Molmo: Darmowe i otwarte alternatywy dla AI gigantów technologicznych

Instytut AI Allen (Ai2), organizacja non-profit prowadząca badania z siedzibą w Seattle, ogłosił stworzenie Molmo, rodziny multimodalnych modeli AI. Modele te zostały zaprojektowane tak, aby konkurować z ofertami gigantów technologicznych, takich jak OpenAI, Google i Anthropic, jak podaje MIT Technology Review.

Termin „multimodalny” odnosi się do zdolności obsługi różnych typów danych, w tym tekstu, obrazów, dźwięku, filmów, a nawet informacji sensorycznych.

Wraz z wydaniem Molmo, Ai2 dąży do zapewnienia alternatywy, która nie jest tylko darmowa, ale także naprawdę otwarta, jak donosi TechCrunch (TC).

Spośród modeli Molmo, największy posiada 72 miliardy parametrów. Ai2 twierdzi, że ten model może przewyższyć GPT-4o firmy OpenAI. Szacuje się, że GPT-4o ma ponad bilion parametrów. Porównanie wydajności opiera się na testach oceniających zrozumienie obrazów, wykresów i dokumentów, jak donosi MIT Technology Review.

Ai2 przypisuje sukces Molmo swoim innowacyjnym metodom szkoleniowym, które priorytetowo traktują dane wysokiej jakości, zamiast polegać na ogromnych ilościach danych.

Rzeczywiście, Ai2 skupia się na bardziej selektywnym zestawie danych, składającym się zaledwie z 600 000 starannie wybranych obrazów, minimalizując nieścisłości powszechnie spotykane w tradycyjnych modelach, które korzystają z dużych zestawów danych pobranych z Internetu, jak zauważył TC.

Ani Kembhavi, starsza dyrektor ds. badań w Ai2, zauważyła, że to podejście pomaga redukować błędy i nieporozumienia w rezultatach AI, jak donosi MIT.

Dla osób zainteresowanych eksploracją modelu, dostępna jest publiczna demonstracja, do której dostęp możliwy jest również za pomocą urządzeń mobilnych.
Ważne jest to, że Molmo jest całkowicie darmowy i open source, zdolny do działania lokalnie bez potrzeby korzystania z rozległych zasobów komputerowych. Intencją stojącą za tym wydaniem jest umożliwienie deweloperom i twórcom budowania aplikacji i usług napędzanych przez AI bez konieczności uzyskiwania zgody czy płacenia dużym korporacjom technologicznym, jak zauważył TC.

„Kierujemy się do badaczy, deweloperów, twórców aplikacji, osób, które nie wiedzą, jak radzić sobie z tymi [dużymi] modelami. Kluczowym zasadą, którą od dawna promujemy i która jest kluczowa w skierowaniu naszej oferty do tak szerokiego grona odbiorców, jest zasada: uczynić to bardziej dostępnym”, powiedział Ali Farhadi, CEO firmy Ai2.

Podkreślił zaangażowanie organizacji w dostępność, mówiąc: „Udostępniamy wszystko, co zrobiliśmy. Obejmuje to dane, czyszczenie, adnotacje, szkolenie, kod, punkty kontrolne, ocenę. Wszystko, co stworzyliśmy, udostępniamy.”

WIRED zauważa, że stworzenie skutecznych agentów AI wymaga niezawodnych modeli multimodalnych. Poprawa zdolności rozumowania, jak pokazuje model o1 OpenAI, może być kluczowa do osiągnięcia tego celu. Następnym wyzwaniem jest integracja takiego rozumowania z modelami multimodalnymi.

Ten kompleksowy podejście ma na celu demokratyzację dostępu do zaawansowanych technologii sztucznej inteligencji, umożliwiając szerszej publiczności innowacje w tym dynamicznie rozwijającym się obszarze.