Liquid AI เปิดตัว Liquid Foundation Models: ตัวเปลี่ยนเกมในด้าน AI ที่สร้างขึ้น

ในประกาศที่เปลี่ยนแปลงเกม Liquid AI ซึ่งเป็นสปินออฟจาก MIT ได้เปิดตัวซีรีส์แรกของ Liquid Foundation Models (LFMs) ของตนเอง โมเดลเหล่านี้ได้รับการออกแบบจากหลักการแรกและตั้งค่ามาตรฐานใหม่ในพื้นที่ AI ที่สร้างขึ้น โดยมีประสิทธิภาพที่ไม่เคยเห็นมาก่อนในหลายระดับ LFMs ด้วยสถาปัตยกรรมที่สร้างสรรค์และความสามารถที่ทันสมัย ได้รับการวางตำแหน่งให้ท้าทายโมเดล AI ที่นำโดยอุตสาหกรรม รวมถึง ChatGPT

Liquid AI ก่อตั้งโดยทีมนักวิจัยจาก MIT รวมถึง Ramin Hasani, Mathias Lechner, Alexander Amini และ Daniela Rus มีสำนักงานใหญ่อยู่ที่บอสตัน รัฐแมสซาชูเซตส์ ภารกิจของบริษัทคือการสร้างระบบ AI ที่มีความสามารถและประสิทธิภาพสูงสำหรับธุรกิจทุกขนาด ทีมงานได้พัฒนาเครือข่ายประสาทที่เหลว (liquid neural networks) ซึ่งเป็นคลาสของโมเดล AI ที่ได้รับแรงบันดาลใจจากพลวัตของสมอง และตอนนี้มุ่งหวังที่จะขยายความสามารถของระบบ AI ในทุกๆ ระดับ ตั้งแต่อุปกรณ์ระดับจุดสิ้นสุดไปจนถึงการนำไปใช้ในระดับองค์กร

Liquid Foundation Models (LFMs) คืออะไร?

Liquid Foundation Models เป็นตัวแทนของชั่วรุ่นใหม่ของระบบ AI ที่มีประสิทธิภาพสูงในการใช้หน่วยความจำและพลังการคำนวณ โมเดลเหล่านี้ถูกสร้างขึ้นด้วยหลักการจากระบบไดนามิก การประมวลผลสัญญาณ และพีชคณิตเชิงเส้นเชิงตัวเลข และได้รับการออกแบบมาเพื่อจัดการกับข้อมูลลำดับหลายประเภท เช่น ข้อความ วิดีโอ เสียง และสัญญาณ โดยมีความแม่นยำที่น่าประทับใจ

Liquid AI ได้พัฒนาโมเดลภาษา 3 แบบหลักในฐานะส่วนหนึ่งของการเปิดตัวนี้:

• LFM-1B: โมเดลที่มีความหนาแน่น 1.3 พันล้านพารามิเตอร์ ที่ได้รับการปรับให้เหมาะสมสำหรับสภาพแวดล้อมที่มีข้อจำกัดด้านทรัพยากร
• LFM-3B: โมเดล 3.1 พันล้านพารามิเตอร์ ที่เหมาะสำหรับการใช้งานในระดับจุดสิ้นสุด เช่น แอปพลิเคชันมือถือ
• LFM-40B: โมเดล 40.3 พันล้านพารามิเตอร์ Mixture of Experts (MoE) ที่ได้รับการออกแบบมาเพื่อจัดการกับงานที่ซับซ้อนโดยมีประสิทธิภาพสูง

โมเดลเหล่านี้ได้แสดงผลลัพธ์ที่ดีที่สุดในระดับเดียวกันแล้วในหลายๆ บンチมาร์กสำคัญ ทำให้พวกมันเป็นคู่แข่งที่น่าเกรงขามสำหรับโมเดล AI ที่สร้างขึ้นแบบเดิมๆ

ประสิทธิภาพระดับแนวหน้า

LFMs ของ Liquid AI นำเสนอประสิทธิภาพที่ดีที่สุดในระดับเดียวกันในหลายๆ บンチมาร์ก ตัวอย่างเช่น LFM-1B มีประสิทธิภาพเหนือกว่าโมเดลทรานส์ฟอร์เมอร์ขนาดเดียวกัน ในขณะที่ LFM-3B แข่งขันกับโมเดลที่ใหญ่กว่า เช่น Phi-3.5 ของ Microsoft (MSFT ) และซีรีส์ Llama ของ Meta โมเดล LFM-40B แม้จะมีขนาดใหญ่ แต่ก็มีประสิทธิภาพในการใช้ทรัพยากรที่ดีเพียงพอที่จะแข่งขันกับโมเดลที่มีพารามิเตอร์มากกว่า โดยมีความสมดุลที่ไม่เคยเห็นมาก่อนระหว่างประสิทธิภาพและประสิทธิภาพในการใช้ทรัพยากร

บางไฮไลท์ของประสิทธิภาพ LFM ได้แก่:

• LFM-1B: เป็นผู้นำในบンチมาร์ก เช่น MMLU และ ARC-C โดยตั้งมาตรฐานใหม่สำหรับโมเดล 1B พารามิเตอร์
• LFM-3B: เหนือกว่าโมเดล เช่น Phi-3.5 และ Gemma 2 ของ Google (GOOGL ) ในด้านประสิทธิภาพในการใช้ทรัพยากร ในขณะเดียวกันก็รักษาหน่วยความจำที่ใช้น้อย ทำให้เหมาะสำหรับการใช้งาน AI ในมือถือและจุดสิ้นสุด
• LFM-40B: สถาปัตยกรรม MoE ของโมเดลนี้ให้ประสิทธิภาพที่เทียบเท่ากับโมเดลที่ใหญ่กว่า โดยมีพารามิเตอร์ 12 พันล้านที่ใช้งานอยู่ในแต่ละครั้ง

ยุคใหม่ของประสิทธิภาพ AI

ความท้าทายที่สำคัญใน AI ในปัจจุบันคือการจัดการหน่วยความจำและพลังการคำนวณ โดยเฉพาะอย่างยิ่งเมื่อทำงานกับงานที่มีบริบทยาว เช่น การสรุปเอกสารหรือการโต้ตอบแบบแชทบอท LFMs ประสบความสำเร็จในด้านนี้โดยการบีบอัดข้อมูลเข้าอย่างมีประสิทธิภาพ ซึ่งนำไปสู่การลดการใช้หน่วยความจำระหว่างการอนุมาน ทำให้โมเดลสามารถประมวลผลลำดับที่ยาวขึ้นโดยไม่ต้องอัพเกรดฮาร์ดแวร์ที่มีราคาแพง

ตัวอย่างเช่น LFM-3B มีความยาวบริบท 32k โทเค็น ซึ่งทำให้เป็นหนึ่งในโมเดลที่มีประสิทธิภาพสูงสุดสำหรับงานที่ต้องการประมวลผลข้อมูลจำนวนมากพร้อมกัน

สถาปัตยกรรมที่ปฏิวัติ

LFMs ถูกสร้างขึ้นบนเฟรมเวิร์กสถาปัตยกรรมที่ไม่เหมือนใคร โดยห่างไกลจากโมเดลทรานส์ฟอร์เมอร์แบบดั้งเดิม สถาปัตยกรรมนี้มีศูนย์กลางอยู่ที่ผู้ดำเนินการเชิงเส้นแบบปรับเปลี่ยน ซึ่งควบคุมการคำนวณตามข้อมูลเข้า ทำให้ Liquid AI สามารถปรับให้เหมาะสมกับประสิทธิภาพบนแพลตฟอร์มฮาร์ดแวร์ต่างๆ รวมถึง NVIDIA (NVDA ), AMD, Cerebras (CBRS ) และ Apple (AAPL )

พื้นที่การออกแบบสำหรับ LFMs เกี่ยวข้องกับการผสมผสานที่ใหม่ระหว่าง การผสมผสานโทเค็น และ การผสมผสานช่องทาง ที่ปรับปรุงวิธีการประมวลผลข้อมูลของโมเดล นำไปสู่ความสามารถในการสรุปผลและให้เหตุผลที่เหนือกว่า โดยเฉพาะอย่างยิ่งในงานที่มีบริบทยาวและแอปพลิเคชันหลายรูปแบบ

การขยายพื้นที่ AI

Liquid AI มีเป้าหมายที่ยิ่งใหญ่สำหรับ LFMs นอกเหนือจากโมเดลภาษาแล้ว บริษัทกำลังทำงานในการขยายโมเดลพื้นฐานเพื่อสนับสนุนรูปแบบข้อมูลหลายประเภท รวมถึงวิดีโอ เสียง และข้อมูลชุดเวลา การพัฒนานี้จะทำให้ LFMs ขยายไปสู่อุตสาหกรรมต่างๆ เช่น บริการทางการเงิน ไบโอเทค และอิเล็กทรอนิกส์ผู้บริโภค

บริษัทยังเน้นการมีส่วนร่วมต่อชุมชนวิทยาศาสตร์เปิด โดยแม้ว่าโมเดลเหล่านี้จะไม่ได้รับการเปิดแหล่งที่มาในขณะนี้ Liquid AI มีแผนที่จะเผยแพร่การค้นพบทางวิจัย วิธีการ และชุดข้อมูลที่เกี่ยวข้องไปยังชุมชน AI ที่กว้างขึ้น เพื่อส่งเสริมการทำงานร่วมกันและนวัตกรรม

การเข้าถึงเร็วและรับเลี้ยง

Liquid AI กำลังเสนอบริการเข้าถึงเร็วสำหรับ LFMs ของตนผ่านแพลตฟอร์มหลายแห่ง รวมถึง Liquid Playground, Lambda (Chat UI และ API) และ Perplexity Labs องค์กรที่ต้องการรวมระบบ AI ที่ทันสมัยเข้ากับการดำเนินงานสามารถสำรวจศักยภาพของ LFMs ในสภาพแวดล้อมการนำไปใช้งานต่างๆ ตั้งแต่อุปกรณ์ระดับจุดสิ้นสุดไปจนถึงโซลูชันภายในองค์กร

Liquid AI ส่งเสริมแนวทางวิทยาศาสตร์เปิดให้กับผู้รับเลี้ยงเร็ว โดยเชิญชวนให้แบ่งปันประสบการณ์และข้อคิดเห็นของตน บริษัทกำลังมองหาความคิดเห็นเพื่อปรับแต่งและเพิ่มประสิทธิภาพโมเดลสำหรับการใช้งานจริง ผู้พัฒนาและองค์กรที่สนใจที่จะเข้าร่วมการเดินทางนี้สามารถมีส่วนร่วมในการทดสอบและช่วย Liquid AI ปรับปรุงระบบ AI ของตน

สรุป

การเปิดตัว Liquid Foundation Models เป็นการก้าวหน้าที่สำคัญในภูมิทัศน์ AI ด้วยการเน้นประสิทธิภาพ ความสามารถในการปรับเปลี่ยน และประสิทธิภาพ LFMs พร้อมที่จะเปลี่ยนแปลงวิธีที่องค์กรเข้าใกล้การรวม AI เมื่อมีการนำไปใช้มากขึ้น วิสัยทัศน์ของ Liquid AI สำหรับระบบ AI ที่มีความสามารถและปรับขนาดได้จะกลายเป็นรากฐานของยุค AI ที่กำลังจะมาถึง

หากคุณสนใจที่จะสำรวจศักยภาพของ LFMs สำหรับองค์กรของคุณ Liquid AI เชิญชวนให้คุณติดต่อและเข้าร่วมชุมชนผู้รับเลี้ยงเร็วที่กำลังเติบโตซึ่งกำลังกำหนดอนาคตของ AI

สำหรับข้อมูลเพิ่มเติม โปรดเยี่ยมชม เว็บไซต์อย่างเป็นทางการของ Liquid AI และเริ่มทดลองใช้ LFMs วันนี้