Новият AI модел на Nvidia е мултимодален, с отворен код и не отстъпва на GPT-4

Nvidia представи новата фамилия големи мултимодални езикови модели NVLM 1.0, включително NVLM-D-72B със 72 милиарда параметри. Моделите демонстрират висока производителност при широк спектър от задачи, като машинно зрение, създаване на програмен код, анализ на изображения, решаване на математически задачи и генериране на текст. Изглежда, че лидерите в бранша, начело с OpenAI и Google, ще трябва да се мобилизират, за да се справят с новопявилата се конкуренция.

„Представяме NVLM 1.0 - фамилията от авангардни мултимодални големи езикови модели, които постигат впечатляващи резултати в областта на машинното зрение и езиковите задачи, конкурирайки се с водещите патентовани модели (включително с GPT-4o) и моделите със свободен достъп", твърдят разработчиците на Nvidia. Според тях отвореният код осигурява на изследователите и разработчиците безпрецедентен достъп до начина на работа на AI и до най-съвременните технологии.

Флагманският модел NVLM-D-72B демонстрира адаптивност при обработката на сложни визуални и текстови входни данни. Изследователите подчертават способността на модела да интерпретира мемове, да анализира изображения и да решава стъпка по стъпка сложни математически задачи. Разработчиците отбелязват също, че NVLM-D-72B подобрява представянето си в текстовите задачи след мултимодално обучение, за разлика от повечето подобни модели.

Проектът NVLM представя и иновативни архитектурни решения, включително хибриден подход, който съчетава различни методи за мултимодална обработка. Според изследователи от трети страни моделът NVLM-D-72B е „наравно с Llama 3.1 405B в областта на математиката и кодирането, както и на зрението“.

Представянето на NVLM 1.0 от страна на Nvidia бележи повратна точка в развитието на изкуствения интелект. Отваряйки изходния код на модел, който съперничи на патентованите гиганти, Nvidia не просто споделя кода - тя отправя предизвикателство към самата структура на AI индустрията. Благодарение на Nvidia множество по-малки организации и независими изследователи ще могат да допринесат в много по-голяма степен за развитието на AI, което може да постави началото на ера на безпрецедентно сътрудничество и иновации в сферата на изкуствения интелект.

Този ход може да предизвика верижна реакция - други лидери в областта на AI също ще трябва да отворят своите изследвания, което може да ускори напредъка на изкуствения интелект (AI) във всички области.

Трябва да се отбележи, че пускането на NVLM 1.0 не е лишено от рискове. Тъй като мощният AI става все по-достъпен, нарастват и опасенията за злоупотреба с него и възможните етични последици. AI общността вече се сблъсква с необходимостта от отговорно използване на новите технологии.

Едно нещо е сигурно: политиката на Nvidia по отношение на AI ще се отрази на цялата индустрия. Единственият въпрос е колко драстично ще бъде нейното въздействие и дали конкурентите ще успеят да се адаптират достатъчно бързо, за да успеят в този нов свят на отворения изкуствен интелект.