Liquid AI, Sıvı Temel Modelleri (LFM) ile Devrim Yaratacak: Yeni Nesil Yapay Zeka

Çığır açan bir duyuruyla, Liquid AI, bir MIT spin-off’u, ilk Sıvı Temel Modelleri (LFM) serisini tanıttı. İlkelerden tasarlanan bu modeller, yapay zeka alanında yeni bir standart belirliyor ve çeşitli ölçeklerde eşsiz performans sunuyor. LFM’ler, yenilikçi mimarileri ve gelişmiş yetenekleri ile endüstri lideri AI modellerini,包括 ChatGPT’yi, zorlayacaklar.

Liquid AI, MIT araştırmacılarından oluşan bir ekip tarafından kuruldu. Bu ekip, Ramin Hasani, Mathias Lechner, Alexander Amini ve Daniela Rus’u içeriyor. Boston, Massachusetts’te bulunan şirketin misyonu, tüm boyutlardaki işletmeler için yetenekli ve verimli genel amaçlı AI sistemleri oluşturmaktır. Ekibin ilk olarak sıvı sinir ağlarını, beyin dinamikleri ile ilham alan bir AI modeli sınıfını geliştirdiği ve şimdi AI sistemlerinin yeteneklerini, kenar cihazlardan işletme sınıfı dağıtımlara kadar her ölçekte genişletmeyi hedeflediği biliniyor.

Sıvı Temel Modelleri (LFM) Nedir?

Sıvı Temel Modelleri, yüksek verimlilikte AI sistemleri temsil ediyor. Dinamik sistemler, sinyal işleme ve sayısal lineer cebir temelinde inşa edilen bu modeller, metin, video, ses ve sinyal gibi çeşitli sıralı veri türlerini etkileyici bir doğrulukla işleyebiliyor.

Liquid AI, bu lansman kapsamında üç temel dil modeli geliştirdi:

• LFM-1B: 1,3 milyar parametre ile optimize edilmiş, kaynak kısıtlı ortamlar için ideal bir model.
• LFM-3B: 3,1 milyar parametre ile donatılmış, kenar dağıtım senaryoları için uygun bir model, örneğin mobil uygulamalar.
• LFM-40B: 40,3 milyar parametre ile donatılmış bir Uzmanlar Karmaşıklığı (MoE) modeli, karmaşık görevleri üstün performans ile işleyebiliyor.

Bu modeller, ana AI benchmark’lerinde already üstün sonuçlar göstererek, mevcut yapay zeka modellerine güçlü bir rakip olarak ortaya çıkıyor.

Devrim Niteliğinde Performans

Liquid AI’nin LFM’leri, çeşitli benchmark’lerde sınıfının en iyisi performans sergiliyor. Örneğin, LFM-1B, kendi boyut kategorisindeki transformer tabanlı modelleri geride bırakırken, LFM-3B Microsoft’un Phi-3.5 ve Meta’nın Llama serisi gibi daha büyük modellerle rekabet ediyor. LFM-40B modeli, boyutuna rağmen, daha büyük parametre sayılarına sahip modellerle yarışabilecek verimlilikte.

LFM performansının bazı önemli noktaları şunlar:

• LFM-1B: MMLU ve ARC-C gibi benchmark’lerde 1B-parametreli modeller için yeni bir standart belirliyor.
• LFM-3B: Phi-3.5 ve Google’ın Gemma 2 gibi modelleri, verimlilik ve küçük bir bellek ayak izi ile geride bırakıyor, bu da onu mobil ve kenar AI uygulamaları için ideal kılar.
• LFM-40B: Bu modelin MoE mimarisi, daha büyük modellerle benzer performansı sunarken, her an yalnızca 12 milyar aktif parametre kullanıyor.

Yapay Zeka Verimliliği Yeni Çağ

Modern AI’nin önemli bir zorluğu, özellikle uzun bağlam görevlerinde (belge özetleme veya sohbet bot etkileşimleri gibi) bellek ve hesaplama yönetimi. LFM’ler, bu alanda girdi verilerini etkili bir şekilde sıkıştırarak,推理 sırasında bellek tüketimini azaltıyor. Bu, daha uzun dizileri işlerken pahalı donanım yükseltmeleri gerektirmeksizin modellerin işlemesine olanak tanır.

Örneğin, LFM-3B, 32k token bağlam uzunluğu sunuyor, bu da büyük miktarda veri aynı anda işlenirken en verimli modellerden biri yapıyor.

Devrimci Mimarisi

LFM’ler, geleneksel transformer modellerinden farklı, benzersiz bir mimari çerçevesi üzerine inşa ediliyor. Mimarisi, girdi verilerine bağlı olarak hesaplamayı düzenleyen adaptif lineer operatörler etrafında merkezleniyor. Bu yaklaşım, Liquid AI’nin çeşitli donanım platformlarında, NVIDIA, AMD, Cerebras ve Apple donanımında önemli performans optimizasyonları gerçekleştirmesine olanak tanıyor.

LFM’lerin tasarım alanı, token karıştırma ve kanal karıştırma yapılarından oluşan yeni bir karışımı içerir. Bu, özellikle uzun bağlam görevleri ve çoklu ortam uygulamalarında modelin veri işleme şeklini geliştirir ve genellemeyi ve akıl yürütme yeteneklerini artırır.

Yapay Zeka Sınırını Genişletmek

Liquid AI, LFM’ler için büyük hedefleri var. Dil modellerinin ötesinde, şirket video, ses ve zaman serisi verileri gibi çeşitli veri modellerini desteklemek için temel modellerini genişletmeyi amaçlıyor. Bu gelişmeler, LFM’lerin finans, biyoteknoloji ve tüketici elektroniği gibi çeşitli endüstrilerde ölçeklenmesini sağlayacak.

Şirket, açık bilim topluluğuna katkıda bulunmaya da odaklanıyor. Modeller kendileri açık kaynaklı olmasa da, Liquid AI ilgili araştırma sonuçlarını, yöntemlerini ve veri setlerini daha geniş AI topluluğuna yayınlayacak, böylece işbirliği ve inovasyonu teşvik edecek.

Erken Erişim ve Benimsenme

Liquid AI, Liquid Playground, Lambda (Sohbet UI ve API) ve Perplexity Labs gibi platformlar aracılığıyla LFM’lerine erken erişimi sunuyor. İşletmeler, LFM’lerin potansiyelini farklı dağıtım ortamlarında, kenar cihazlardan şirket içi çözümlere kadar keşfedebilir.

Liquid AI’nin açık bilim yaklaşımı, erken benimseyenlerin deneyimlerini ve görüşlerini paylaşmasını teşvik ediyor. Şirket, modellerini gerçek dünya uygulamaları için iyileştirmek ve optimize etmek amacıyla geri bildirimi aktif olarak arıyor. Geliştiriciler ve organizasyonlar, bu yolculuğa katkıda bulunmak ve Liquid AI’nin AI sistemlerini geliştirmelerine yardımcı olmak için kırmızı takım çabalerine katılabilirler.

Sonuç

Sıvı Temel Modelleri’nin piyasaya sürülmesi, AI manzarasında önemli bir ilerlemeyi temsil ediyor. Verimlilik, adaptasyon ve performans odaklı olarak, LFM’ler, işletmelerin AI entegrasyonuna yaklaşımlarını yeniden şekillendirecekler. Daha fazla organizasyon bu modelleri benimsemeye başladığında, Liquid AI’nin ölçeklenebilir, genel amaçlı AI sistemleri vizyonu, yapay zekanın bir sonraki döneminin temel taşı haline gelecektir.

Eğer organizasyonunuz için LFM’lerin potansiyelini keşfetmekle ilgileniyorsanız, Liquid AI ile iletişime geçmenizi ve AI’nin geleceğini şekillendiren erken benimseyenlerin büyüyen topluluğuna katılmanızı davet ediyoruz.

Daha fazla bilgi için Liquid AI’nin resmi web sitesini ziyaret edin ve bugün LFM’lerle deneyime başlayın.