി 28-നോ അതിനുശേഷമോ, “മിക്കു ദേവ്” എന്ന ഹാൻഡിലുള്ള ഒരു ഉപയോക്താവ് പ്രമുഖ ഓപ്പൺ സോഴ്സ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലും കോഡ്-ഷെയറിംഗ് പ്ലാറ്റ്ഫോമുമായ ഹഗ്ഗിംഗ്ഫേസിൽ ഒരു കൂട്ടം ഫയലുകൾ പോസ്റ്റുചെയ്തു, അതിൽ “മിക്യു-1-70 ബി” എന്ന് ലേബൽ ചെയ്ത ഒരു പുതിയ ഓപ്പൺ സോഴ്സ് ലാർജ് ലാംഗ്വേജ് മോഡൽ (എൽഎൽഎം) ഉൾപ്പെടുന്നു.
ഈ ലേഖനം പോസ്റ്റുചെയ്യുന്ന സമയത്ത് ഇപ്പോഴും നിലനിൽക്കുന്ന ഹഗ്ഗിംഗ്ഫേസ് എൻട്രി, പുതിയ എൽഎൽഎമ്മിന്റെ “പ്രോംപ്റ്റ് ഫോർമാറ്റ്” ഉപയോക്താക്കൾ എങ്ങനെ ഇടപെടുന്നു എന്നത് മിക്സ്ട്രൽ 8×7 ബിക്ക് പിന്നിലുള്ള മികച്ച ധനസഹായമുള്ള ഓപ്പൺ സോഴ്സ് പാരീസ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് കമ്പനിയായ മിസ്റ്റ്രലിന് തുല്യമാണെന്ന് അഭിപ്രായപ്പെട്ടു.
Posted on 4ചാൻ
അതേ ദിവസം തന്നെ, 4ചാനിലെ ഒരു അജ്ഞാത ഉപയോക്താവ് (ഒരുപക്ഷേ “മിക്കു ദേവ്”) ഓൺലൈൻ മീമുകളുടെയും വിഷാംശത്തിന്റെയും കുപ്രസിദ്ധമായ ദീർഘകാല അഭയസ്ഥാനമായ 4ചാനിലെ മിക്യു -1-70 ബി ഫയലുകളിലേക്കുള്ള ഒരു ലിങ്ക് പോസ്റ്റ് ചെയ്തു, അവിടെ ഉപയോക്താക്കൾ അത് ശ്രദ്ധിക്കാൻ തുടങ്ങി.
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ആപ്ലിക്കേഷനുകളുടെ അപകടസാധ്യതകളും പ്രതിഫലങ്ങളും എങ്ങനെ സന്തുലിതമാക്കാമെന്ന് ചർച്ച ചെയ്യുന്നതിനായി മൈക്രോസോഫ്റ്റുമായി സഹകരിച്ച് ഫെബ്രുവരി 29 ന് ന്യൂയോർക്കിൽ എഐ ഇംപാക്റ്റ് ടൂർ – എൻവൈസി വെയ്ൽ പങ്കെടുക്കും. ചുവടെയുള്ള എക്സ്ക്ലൂസീവ് ഇവന്റിലേക്ക് ഒരു ക്ഷണം അഭ്യർത്ഥിക്കുക. ഒരു ക്ഷണം അഭ്യർത്ഥിക്കുക
ചിലർ മുമ്പ് ട്വിറ്റർ എന്നറിയപ്പെടുന്ന എലോൺ മസ്കിന്റെ സോഷ്യൽ നെറ്റ് വർക്കായ എക്സിൽ മോഡലിന്റെ കണ്ടെത്തലും സാധാരണ എൽഎൽഎം ജോലികളിൽ (ബെഞ്ച്മാർക്കുകൾ എന്നറിയപ്പെടുന്ന ടെസ്റ്റുകൾ ഉപയോഗിച്ച് അളക്കുന്നത്) അസാധാരണമായ ഉയർന്ന പ്രകടനവും പങ്കിട്ടു.
മിസ്റ്റ്രൽ ക്വാന്റൈസ് ചെയ്തോ?
മെഷീൻ ലേണിംഗ് (എം എൽ) ഗവേഷകർ ലിങ്ക്ഡ്ഇനിലും ശ്രദ്ധിച്ചു.
‘മിക്യു’ എന്നാല് മിസ്റ്റ്രല് ക്യുആന്റൈസിനെ സൂചിപ്പിക്കുന്നുണ്ടോ? ഞങ്ങൾക്ക് ഉറപ്പില്ല, പക്ഷേ ഇത് വളരെ വേഗം മികച്ച ഓപ്പൺ സോഴ്സ് എൽഎൽഎമ്മിൽ ഒന്നായി മാറി,” ലോകത്തിലെ ഏറ്റവും വലിയ ബാങ്കിംഗ്, ധനകാര്യ കമ്പനികളിലൊന്നായ ജെപി മോർഗൻ & ചേസിലെ എം എൽ ശാസ്ത്രജ്ഞനായ മാക്സിം ലാബോൺ എഴുതി. “@152334H നന്ദി, ഞങ്ങൾക്ക് ഇപ്പോൾ മിക്കുവിന്റെ ഒരു നല്ല അൺക്വന്റൈസ്ഡ് പതിപ്പ് ഇവിടെയുണ്ട്: https://lnkd.in/g8XzhGSM
അന്വേഷണം തുടരുകയാണ്. അതേസമയം, ജിപിടി -4 നെക്കാൾ മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കുന്ന മിക് യുവിന്റെ മികച്ച പതിപ്പുകൾ ഉടൻ തന്നെ ഞങ്ങൾ കണ്ടേക്കാം.
ഒരു മോഡലിന്റെ ആർക്കിടെക്ചറിലെ നിർദ്ദിഷ്ട നീണ്ട സംഖ്യാ സീക്വൻസുകൾക്ക് പകരം ചെറിയവ ഉപയോഗിച്ച് കുറഞ്ഞ ശക്തിയുള്ള കമ്പ്യൂട്ടറുകളിലും ചിപ്പുകളിലും ചില ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലുകൾ പ്രവർത്തിപ്പിക്കാൻ ഉപയോഗിക്കുന്ന ഒരു സാങ്കേതികതയെയാണ് എംഎല്ലിലെ ക്വാന്റൈസേഷൻ സൂചിപ്പിക്കുന്നത്.
“മിക്കു” ഒരു പുതിയ മിസ്ട്രൽ മോഡൽ കമ്പനി തന്നെ രഹസ്യമായി ലോകത്തിലേക്ക് “ചോർത്തിയ” ഒരു പുതിയ മിസ്ട്രൽ മോഡലായിരിക്കുമെന്ന് ഉപയോക്താക്കൾ ഊഹിച്ചു – പ്രത്യേകിച്ചും നിഗൂഢവും സാങ്കേതികവുമായ മാർഗങ്ങളിലൂടെ പുതിയ മോഡലുകളും അപ്ഡേറ്റുകളും ഉപേക്ഷിക്കുന്നതിന് മിസ്ട്രൽ പേരുകേട്ടതിനാൽ – അല്ലെങ്കിൽ ഒരുപക്ഷേ ഒരു ജീവനക്കാരനോ ഉപഭോക്താവോ അപ്രത്യക്ഷരാകാം.
മുകളിൽ നിന്നുള്ള സ്ഥിരീകരണം
ശരി, ഇന്ന് ഞങ്ങൾക്ക് ആ സാധ്യതകളിൽ രണ്ടാമത്തേതിന്റെ സ്ഥിരീകരണം ലഭിച്ചതായി തോന്നുന്നു: മിസ്ട്രൽ സഹസ്ഥാപകനും സിഇഒയുമായ ആർതർ മെൻഷ് എക്സിനോട് വ്യക്തമാക്കി: “ഞങ്ങളുടെ ആദ്യകാല ആക്സസ് ഉപഭോക്താക്കളിൽ ഒരാളുടെ അമിത ഉത്സാഹമുള്ള ജീവനക്കാരൻ ഞങ്ങൾ പരിശീലിപ്പിക്കുകയും പരസ്യമായി വിതരണം ചെയ്യുകയും ചെയ്ത ഒരു പഴയ മോഡലിന്റെ ക്വാന്റൈസ്ഡ് (വാട്ടർമാർക്ക് ചെയ്ത) പതിപ്പ് ചോർത്തി…
തിരഞ്ഞെടുത്ത കുറച്ച് ഉപഭോക്താക്കളുമായി വേഗത്തിൽ പ്രവർത്തിക്കാൻ ആരംഭിക്കുന്നതിന്, ഞങ്ങളുടെ മുഴുവൻ ക്ലസ്റ്ററിലേക്കും പ്രവേശനം ലഭിച്ച നിമിഷം ലാമ 2 ൽ നിന്ന് ഞങ്ങൾ ഈ മോഡൽ വീണ്ടും പരിശീലിപ്പിച്ചു – മിസ്ട്രൽ 7 ബി റിലീസ് ദിവസം പ്രീട്രെയിനിംഗ് പൂർത്തിയായി. അതിനുശേഷം ഞങ്ങൾ നല്ല പുരോഗതി കൈവരിച്ചു – കാത്തിരിക്കുക!”
എന്നിരുന്നാലും, “കാത്തിരിക്കുക!” എന്ന മെൻഷിന്റെ കുറിപ്പിനൊപ്പം, ജിപിടി -4 ലെവൽ പ്രകടനത്തെ സമീപിക്കുന്ന ഈ “മിക്കു” മോഡലിന്റെ ഒരു പതിപ്പ് മിസ്ട്രൽ പരിശീലിപ്പിക്കുന്നുവെന്ന് മാത്രമല്ല, അദ്ദേഹത്തിന്റെ അഭിപ്രായങ്ങൾ ഉദാരമായി വ്യാഖ്യാനിക്കണമെങ്കിൽ അത് വാസ്തവത്തിൽ അതിനോട് പൊരുത്തപ്പെടുകയോ മറികടക്കുകയോ ചെയ്യാം.
ഓപ്പൺ സോഴ്സ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിലും അതിനപ്പുറവും ഒരു നിർണായക നിമിഷം?
ഓപ്പൺ സോഴ്സ് ജനറേറ്റീവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന് മാത്രമല്ല, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, കമ്പ്യൂട്ടർ സയൻസ് എന്നിവയുടെ മുഴുവൻ മേഖലയ്ക്കും ഇത് ഒരു നിർണായക നിമിഷമായിരിക്കും: 2023 മാർച്ചിൽ പുറത്തിറങ്ങിയതു മുതൽ, ജിപിടി -4 ലോകത്തിലെ ഏറ്റവും ശക്തവും ഏറ്റവും മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കുന്നതുമായ എൽഎൽഎമ്മായി തുടരുന്നു. ഗൂഗിളിന്റെ നിലവിൽ ലഭ്യമായതും ദീർഘകാലമായി കിംവദന്തികളുള്ളതുമായ ജെമിനി മോഡലുകൾക്കൊന്നും ഇത് മറികടക്കാൻ കഴിഞ്ഞിട്ടില്ല – എന്നിട്ടും (ചില നടപടികൾ അനുസരിച്ച്, നിലവിലെ ജെമിനി മോഡലുകൾ യഥാർത്ഥത്തിൽ പഴയ ഓപ്പൺഎഐ ജിപിടി -3.5 മോഡലിനേക്കാൾ മോശമാണ്).
പ്രവർത്തനപരമായി ഉപയോഗിക്കാൻ സ്വതന്ത്രമായ ഒരു ഓപ്പൺ സോഴ്സ് ജിപിടി -4 ക്ലാസ് മോഡൽ പുറത്തിറക്കുന്നത് ഓപ്പൺ എഐയിലും അതിന്റെ സബ്സ്ക്രിപ്ഷൻ നിരകളിലും വളരെയധികം മത്സര സമ്മർദ്ദം ചെലുത്തും, പ്രത്യേകിച്ചും കൂടുതൽ സംരംഭങ്ങൾ ഓപ്പൺ സോഴ്സ് മോഡലുകളോ ഓപ്പൺ സോഴ്സ്, ക്ലോസ്ഡ് സോഴ്സ് മിശ്രിതമോ അവരുടെ ആപ്ലിക്കേഷനുകൾ ശക്തിപ്പെടുത്താൻ നോക്കുമ്പോൾ, വെഞ്ച്വർബീറ്റിന്റെ സ്ഥാപകനും സിഇഒയുമായ മാറ്റ് മാർഷൽ അടുത്തിടെ റിപ്പോർട്ട് ചെയ്തു. ഓപ്പൺഎഐ അതിന്റെ വേഗതയേറിയ ജിപിടി -4 ടർബോ, ജിപിടി -4 വി (വിഷൻ) എന്നിവ ഉപയോഗിച്ച് മുൻതൂക്കം നിലനിർത്തിയേക്കാം, പക്ഷേ ചുവരിലെ എഴുത്ത് വളരെ വ്യക്തമാണ്: ഓപ്പൺ സോഴ്സ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് കമ്മ്യൂണിറ്റി അതിവേഗം മുന്നേറുകയാണ്. എൽഎൽഎമ്മുകളുടെ ഒന്നാം സ്ഥാനത്ത് തുടരാൻ ഓപ്പൺഎഐക്ക് മതിയായ തുടക്കവും ജിപിടി സ്റ്റോറും മറ്റ് സവിശേഷതകളുമുള്ള ഒരു രൂപകമായ “കിടങ്ങ്” ഉണ്ടോ?
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
