Новий рівень AI від Apple: знайомство з моделлю MM1

Дослідницька команда Apple розробила надсучасний метод тренування великих мовних моделей (LLM), який спрощує інтеграцію тексту та зображень.

У їхній науковій публікації, названій «MM1: Методологія, аналітика та відкриття у тренуванні мультимодальних LLM», дослідники виклали основи нового підходу до створення систем штучного інтелекту, які більш адаптивні та гнучкі. Використовуючи диверсифікований набір даних із зображень та відповідних текстових описів, чергуючих блоків тексту та зображень, а також чисто текстових даних, дослідники з Apple стверджують, що їхня модель MM1 встановлює нову планку для виконання завдань, які вимагають генерації описів до зображень, відповідей на питання на основі візуальної інформації та формування висновків з використанням природної мови з високою точністю.

Дослідження зосереджено на поєднанні варіативних даних та складних архітектур моделей, що дозволяє штучному інтелекту засвоювати та генерувати мову, опираючись на комбінацію візуальних та мовних вказівок. Така здатність критично важлива для завдань, що потребують глибокого розуміння світу, наприклад, аналізу складних зображень або реагування на запитання, які містять візуальні компоненти.

У публікації також акцентується на широких можливостях моделі MM1 до контекстуального навчання, особливо найбільшої конфігурації моделі з 30 мільярдами параметрів. Ця модель продемонструвала надзвичайні здібності до багаторівневих міркувань на основі кількох зображень, використовуючи методику «ланцюга думок», що дозволяє штучному інтелекту розв'язувати складні задачі з мінімальними вхідними даними.

Це дослідження від Apple вписується в ширший контекст їхніх зусиль з розвитку штучного інтелекту на тлі збільшення конкуренції у цій галузі. Раніше Марк Гурман з Bloomberg повідомив про те, що Apple веде переговори з Google про використання моделі Gemini у нових можливостях, які будуть представлені в iPhone в рамках оновлення до iOS 18.