ആപ്പിളിന്റെ ‘ഫെററ്റ്’ ഒരു പുതിയ ഓപ്പൺ സോഴ്സ് മെഷീൻ ലേണിംഗ് മോഡലാണ്
ആപ്പിളിനും കൊളംബിയ യൂണിവേഴ്സിറ്റിക്കും വേണ്ടി പ്രവർത്തിക്കുന്ന ഗവേഷകർ ഒക്ടോബറിൽ ഒരു ഓപ്പൺ സോഴ്സ് മൾട്ടിമോഡൽ എൽഎൽഎം നിശബ്ദമായി അവതരിപ്പിച്ചു, “ഫെററ്റ്” എന്ന ഗവേഷണ റിലീസ് ചോദ്യങ്ങൾക്കായി ചിത്രങ്ങളുടെ പ്രദേശങ്ങൾ ഉപയോഗിക്കാൻ കഴിയും.
ഒക്ടോബറിൽ ഗിത്തൂബിലേക്കുള്ള ആമുഖം മിക്കവാറും റഡാറിനു കീഴിൽ പറന്നു, അതിന്റെ ആമുഖത്തിന് പ്രഖ്യാപനമോ ആരവങ്ങളോ ഉണ്ടായിരുന്നില്ല. ഒക്ടോബർ 30 ന് ഫെററ്റ്-ബെഞ്ചിനൊപ്പം ഫെററ്റിനായുള്ള കോഡ് പുറത്തിറക്കി, ഡിസംബർ 14 ന് ചെക്ക് പോയിന്റ് റിലീസുകൾ അവതരിപ്പിച്ചു.
തുടക്കത്തിൽ ഇത് കൂടുതൽ ശ്രദ്ധ നേടിയില്ലെങ്കിലും, ശനിയാഴ്ച റിലീസ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഗവേഷകർക്ക് ഒരു വലിയ കാര്യമായി മാറിയതായി വെഞ്ച്വർ ബീറ്റ് റിപ്പോർട്ട് ചെയ്യുന്നു. ലാഭേച്ഛയില്ലാതെ പ്രവർത്തിക്കുന്ന ഒരു എഐ-ഇൻ-മെഡിസിൻ ഓപ്പറേറ്ററായ ബാർട്ട് ഡി വിറ്റെ, “മിസ്ഡ്” റിലീസിനെക്കുറിച്ച് എക്സിന് പോസ്റ്റുചെയ്തു, ഇത് “ഫലപ്രദമായ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഗവേഷണത്തോടുള്ള ആപ്പിളിന്റെ പ്രതിബദ്ധതയുടെ തെളിവാണ്” എന്ന് വിശേഷിപ്പിച്ചു.
ഓപ്പൺ സോഴ്സിലേക്കുള്ള ഫെററ്റിന്റെ റിലീസ് ഒരു വാണിജ്യേതര ലൈസൻസിന് കീഴിലാണ് നിർവഹിക്കുന്നത്, അതിനാൽ ഇത് നിലവിലെ അവസ്ഥയിൽ വാണിജ്യവത്കരിക്കാൻ കഴിയില്ല. എന്നിരുന്നാലും, ഭാവിയിലെ ആപ്പിൾ ഉൽപ്പന്നത്തിലോ സേവനത്തിലോ ഏതെങ്കിലും വിധത്തിൽ ഇത് ഉപയോഗിക്കാനുള്ള സാധ്യത എല്ലായ്പ്പോഴും ഉണ്ട്.
ഒക്ടോബറിൽ ആപ്പിൾ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് / എം എൽ ഗവേഷണ ശാസ്ത്രജ്ഞൻ സെ ഗാൻ നടത്തിയ ഒരു ട്വീറ്റ് ഫെററ്റിന്റെ ഉപയോഗം ഒരു ചിത്രത്തിൽ “ഏത് ഗ്രാനുലാരിറ്റിയിലും എവിടെയും പരാമർശിക്കാനും നിലംപൊത്താനും” കഴിയുന്ന ഒരു സംവിധാനമാണെന്ന് വിശദീകരിക്കുന്നു. ഒരു ഇമേജിനുള്ളിലെ പ്രദേശത്തിന്റെ ഏത് ആകൃതിയും ഉപയോഗിച്ച് ഇത് ചെയ്യാൻ കഴിയും.
ലളിതമായി പറഞ്ഞാൽ, മോഡലിന് ഒരു ഇമേജിൽ വരച്ച ഒരു പ്രദേശം പരിശോധിക്കാനും ഒരു ചോദ്യത്തിൽ ഒരു ഉപയോക്താവിന് ഉപയോഗപ്രദമായ ഘടകങ്ങൾ നിർണ്ണയിക്കാനും അത് തിരിച്ചറിയാനും കണ്ടെത്തിയ ഘടകത്തിന് ചുറ്റും ഒരു ബൗണ്ടിംഗ് ബോക്സ് വരയ്ക്കാനും കഴിയും. ഒരു ചോദ്യത്തിന്റെ ഭാഗമായി തിരിച്ചറിഞ്ഞ ആ ഘടകം ഉപയോഗിക്കാൻ ഇതിന് കഴിയും, തുടർന്ന് ഒരു സാധാരണ രീതിയിൽ പ്രതികരിക്കാൻ കഴിയും.
ഉദാഹരണത്തിന്, ഒരു ചിത്രത്തിൽ ഒരു മൃഗത്തിന്റെ ചിത്രം ഹൈലൈറ്റ് ചെയ്യുകയും മൃഗം എന്താണെന്ന് എൽഎൽഎമ്മിനോട് ചോദിക്കുകയും ചെയ്യുന്നു, ഇത് ജീവിയുടെ സ്പീഷീസ് നിർണ്ണയിക്കാൻ കഴിയും, ഉപയോക്താവ് ഒരു ഗ്രൂപ്പിൽ നിന്നുള്ള ഒരു വ്യക്തിഗത മൃഗത്തെയാണ് പരാമർശിക്കുന്നത്. കൂടുതൽ പ്രതികരണങ്ങൾ നൽകുന്നതിന് ചിത്രത്തിൽ കണ്ടെത്തിയ മറ്റ് ഇനങ്ങളുടെ സന്ദർഭം ഇത് ഉപയോഗിക്കാം.
ഫെററ്റ് എന്ന പുതിയ എംഎൽഎൽഎമ്മിനെ പരിചയപ്പെടുത്തുന്നു, അത് ഏത് ഗ്രാനുലാരിറ്റിയിലും എവിടെയും എന്തും സൂചിപ്പിക്കാനും ഗ്രൗണ്ട് ചെയ്യാനും കഴിയും.
ഫെററ്റ് ഏത് ആകൃതിയിലും ഒരു ഇമേജ് പ്രദേശം പരാമർശിക്കാൻ പ്രാപ്തമാക്കുന്നു
പതിവ് രഹസ്യാത്മക നിലപാടിനേക്കാൾ ആപ്പിൾ അതിന്റെ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ജോലിയുമായി കൂടുതൽ തുറന്നിരിക്കാൻ താൽപ്പര്യപ്പെടുന്നുവെന്ന് കാണിക്കുന്നതിനാൽ ഈ റിലീസ് ഗവേഷകർക്ക് പ്രധാനമാണ്.
ആപ്പിളിന് ഇൻഫ്രാസ്ട്രക്ചറിന്റെ പ്രശ്നവുമുണ്ട്, കാരണം അതിന്റെ ഉടമസ്ഥതയിലുള്ള ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സെർവറുകളുടെ എണ്ണം വർദ്ധിപ്പിക്കാൻ പ്രവർത്തിക്കുമ്പോൾ, ഉദാഹരണത്തിന് ചാറ്റ്ജിപിടിയുമായി പ്രവർത്തിക്കാനുള്ള സ്കെയിൽ ഇപ്പോൾ ലഭ്യമല്ലായിരിക്കാം. ആപ്പിളിന് അതിന്റെ കഴിവുകൾ വർദ്ധിപ്പിക്കുന്നതിന് മറ്റ് സ്ഥാപനങ്ങളുമായി പ്രവർത്തിക്കാൻ കഴിയുമെങ്കിലും, മറ്റൊരു മാർഗം അത് ഇപ്പോൾ ചെയ്തത് ചെയ്യുക എന്നതാണ്, അതായത് ഒരു ഓപ്പൺ സോഴ്സ് മോഡൽ പുറത്തിറക്കുക.
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
