مدل جدید هوش مصنوعی انویدیا برای رقابت با GPT-4 عرضه شده است

Nvidia خانواده ای از مدل های منبع باز و قدرتمند هوش مصنوعی nflm 1.0 خود را برای رقابت با مدل های ساخته شده توسط OpenAI و گوگل راه اندازی کرده است. عضو اصلی این خانواده از مدل های زبان بزرگ چند رسانه ای NVLM-D-72B نام دارد 72 میلیارد پارامتر عملکردی استثنایی در کارهای بصری و زبانی ارائه می دهد، در حالی که در عین حال قابلیت های متنی آن نیز افزایش یافته است.

محققان Nvidia در مقاله خود توضیح می دهند:

ما NVLM 1.0 را معرفی می‌کنیم، خانواده‌ای از مدل‌های زبان چندوجهی بزرگ که به نتایج پیشرفته‌ای در کارهای بینایی دست می‌یابد و با مدل‌های پیشرو (مانند GPT-4o) و سایر مدل‌های موجود رقابت می‌کند.»

ویژگی های مدل جدید هوش مصنوعی انویدیا

بر اساس گزارش های منتشر شده، NVLM-D-72B سازگاری بسیار خوبی در پردازش ورودی های بصری و متنی پیچیده نشان داد. در مقاله انویدیا، نمونه هایی ارائه شده است که توانایی مدل را در تفسیر میم ها، تجزیه و تحلیل تصاویر و حل گام به گام مسائل ریاضی نشان می دهد.

علاوه بر این، عملکرد مدل در زمینه وظایف متنی نیز بهبود یافته است. در واقع، دقت NVLM-D-72B در این زمینه 4.3 امتیاز در معیارهای کلیدی بهبود یافته است.

به نظر می رسد انویدیا با انتشار عمومی این مدل و وعده انتشار کد آموزشی آن، قصد دارد از روند قفل نگه داشتن سیستم های هوش مصنوعی پیشرفته فاصله بگیرد. تصمیمی که به محققان و توسعه دهندگان امکان دسترسی به فناوری های پیشرفته را می دهد و در نتیجه تحقیق و توسعه در زمینه هوش مصنوعی را سرعت می بخشد.

علاوه بر این، پروژه NVLM شامل طرح های معماری نوآورانه، از جمله رویکرد ترکیبی است که تکنیک های مختلف پردازش چند رسانه ای را با هم ترکیب می کند. چنین پیشرفتی می تواند جهت تحقیقات آینده را شکل دهد.

جامعه هوش مصنوعی نیز به طور کلی واکنش مثبتی به مدل جدید هوش مصنوعی انویدیا داشته است. محقق در زمینه هوش مصنوعی در شبکه های اجتماعی X او می گوید:

انویدیا به تازگی مدل 72B را منتشر کرده است که در ریاضیات و برنامه نویسی و همچنین قابلیت های بینایی با 3.1 Llama 405B برابری می کند.

با این حال، انتشار عمومی NVLM 1.0 خطرات خاص خود را دارد. با در دسترس قرار گرفتن مدل های قدرتمند هوش مصنوعی، نگرانی ها در مورد سوء استفاده از آنها افزایش می یابد.