Idén várhatóan az MI még elérhetőbbé, árnyaltabbá válik, még mélyebben integrálódik a mindennapi feladatokat ellátó technológiákba és remélhetőleg tovább segít majd megoldani nekünk a világ legnehezebb problémáit. Három fontos, iparági trendet mutatunk fel, amelyekre a Microsoft szerint érdemes odafigyelni 2024-ben.
2023 jelentős év volt a generatív MI számára, hiszen a kutatólaboratóriumokból kiszabadultak a generatív chatbotok a való életbe, ahol mára több millió ember használja őket az olyan népszerű platformokon keresztül, mint az OpenAI ChatGPT-je és vagy a Microsoft Copilot-ja.
A kis nyelvi modellek
Ha már használtuk Copilotot összetett kérdések megválaszolására, akkor megtapasztalhattuk a nagy nyelvi modellek (LLM-ek) erejét. Ezek a modellek olyan nagyok, hogy futtatásukhoz jelentős számítási erőforrásokra van szükség, így a kis nyelvi modellek (SLM-ek) lehetséges felemelkedése sok mindent megváltoztathat.
Az SLM-ek még mindig elég méretesek több milliárd paraméterükkel, de szemben az LLM-ek több százmilliárd paraméterével, elég kicsik ahhoz, hogy offline elfussanak akár egy erősebb mobiltelefonon. (A paraméterek olyan változók vagy állítható elemek, melyek alapvetően meghatározzák a modellek viselkedését.)
„A kis nyelvi modellek méretük és megfizethetőségük miatt elérhetőbbé tehetik az Ml-t. Ugyanakkor új módszereket fedezünk fel arra, hogy ugyanolyan teljesítményűvé tegyük őket, mint amit a nagy nyelvi modelleknél megszokhattunk”,
mondta el Sebastien Bubeck, aki a Microsoft Research gépi tanulás alapjaival foglalkozó csoportját vezeti. A Microsoft kutatói két ilyen SLM-et is kifejlesztettek, a Phi-t és az Orca-t, amelyek bizonyos területeken ugyanolyan jól vagy jobban teljesítenek, mint a nagy nyelvi modellek, megkérdőjelezve azt az elképzelést, hogy a nagy teljesítményhez nagy méretek szükségesek.
A hatalmas mennyiségű internetes adaton képzett LLM-ekkel ellentétben a kisebb modellek akkurátusan és célorientáltan válogatott, kiváló minőségű képzési adatokat használnak azáltal, hogy a kutatók új küszöbértékeket találtak a méret és a teljesítmény tekintetében. Idén várhatóan olyan továbbfejlesztett modellekkel találkozhatunk majd, melyek célja a kutatás és az innováció ösztönzése lesz.
A multimodális MI
A legtöbb LLM csak egyféle adattípust – szöveget – tud feldolgozni, viszont a multimodális modellek képesek megérteni a különböző adattípusokból, például szövegből, képekből, hangból vagy akár videóból származó információkat is. Ez a képesség gazdagabbá, pontosabbá és zökkenőmentesebbé teszi a technológiákat a keresőeszközöktől a kreatív alkalmazásokig.
A Copilot képes megmondani, hogy mi történik egy feltöltött képen, köszönhetően egy multimodális modellnek, amely képes feldolgozni többek között képeket valamint természetes nyelvi és Bing keresési adatokat is. Ezáltal képes releváns információkat generálni például egy fényképen látható műemlék történelmi jelentőségéről.
A Microsoft Designer grafikai tervező alkalmazást is multimodális MI hajtja, ezáltal pedig képes képeket generálni a kívánt kép szöveges leírása alapján. Ezenfelül lehetővé teszi az egyéni neurális hangokat, vagyis a természetes hangzású hangokat is, amelyek hasznosak a szövegfelolvasás során és a beszédhibás emberek számára készült eszközökben.
„A multimodalitás lehetővé teszi az emberközelibb élmények létrehozását, melyek jobban kihasználják az emberként használt érzékszervek széles skáláját, például a látást, a beszédet és a hallást”, mondta Jennifer Marsman, a Kevin Scott vezette Microsoft CTO iroda vezető mérnöke.
MI a tudományban
A szakértők a tudományos felfedezések felgyorsítását célzó mesterséges intelligencia-eszközök jelentős fejlődésére számítanak, és a munka nagy része olyan globális problémák megoldására irányul majd, mint az éghajlatváltozás, az energiaválságok és a betegségek kezelése.
Az éghajlatváltozás mérséklése és a mezőgazdaságban dolgozók hatékonyabb munkájának megsegítése érdekében a Microsoft kutatói az MI segítségével jobb minőségű időjárás-előrejelzéseket, szén-dioxid-becsléseket és más, a fenntartható mezőgazdaságot szolgáló adatkészleteket állíthatnak elő.
Olyan MI-technológiákat is fejlesztenek, melyek a szántóföldeken nyújtanak segítséget, például egy olyan gazdákat segítő chatbotot, ami képes azonosítani egy rejtélyes gyomnövényt, vagy összehasonlítani a különböző öntözési módszerek hatékonyságát a gazdaságspecifikus adatok alapján.
Az élettudományok területén például a rák elleni küzdelemben a kutatók együttműködnek a világ legnagyobb képalapú MI-modelljével, továbbá a fertőző betegségek új gyógyszereinek és az áttörést jelentő gyógyszerek új molekuláinak megtalálására is fejlett mesterséges intelligenciát használnak. A tudományos próbálkozásokat és tévedéseket – melyek észrevétele és feldolgozása korábban akár évekig is tarthatott – néhány hétbe vagy hónapba sűríti a technológia.
Az MI átalakítja az anyagtudományt is, egy olyan széles területet, mely új, különleges tulajdonságokkal rendelkező anyagok létrehozására összpontosít.
Egy nemrégiben elért áttörésben például az MI és a nagy teljesítményű számítástechnika közös erővel mutatta meg, hogy hogyan tudja felgyorsítani a kevésbé mérgező akkumulátor-anyagok kutatását. „A mesterséges intelligencia forradalmasítja a tudományos felfedezéseket” – mondta Chris Bishop, a Microsoft Research Al4Science csapatának igazgatója. „Ez lehet a legizgalmasabb, és végső soron a legfontosabb alkalmazása a mesterséges intelligenciának.”
(Cikk forrása, képek: DALL-E 3 – Justin Viktor)
