Lanzamiento de Liquid AI de Liquid Foundation Models: Un juego cambiador en la IA generativa

En un anuncio innovador, Liquid AI, una empresa derivada del MIT, ha presentado su primera serie de Liquid Foundation Models (LFMs). Estos modelos, diseñados desde principios básicos, establecen un nuevo estándar en el espacio de la IA generativa, ofreciendo un rendimiento sin precedentes en diversas escalas. Los LFMs, con su arquitectura innovadora y capacidades avanzadas, están en condiciones de desafiar a los modelos de IA líderes en la industria, incluido ChatGPT.

Liquid AI fue fundada por un equipo de investigadores del MIT, incluidos Ramin Hasani, Mathias Lechner, Alexander Amini y Daniela Rus. Con sede en Boston, Massachusetts, la misión de la empresa es crear sistemas de IA capaces y eficientes para empresas de todos los tamaños. El equipo originalmente pionero en redes neuronales líquidas, una clase de modelos de IA inspirados en la dinámica cerebral, y ahora tiene como objetivo ampliar las capacidades de los sistemas de IA en todas las escalas, desde dispositivos de borde hasta despliegues de nivel empresarial.

¿Qué son los Liquid Foundation Models (LFMs)?

Los Liquid Foundation Models representan una nueva generación de sistemas de IA que son altamente eficientes en términos de uso de memoria y potencia computacional. Construidos con una base en sistemas dinámicos, procesamiento de señales y álgebra lineal numérica, estos modelos están diseñados para manejar varios tipos de datos secuenciales, como texto, video, audio y señales, con una precisión notable.

Liquid AI ha desarrollado tres modelos de lenguaje principales como parte de este lanzamiento:

• LFM-1B: Un modelo denso con 1.300 millones de parámetros, optimizado para entornos con recursos limitados.
• LFM-3B: Un modelo de 3.100 millones de parámetros, ideal para escenarios de despliegue de borde, como aplicaciones móviles.
• LFM-40B: Un modelo de 40.300 millones de parámetros Mixture of Experts (MoE) diseñado para manejar tareas complejas con un rendimiento excepcional.

Estos modelos ya han demostrado resultados de vanguardia en diversas pruebas de IA, lo que los convierte en un competidor formidable para los modelos de IA generativa existentes.

Rendimiento de vanguardia

Los LFMs de Liquid AI ofrecen un rendimiento de vanguardia en diversas pruebas. Por ejemplo, LFM-1B supera a los modelos basados en transformadores en su categoría de tamaño, mientras que LFM-3B compite con modelos más grandes como Microsoft’s Phi-3.5 y Meta’s Llama series. El modelo LFM-40B, a pesar de su tamaño, es lo suficientemente eficiente como para rivalizar con modelos con cuentas de parámetros aún más grandes, ofreciendo un equilibrio único entre rendimiento y eficiencia de recursos.

Algunos aspectos destacados del rendimiento de LFM incluyen:

• LFM-1B: Domina pruebas como MMLU y ARC-C, estableciendo un nuevo estándar para modelos de 1B de parámetros.
• LFM-3B: Supera a modelos como Phi-3.5 y Google’s Gemma 2 en eficiencia, mientras mantiene una pequeña huella de memoria, lo que lo hace ideal para aplicaciones de IA móviles y de borde.
• LFM-40B: La arquitectura MoE de este modelo ofrece un rendimiento comparable a modelos más grandes, con 12.000 millones de parámetros activos en cualquier momento.

Una nueva era en la eficiencia de la IA

Un desafío significativo en la IA moderna es la gestión de la memoria y la computación, particularmente cuando se trabaja con tareas de contexto largo como la resumen de documentos o las interacciones de chatbot. Los LFMs destacan en este área al comprimir eficientemente los datos de entrada, lo que resulta en una reducción del consumo de memoria durante la inferencia. Esto permite que los modelos procesen secuencias más largas sin necesidad de actualizaciones de hardware costosas.

Por ejemplo, LFM-3B ofrece una longitud de contexto de 32k tokens, lo que lo convierte en uno de los modelos más eficientes para tareas que requieren grandes cantidades de datos para ser procesados simultáneamente.

Una arquitectura revolucionaria

Los LFMs se basan en un marco arquitectónico único, que se desvía de los modelos de transformadores tradicionales. La arquitectura se centra en operadores lineales adaptativos, que modulan la computación en función de los datos de entrada. Este enfoque permite a Liquid AI optimizar significativamente el rendimiento en diversas plataformas de hardware, incluyendo NVIDIA, AMD, Cerebras y Apple.

El espacio de diseño para los LFMs implica una mezcla novedosa de estructuras de mezcla de tokens y estructuras de mezcla de canales que mejoran la forma en que el modelo procesa los datos. Esto conduce a capacidades de generalización y razonamiento superiores, particularmente en tareas de contexto largo y aplicaciones multimodales.

Ampliando la frontera de la IA

Liquid AI tiene ambiciones grandiosas para los LFMs. Más allá de los modelos de lenguaje, la empresa está trabajando en ampliar sus modelos de base para admitir varios tipos de datos, incluidos video, audio y datos de series temporales. Estos avances permitirán que los LFMs se escalen en múltiples industrias, como servicios financieros, biotecnología y electrónica de consumo.

La empresa también se centra en contribuir a la comunidad científica abierta. Aunque los modelos en sí no son de código abierto en este momento, Liquid AI planea publicar hallazgos de investigación relevantes, métodos y conjuntos de datos a la comunidad de IA más amplia, fomentando la colaboración y la innovación.

Acceso temprano y adopción

Liquid AI está ofreciendo actualmente acceso temprano a sus LFMs a través de varias plataformas, incluyendo Liquid Playground, Lambda (Chat UI y API), y Perplexity Labs. Las empresas que buscan integrar sistemas de IA de vanguardia en sus operaciones pueden explorar el potencial de los LFMs en diferentes entornos de despliegue, desde dispositivos de borde hasta soluciones de nivel empresarial.

El enfoque de ciencia abierta de Liquid AI anima a los adoptantes tempranos a compartir sus experiencias e ideas. La empresa está buscando activamente comentarios para perfeccionar y optimizar sus modelos para aplicaciones del mundo real. Los desarrolladores y organizaciones interesados en formar parte de este viaje pueden contribuir a los esfuerzos de pruebas y ayudar a Liquid AI a mejorar sus sistemas de IA.

Conclusión

El lanzamiento de los Liquid Foundation Models marca un avance significativo en el panorama de la IA. Con un enfoque en la eficiencia, la adaptabilidad y el rendimiento, los LFMs están en condiciones de cambiar la forma en que las empresas abordan la integración de la IA. A medida que más organizaciones adopten estos modelos, la visión de Liquid AI de sistemas de IA de propósito general y escalables probablemente se convertirá en un pilar de la próxima era de la inteligencia artificial.

Si está interesado en explorar el potencial de los LFMs para su organización, Liquid AI lo invita a ponerse en contacto y unirse a la creciente comunidad de adoptantes tempranos que están dando forma al futuro de la IA.

Para obtener más información, visite el sitio web oficial de Liquid AI y comience a experimentar con los LFMs hoy.