الذكاء الاصطناعي
إطلاق Liquid AI لنماذج Liquid Foundation: مُحَوَّل اللعبة في الذكاء الاصطناعي التوليدي
في إعلان رائد، أطلقت Liquid AI، وهي شركة فرعية لجامعة MIT، أول سلسلة من نماذج Liquid Foundation (LFMs). تم تصميم هذه النماذج من المبادئ الأولى، وتحدد معيارًا جديدًا في مجال الذكاء الاصطناعي التوليدي، وتقدم أداءً غير مسبوق عبر مختلف المقاييس. النماذج LFMs، مع هندستها المبتكرة وقدراتها المتقدمة، هي على وشك تحدي نماذج الذكاء الاصطناعي الرائدة في الصناعة، بما في ذلك ChatGPT.
تم تأسيس Liquid AI بواسطة فريق من الباحثين في MIT، بمن فيهم Ramin Hasani، Mathias Lechner، Alexander Amini، وDaniela Rus. يقع المقر الرئيسي للشركة في بوسطن، ماساتشوستس، وتهدف إلى إنشاء أنظمة ذكاء اصطناعي قادرة وفعالة لجميع الشركات. قام الفريق في الأصل بتطوير شبكات الأعصون السائلة، وهي فئة من نماذج الذكاء الاصطناعي التي تستلهم من ديناميات الدماغ، والآن تهدف إلى توسيع قدرات أنظمة الذكاء الاصطناعي في جميع المقاييس، من الأجهزة الحرفية إلى التطبيقات التجارية.
ما هي نماذج Liquid Foundation (LFMs)؟
تمثل نماذج Liquid Foundation جيلًا جديدًا من أنظمة الذكاء الاصطناعي التي تتمتع بكفاءة عالية في استخدام الذاكرة والقوة الحاسوبية. تم بناؤها على أساس في النظم الديناميكية ومعالجة الإشارات والجبر الخطي العددي، هذه النماذج مصممة لمعالجة أنواع مختلفة من البيانات التسلسلية – مثل النص والفيديو والصوت والإشارات – بدقة ملحوظة.
لقد طورت Liquid AI ثلاثة نماذج لغة رئيسية كجزء من هذا الإطلاق:
- LFM-1B: نموذج كثيف مع 1.3 مليار معامل، محسّن للبيئات التي تعاني من قيود الموارد.
- LFM-3B: نموذج يحتوي على 3.1 مليار معامل، مثالي للتطبيقات على الحواف، مثل التطبيقات المحمولة.
- LFM-40B: نموذج خبير مزيج يحتوي على 40.3 مليار معامل، مصمم لمعالجة المهام المعقدة بأداء استثنائي.
لقد أظهرت هذه النماذج بالفعل نتائج رائدة في مجال الذكاء الاصطناعي، مما يجعلها منافسًا قويًا لنماذج الذكاء الاصطناعي التوليدي الحالية.
أداء رائد
تُقدم نماذج Liquid AI LFMs أداءً رائدًا عبر مختلف المقاييس. على سبيل المثال، LFM-1B يتفوق على نماذج الترانسفورمر في فئته الحجمية، في حين أن LFM-3B يتنافس مع نماذج أكبر مثل Microsoft’s Phi-3.5 و Meta’s Llama series. نموذج LFM-40B، على الرغم من حجمه، يُعد كفؤًا بدرجة كافية لمواجهة نماذج بأعداد معاملات أكبر، مع تقديم توازن فريد بين الأداء والكفاءة في استخدام الموارد.
بعض الإنجازات المهمة لأداء LFM تشمل:
- LFM-1B: يُهيمن على المقاييس مثل MMLU وARC-C، ويسدد معيارًا جديدًا لنماذج 1B المعامل.
- LFM-3B: يتفوق على نماذج مثل Phi-3.5 وGoogle’s Gemma 2 في الكفاءة، مع الحفاظ على بصمة ذاكرة صغيرة، مما يجعله مثاليًا للتطبيقات المحمولة وتطبيقات الحواف.
- LFM-40B: يُقدم هيكل الخبراء في هذا النموذج أداءً قابلاً للمقارنة مع النماذج الأكبر، مع 12 مليار معامل نشط في أي وقت معين.
عصر جديد في كفاءة الذكاء الاصطناعي
تُعد إحدى التحديات الكبيرة في الذكاء الاصطناعي الحديثة هي إدارة الذاكرة والحوسبة، خاصة عند العمل مع مهام سياق طويل مثل تلخيص الوثائق أو تفاعلات الدردشة. تتفوق نماذج LFMs في هذا المجال من خلال ضغط البيانات الإدخالية بفعالية، مما يؤدي إلى تقليل استهلاك الذاكرة أثناء الاستدلال. هذا يسمح للنماذج بمعالجة تسلسلات أطول دون الحاجة إلى ترقيات الأجهزة باهظة الثمن.
على سبيل المثال، LFM-3B يُقدم طول سياق 32k رمز – مما يجعله واحدًا من النماذج الأكثر كفاءة لمهام تتطلب معالجة كميات كبيرة من البيانات في نفس الوقت.
هندسة ثورية
تُبنى نماذج LFMs على إطار هندسي فريد، يختلف عن نماذج الترانسفورمر التقليدية. يركز الهيكل على مشغلات خطية متكيفة، التي تُعدل الحوسبة بناءً على البيانات الإدخالية. هذا النهج يسمح لشركة Liquid AI بتحسين الأداء بشكل كبير عبر منصات الأجهزة المختلفة، بما في ذلك NVIDIA وAMD وCerebras وApple.
يُشمل فضاء التصميم لنماذج LFMs مزيجًا جديدًا من هياكل خلط الرموز و هياكل خلط القنوات التي تحسن من كيفية معالجة النموذج للبيانات. هذا يؤدي إلى قدرات عامة وreasoning متفوقة، خاصة في المهام ذات السياق الطويل والتطبيقات متعددة الوسائط.
توسيع حدود الذكاء الاصطناعي
لدي شركة Liquid AI طموحات كبيرة لنماذج LFMs. إلى جانب نماذج اللغة، تعمل الشركة على توسيع نماذج الأساس لدعم أنواع مختلفة من البيانات، بما في ذلك الفيديو والصوت وبيانات السلاسل الزمنية. ستسمح هذه التطورات لنماذج LFMs بالتوسع عبر مختلف الصناعات، مثل الخدمات المالية والتقانة الحيوية والالكترونيات الاستهلاكية.
كما تركز الشركة على المساهمة في مجتمع العلوم المفتوحة. في حين أن النماذج نفسها ليست مفتوحة المصدر في الوقت الحالي، تخطط شركة Liquid AI لنشر النتائج البحثية والأساليب ومجموعات البيانات ذات الصلة إلى مجتمع الذكاء الاصطناعي الأوسع، مما يشجع على التعاون والابتكار.
الوصول المبكر والاعتماد
تُقدم شركة Liquid AI حاليًا الوصول المبكر إلى نماذج LFMs من خلال منصات مختلفة، بما في ذلك Liquid Playground و Lambda (واجهة المستخدم الدردشة وAPI) و Perplexity Labs. يمكن للشركات التي تسعى إلى دمج أنظمة الذكاء الاصطناعي المتقدمة في عملياتها استكشاف إمكانات نماذج LFMs عبر مختلف بيئات التوزيع، من الأجهزة الحرفية إلى الحلول المحلية.
تُشجع شركة Liquid AI من خلال نهجها المفتوح للعلوم المبكرين على مشاركة تجاربهم وأفكارهم. الشركة نشطة في البحث عن الملاحظات لتحسين وتحسين نماذجها لتطبيقات العالم الحقيقي. يمكن للمطورين والمنظمات المهتمة بالانضمام إلى هذه الرحلة أن تساهم في جهود اختبار الحدود وتساعد شركة Liquid AI على تحسين أنظمها للذكاء الاصطناعي.
الخلاصة
يُشكل إطلاق نماذج Liquid Foundation علامة فارقة في مشهد الذكاء الاصطناعي. مع التركيز على الكفاءة والتعديل والأداء، تُعد نماذج LFMs على وشك إعادة تشكيل الطريقة التي تتبعها الشركات في دمج الذكاء الاصطناعي.随着 اعتماد المزيد من المنظمات لهذه النماذج، من المحتمل أن تصبح رؤية شركة Liquid AI لأنظمة الذكاء الاصطناعي الشاملة والقابلة للتوسيع ركنًا أساسيًا للعصر القادم من الذكاء الاصطناعي.
إذا كنت مهتمًا باستكشاف إمكانات نماذج LFMs لمنظمتك، تدعو شركة Liquid AI إلى التواصل والانضمام إلى المجتمع المتزايد من المبكرين الذين ي塑ون مستقبل الذكاء الاصطناعي.
لمزيد من المعلومات، زوروا موقع شركة Liquid AI وبدء التجربة مع نماذج LFMs اليوم.
