model językowy

Praktycznie najpopularniejszy program do obróbki grafiki doczekał się aktualizacji, która umożliwia mu skorzystanie z nowych funkcji. Od teraz Adobe Photoshop w wersji beta korzysta z mocy modelu obrazu Adobe Firefly 3, który pozwala nie tylko generować grafiki o lepszej jakości, ale także jest dużo bardziej wszechstronny. Użytkownicy mogą już używać obrazów odniesienia, generować całe grafiki na pustych obrazach, a także tworzyć podobne obiekty do wskazanych.

Spośród obecnych modeli językowych wyróżnia się te o naprawdę dużych możliwościach, które charakteryzują się wysoką liczbą parametrów, a także ich mniejsze odpowiedniki. Do tej drugiej grupy należą rozwiązania, które nie wymagają do działania bardzo wydajnych urządzeń, ponieważ są w stanie funkcjonować nawet na smartfonach. Właśnie w tym segmencie pojawiła się kolejna generacja modeli od Microsoftu — tytułowa Phi-3.

Stojące za usługą ChatGPT modele językowe GPT-3.5 i GPT-4 wymagały olbrzymiej ilości danych, żeby osiągnąć obecny poziom zaawansowania. Trening opierał się na treściach z różnych źródeł, ale niektóre z nich mogą wydawać się nieco kontrowersyjne i niezbyt zgodne z poszanowaniem praw autorskich. Jednym z takich przypadków są materiały wideo z YouTube. OpenAI przygotowało w tym celu specjalne oprogramowanie, a Google miało nie sprzeciwiać się takim praktykom.

Duże modele językowe (LLM) leżą u podstaw wszystkich chatbotów do ogólnego użytku, takich jak ChatGPT, czy też Gemini. Jednak istnieją także warianty, które są bardziej wyszkolone w jakiejś dziedzinie, dzięki czemu mogą się okazać przydatniejsze dla konkretnych osób. Tak właśnie jest w przypadku nowej rodziny LLM o nazwie StarCoder2, która ma służyć jako pomoc dla programistów w pisaniu i edycji kodu. W projekt zaangażowana jest NVIDIA, Hugging Face i ServiceNow.

Chatbot Google Bard od samego początku nie miał dobrej passy. Już podczas swojego debiutu pokazał, że może się często mylić. Ta opinia ciągnęła się za nim dość długo i mimo że kolejne aktualizacje nieco usprawniały jego działanie, to usługa nadal odstawała od konkurencji. Przyszedł więc czas na odświeżenie wizerunku - Google Bard oficjalnie przeobraża się w Gemini. Zwiększone zostały możliwości oraz szybkość działania chatbota. Niestety za pełną funkcjonalność trzeba zapłacić.

Aktualny poziom usług opartych na sztucznej inteligencji pozwala osiągnąć naprawdę sporo w wielu dziedzinach. Sprawnie funkcjonujące duże modele językowe (LLM), czy też zaawansowane naśladowanie czyjegoś głosu, to dziś chleb powszedni. Najnowsze zdobycze technologii postanowili wypróbować pracownicy z firmy Boston Dynamics, którzy specjalizują się w dziedzinie robotyki. Ich urządzenia pokazywały już swoje możliwości w zakresie ruchu (jak choćby roboty, które potrafiły zrobić salto), natomiast...

Jednym z elementarnych składników niektórych usług, które zwykliśmy nazywać "sztuczną inteligencją", są modele językowe. To właśnie w oparciu o nie działają takie rozwiązania jak ChatGPT, Google Bard i inne, które zaliczamy do chatbotów. Dokładniej mówiąc, każde z nich składa się z wytrenowanego dużego modelu językowego (LLM), który różni się od siebie parametrami (czyli mówiąc ogólniej - możliwościami). Obecna generacja ChatGPT funkcjonuje poprzez model GPT 3,5 ze 175 mld parametrów....

Duże modele językowe oparte na algorytmach sztucznej inteligencji rozwijane są coraz bardziej. Dzisiaj korzystamy z wielu usług, które są na nich oparte, z kolei inne są w trakcie opracowywania. Jedną z nich jest Med-PaLM 2 od Google. Zaprezentowany w tym roku model sztucznej inteligencji jest wykorzystywany do "zasilania" medycznego chatbota, który ma za zadanie pomagać pacjentom i udzielać im porad zdrowotnych. Na tym polu radzi sobie nawet lepiej niż dobrze.

GPT-4, a więc kolejna generacja modelu językowego sztucznej inteligencji, zaprezentowany został w połowie marca tego roku. Jest to tak zwany duży model językowy (LLM - Large Language Model), w dodatku multimodalny, co oznacza, że oprócz tekstu może przyjmować także inne typy danych: obrazy, dźwięki, animacje czy filmy wideo. Jak się okazuje, całkiem nieźle spisuje się także jako gracz Minecrafta.

Zaledwie kilka tygodni temu Elon Musk w pełni wspierał apel o wstrzymanie rozwoju sztucznej inteligencji na co najmniej sześć miesięcy. Teraz wiele wskazuje na to, że należący do multimiliardera serwis Twitter planuje stworzenie rywala dla usług ChatGPT i Bing Chat. Z inicjatywą taką miał wyjść sam Musk, a do jej realizacji ma posłużyć pokaźna liczba układów graficznych, które napędzają tego typu przedsięwzięcia. GPU zostały już zakupione i czekają na wdrożenie.

Modeli językowych bądź tych opartych na algorytmach sztucznej inteligencji z dnia na dzień mamy coraz więcej. Co do tych drugich, to zaledwie wczoraj (5 kwietnia 2023 r.) Meta zaprezentowała model nazwany SAM (Segment Anything Model), który z dużą dokładnością potrafi analizować materiały foto i wideo, a następnie izolować z nich poszczególne obiekty. Cały proces nazywany segmentacją obrazu, nie jest czymś nowym, jednak teraz ma przebiegać dużo wydajniej.

Dział SI cały czas się rozwija wręcz w błyskawicznym tempie. Nie tak dawno słyszeliśmy o tym, jak Meta zaprezentowała swoje rozwiązanie, a już mamy do czynienia z następnym modelem językowym. Tym razem jednak Microsoft postanowił skupić się na tzw. multimodalnym modelu. W przeciwieństwie do GPT-3 i LLAMA, potrafi on analizować to, co znajduje się na zdjęciach oraz udzielać na ich podstawie odpowiedzi. Już we wstępnej fazie rozwoju potrafi zaskakiwać.

Wyścig o dominację na rynku zaczęty przez OpenAI trwa. Kolejne firmy dołączają do niego, starając się wybić z tłumu i zająć odpowiednią pozycję. Tym razem do akcji wkroczyła Meta. Przedstawiła swoje cztery modele językowe, z których jeden uzyskuje lepsze wyniki, niż GPT-3. Wszystko to przy mniejszej liczbie parametrów oraz rozmiarze. Otwiera więc możliwości, aby w niedalekiej przyszłości być dostępnym na naszych urządzeniach przenośnych.