model językowy

Rozwój dużych modeli językowych (LLM) przybiera dziś stosunkowo nowy kierunek. Zakres zrozumienia różnych zagadnień przez popularne chatboty staje się coraz lepszy, ale nie jest idealny. Jednak już teraz firmy pracują nad tym, aby modele AI były w stanie same obsługiwać komputer. Jedną z nich jest Anthropic, która udoskonaliła swój model Claude 3.5 Sonnet, aby mógł sprostać temu zadaniu. Przy okazji ogłoszono, że wkrótce stanie się dostępny model Claude 3.5 Haiku.

Sztuczna inteligencja (pojęcie, które ma szerokie znaczenie, a w tym temacie odnosi się do modeli językowych) rozwija się w naprawdę szybkim tempie, jednak wciąż widać, że jest to "twór" wymagający dopracowania. Wiele osób obawia się, że z czasem AI zabierze im stanowisko pracy. W jednym z ostatnich eksperymentów wykazano, że do tego jeszcze długa droga - a przynajmniej w kwestii streszczania i rozumienia treści, gdyż w tych aspektach ludzie wypadli o wiele lepiej.

Interakcje z postaciami niezależnymi w grach mogą w przyszłości zmienić się nie do poznania. Technologia NVIDIA ACE pozwoli bowiem rozmawiać z nimi w czasie rzeczywistym. Choć bazujące na sztucznej inteligencji rozwiązanie dopiero raczkuje, to zapowiedziano już jego implementację w pierwszej grze, czyli ciekawie zapowiadającym się Mecha BREAK. Na razie skala będzie bardzo ograniczona, tak jednak zaczynają zwykle wszystkie nowatorskie technologie.

Najważniejsza usługa od organizacji OpenAI, czyli ChatGPT, doczekała się nowej funkcji dla użytkowników, którzy korzystają z darmowej odsłony. Do tej pory możliwość generowania obrazów bezpośrednio w okienku czatu była dostępna jedynie dla abonentów planu ChatGPT Plus (20 dolarów miesięcznie). Od teraz będą mogli z niej korzystać wszyscy, natomiast bez uiszczenia opłaty będzie ona naprawdę znacząco ograniczona i bez trudu znajdziemy lepszą alternatywę.

W połowie maja 2024 roku OpenAI przedstawiło swój nowy model językowy o nazwie GPT-4o, a zarazem poinformowało o wprowadzeniu aplikacji ChatGPT na system macOS, która początkowo była dostępna jedynie dla osób subskrybujących plan ChatGPT Plus. Teraz sytuacja się zmieniła, ponieważ każdy użytkownik spełniający wymagania może już pobrać to oprogramowanie. Natomiast pewna funkcja, która została zapowiedziana już wcześniej, pojawi się dopiero za miesiąc.

Już wkrótce do ekosystemu firmy Apple zawitają usługi oparte na sztucznej inteligencji, które zbiorczo wejdą w skład pakietu Apple Intelligence. Przedsiębiorstwo pozwoli użytkownikom systemów iOS 18, iPadOS 18 oraz macOS Sequoia na skorzystanie nie tylko z ulepszonej asystentki Siri, ale również z modelu językowego od OpenAI, a mianowicie GPT-4o. Apple zintegruje z ekosystemem również inne modele AI, natomiast wśród nich nie znajdzie się Llama od Mety.

Usługi związane ze sztuczną inteligencją cały czas się rozwijają, a prym wśród nich wiodą chatboty, które są oparte na dużych modelach językowych (LLM). Najbardziej znanym jest oczywiście ten od firmy OpenAI, czyli ChatGPT, gdyż to on zapoczątkował całą rewolucję. Jednak chatboty mają wspólną cechę, która wiele osób skłania do tego, aby z nich nie korzystać - jest nią fakt, że wszystkie dane są przetwarzane w chmurze, więc nasze konwersacje z modelami językowymi nie są prywatne. Ba,...

Sztuczną inteligencję reklamuje się obecnie jako rewolucję, która przyniesie ludzkości same korzyści, wszak ma nam pomóc prowadzić łatwiejsze życie. Prawda jest jednak taka, że jest to aktualnie niedopracowany "produkt" — niczym demo, które sprzedawane jest jako pełna wersja. Natomiast firmy brną w zaparte i oferują AI, gdzie tylko jest to możliwe. Tym razem Google boleśnie przekonało się (po raz kolejny), że takie działania często mają negatywne skutki.

Rozwój sztucznej inteligencji niesie ze sobą nie tylko korzyści, ale także poważne zagrożenia. Jednym z nich jest potencjalna możliwość naruszenia praw autorskich. Z taką sytuacją możemy mieć do czynienia w przypadku głosu Sky, który wykorzystuje ChatGPT. Firma OpenAI zdecydowała się go wycofać na czas nieokreślony po tym, gdy wiele osób dopatrzyło się zbytnich podobieństw do głosu, którym operuje znana aktorka - Scarlett Johansson.

OpenAI zaprezentowało właśnie nowy model językowy GPT-4o (omni), z którego możemy skorzystać już teraz poprzez usługę ChatGPT. Nowość jest w stanie szybciej generować odpowiedzi i lepiej analizować przesyłane materiały, a przy tym ma dostęp do internetu. Już wkrótce zostanie udostępniony nowy tryb, który wprowadzi konwersację głosową na niemal ludzkim poziomie. Niestety z GPT-4o można korzystać obecnie tylko w nieco ograniczonym zakresie.

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.