ميٽا LLaMA ماڊل لانچ ڪري ٿو، OpenAI جي GPT-3 کان وڌيڪ طاقتور ڳولا وارو اوزار

ميٽا تازو جاري ڪيو آهي هڪ نئون AI ٻولي جنريٽر جنهن کي LLaMA سڏيو ويندو آهي، هڪ انتهائي جديد ڪمپني جي ڪردار جي تصديق ڪندي.

"اڄ اسان هڪ نئون، جديد AI وڏي ٻولي جو ماڊل جاري ڪري رهيا آهيون جنهن کي LLaMA سڏيو ويندو آهي، جيڪو تحقيق ڪندڙن کي انهن جي ڪم کي اڳتي وڌائڻ ۾ مدد ڏيڻ لاء تيار ڪيو ويو آهي،" سي اي او مارڪ زڪربرگ هڪ Facebook پوسٽ ۾ چيو.

ڇو لاما

وڏن ٻولين جا ماڊل ٽيڪني دنيا کي طوفان ذريعي ورتو آهي. اهي مصنوعي ڄاڻ رکندڙ اوزار کي طاقت ڏين ٿا، جهڙوڪ چيٽ GPT ۽ ٻيا گفتگو جا ماڊل. جڏهن ته، انهن اوزارن کي استعمال ڪندي اهم خطري سان اچي ٿو، ممڪن آهي پر غلط دعوائون، زهراتي مواد پيدا ڪرڻ، ۽ AI ٽريننگ ڊيٽا ۾ جڙيل تعصب کي نقل ڪرڻ. 

محقق انهن مسئلن کي حل ڪرڻ ۾ مدد ڏيڻ لاء، جمعه، فيبروري 25، ميٽا  ڇڏڻ جو اعلان ڪيو هڪ نئين وڏي ٻوليءَ جي ماڊل جو نالو لاما (Large Language Model ميٽا AI) . 

LLaMA ڇا آهي؟

LLaMA نه آهي چيٽيڪٽ، پر اهو هڪ ڳولا وارو اوزار آهي، جيڪو Meta ai جي مطابق، ٻوليء جي ماڊل سان لاڳاپيل مسئلا حل ڪندو AI. "ننڍا، بهتر ڪارڪردگي جا ماڊل جهڙوڪ LLaMA تحقيقي ڪميونٽي ۾ ٻين کي اجازت ڏين ٿا جيڪي انهن ماڊل جي مطالعي لاء وڏي پئماني تي انفراسٽرڪچر تائين رسائي نٿا ڪن، هن اهم ۽ تيزيء سان ترقي ڪندڙ فيلڊ ۾ رسائي کي وڌيڪ جمهوري بڻائي،" ميٽا پنهنجي بلاگ ۾ چيو. سرڪاري .

LLaMA 7B کان 65B پيرا ميٽرن تائين ٻولين جي ماڊلز جو مجموعو آھي. ڪمپني چيو ته اها ٽرينون ٽرينون ٽوڪن تي پنهنجي ماڊلز کي ٽرين ڏئي ٿي، چوي ٿي ته اها ٽريننگ ڪري سگهي ٿي جديد ماڊلز کي استعمال ڪندي عوامي ڊيٽا سيٽس ۽ مالڪي، ناقابل رسائي ڊيٽا سيٽن تي ڀروسو نه ڪري.

LLaMA مختلف آهي

ميٽا جي مطابق، ماڊل ٽريننگ جهڙوڪ LLaMA تمام گھٽ ڪمپيوٽنگ پاور جي ضرورت آهي جانچڻ، تصديق ڪرڻ، ۽ نئين استعمال جي ڪيسن کي ڳولڻ لاء. بنيادي ٻولي جا ماڊل ليبل ٿيل ڊيٽا جي وڏي بلاڪن تي ٽرين ڪندا آهن، انهن کي مختلف ڪمن لاءِ ڪسٽمائيزيشن لاءِ مثالي بڻائيندا آهن. 

هن جي تحقيقي مقالي ۾، ميٽا نوٽ ڪيو ته LLaMA-13B اڪثر معيارن تي OpenAI جي GPT-3 (175B) کي ختم ڪري ڇڏيو آهي ۽ LLaMA-65B مٿاهين ماڊلز سان مقابلي ۾ آهي، ديپ مائنڊ پاران چنچيلا 70B e Google کان PaLM-540B. 

LLaMA في الحال ڪنهن به ميٽا اي پراڊڪٽس تي استعمال ۾ ناهي، جڏهن ته، ڪمپني ان کي محققن لاء دستياب ڪرڻ جو منصوبو آهي. ڪمپني اڳ ۾ ئي پنهنجو LLM OPT-175B شروع ڪيو هو، پر LLaMA ان جو سڀ کان جديد نظام آهي. 

ڪمپني ان کي غير تجارتي لائسنس تحت دستياب ڪري رهي آهي تحقيق جي استعمال جي ڪيسن تي مرکوز. اهو علمي محققن لاءِ دستياب هوندو؛ جيڪي حڪومت، سول سوسائٽي ۽ تعليمي ادارن سان لاڳاپيل آهن؛ ۽ سڄي دنيا ۾ صنعتي تحقيقي ليبارٽريون.

Ercole Palmeri