انویدیا از یک مدل هوش مصنوعی متنباز رونمایی کرده است که در بنچمارکهای معتبر مدلهای گوگل و OpenAI را به چالش میکشد. سری جدید مدلهای هوش مصنوعی انویدیا NVLM 1.0 نام دارد و توان پردازش همزمان تصویر و متن را فراهم میکند. قویترین عضو این خانواده NVLM-D-72B با ۷۲ میلیارد پارامتر است که در بنچمارکها عملکرد فوقالعادهای از خود نشان داده و در برخی موارد حتی از GPT-4o هم پیشی میگیرد.
جالب اینجاست که انویدیا این مدل قدرتمند را به صورت متن باز توسعه داده و کدهای آموزشی و مستندات آن را در اختیار محققان و توسعهدهندگان قرار میدهد.
عملکرد عالی در وظایف متنی و تصویری
مدل NVLM-D-72B در پردازش ورودهای متنی و تصویری پیچیده، عملکرد خیرهکنندهای را به نمایش گذاشته و بهراحتی از عهده تفسیر میمها، تحلیل تصاویر و حل مسائل پیچیده ریاضی برمیآید.
برخلاف دیگر مدلهای AI که پس از مدتی در پردازش متن و کدنویسی دچار افت میشوند، NVLM-D-72B از این نظر بهبود پیدا کرده و در بنچمارکهای کلیدی میانگین امتیاز ۴.۳ را دریافت کرده است.
جدول زیر مربوط به نتایج بنچمارکهای تصویری-زبانی است. در آزمون MMMU توانایی هوش مصنوعی در درک مفاهیم پیچیده و چندرسانهای و پاسخ به سوالات ترکیبی متنی و تصویری مورد بررسی میشود. همانطور که میبینید مدل انویدیا در این تست عملکرد مناسبی داشته و از GPT-4V پیشی میگیرد.
این مدل در بنچمارک ریاضی MathVista نیز توانسته GPT-4o و Gemini 1.5 Pro را پشت سر بگذارد. این آزمون توانایی مدلهای هوش مصنوعی در حل مسائل ریاضی از نظر بصری مثل استدلال جبری روی نمودار توابع و تحلیل تصاویر مقالات علمی را محک میزند.
در جدول دوم که صرفاً بر پردازش ورودیهای متنی تمرکز دارد، NVLM-D عملکردی عالی از خود نشان داده و در مقایسه با GPT-4 و Gemini 1.5 Pro امتیاز بالاتری دریافت کرده است.
در مجموع نتایج بنچمارکها نشان میدهد که مدل NVLM-D 1.0 72B در آزمونهای تصویری رقبای شناخته شده را پشت سر میگذارد و در تستهای متنی نیز در سطحی بالاتر ظاهر میشود. در نتیجه به نظر میرسد این مدل به طور خاص برای تحلیل تصاویر بهینه شده که با توجه به تمرکز انویدیا بر پردازش گرافیکی، دور از انتظار نیست.
آغاز یک عصر جدید در هوش مصنوعی
تصمیم انویدیا برای انتشار متنباز این مدل قدرتمند تحقیق و توسعه را در کل صنعت هوش مصنوعی سرعت میبخشد. انویدیا با ارائه دسترسی رایگان به مدلی در سطح فناوری اختصاصی شرکتهای بزرگ، به پژوهشگران و شرکتهای کوچک فرصت میدهد تا در پیشرفت هوش مصنوعی سهیم شوند.
این اقدام جسورانه انویدیا میتواند جرقهای برای یک انقلاب بزرگ باشد. احتمالا سایر شرکتهای بزرگ فناوری نیز تحت فشار قرار خواهند گرفت تا تحقیقات خود را به صورت متنباز منتشر کنند؛ رویکردی که باعث میشود تا پیشرفت هوش مصنوعی در همه زمینهها شتاب بگیرد.
با این حال انتشار عمومی هوش مصنوعی NVLM 1.0 بدون ریسک هم نیست. با دسترسی راحت به چنین مدل قدرتمندی، نگرانیها درباره سوءاستفاده و پیامدهای اخلاقی نیز افزایش خواهد یافت.
در هر صورت یک چیز مسلم است: انویدیا تیر خلاص را به صنعت هوش مصنوعی شلیک کرده است. اکنون سوال این نیست که آیا چشمانداز این حوزه تغییر خواهد کرد یا خیر، بلکه این است که این تغییر چقدر بزرگ خواهد بود و چه کسانی خود را سریعتر با آن سازگار خواهند کرد؟
اپراتور هوش مصنوعی اهورا بهعنوان یک راهحل جامع و کامل، امکان دسترسی بیوقفه به منابع قدرتمند پردازش گرافیکی مورد نیاز برای کسبوکارها را فراهم میآورد. اهورا با ارائه خدماتی نظیر پردازش گرافیکی ابری، ذخیرهسازی هوش مصنوعی و مشاوره تخصصی، بهطور همهجانبه پاسخگوی نیازهای متنوع مشتریان در حوزه هوش مصنوعی است.
منابع
