براساس اعلام رسمی اپل، مولد هوش مصنوعی متن‌باز OpenELM در پلتفرم Hugging Face به‌عنوان خانواده‌ای جدید از مدل‌های زبانی بزرگ با سرعت بیشتری نسبت‌به مدل‌های LLM معرفی شد تا نسل آینده گوشی‌های پرچمدار سری آیفون 16 بتوانند عملکرد فوق‌العاده بالایی داشته باشند.

همان‌طورکه می‌دانید، اپل هیچ‌گاه درخصوص ارائه قابلیت‌های سخت‌افزاری و نرم‌افزاری در محصولاتش سخاوت‌مندانه عمل نمی‌کند، اما همواره تلاش می‌کند بهینه‌ترین و بهترین فناوری‌های روز دنیا را برای رقابت در عرصه تکنولوژی به‌کار بگیرد تا به‌واسه‌آن کاربران از پرچمداران آیفون یا لپ‌تاپ‌های مک‌بوک لذت ببرند! اکنون، غول ساکن کوپرتینو برای سری آیفون 16 و سایر پرچمداران تصمیم به معرفی مولد هوش مصنوعی OpenELM گرفت که به‌نظر می‌رسد تمام مولد‌های هوش مصنوعی عملکرد بهتری را به‌نمایش می‌گذارد و داده‌های آن از منابع آنلاین گرفته می‌شود؛ در ادامه به‌جزئیات بیشتری از مولد هوش مصنوعی متن‌باز OpenELM می‌پردازیم.

اواسط سال‌جاری میلادی، مولد هوش مصنوعی OLMo معرفی شد که توانست به‌واسطه قابلیت‌هایش شوروهیجان بسیار زیادی بین مخاطبان و کارشناسان ایجاد کند؛ اکنون، بررسی‌های اولیه نشان می‌دهد مولد هوش مصنوعی OpenELM حدود 2.36 درصد قدرت‌مندتر و دقیق‌تر از OLMo است؛ باوجوداینکه توکن‌های آموزشی OLMo حدود دو برابر بیشتنر است. همچنین، باید اشاره کنیم اپل برای در عصر هوش مصنوعی قصد دارد حرف‌هایی برای گفتن داشته باشد؛ برهمین‌اساس، در اولین قدم OpenELM با منابع متن‌باز می‌تواند رویکرد بسیار خوبی برای رقابت‌با بزرگان صعنت باشد.

براساس اطلاعات موجود، به‌نظر می‌رسد مولد هوش مصنوعی OpenELM از روش پیشرفته تحت‌عنوان مقیاس‌بندی لایه‌ای برای تخصیص منابع در ترانسفورماتورهای مولد استفاده می‌کند! به‌عبارتی‌دقیق‌تر، به‌جای اینکه هرلایه از مجموعه پارامتر‌ها برخوردار باشد، اپل لایه‌های مولد هوش مصنوعی OpenELM را مجهز به تنظیمات و پارامترهای متفاوتی کرده‌است تا نتایج دقیق‌تر و بهتری برای کاربران ارائه شود! کارشناسان می‌گوید با استفاده از چنین فتاوری پیش‌بینی‌ها و جواب‌های مولد به‌‌سوالات بسیار دقیق‌تر از سایر مدل‌های زبان بزرگ (LLM) خواهد بود.

علاوه‌براین، اپل هنگام معرفی مولد هوش مصنوعی OpenELM اظهار کرد از مجموعه داده‌های RedPajama در پایگاه GitHub به‌همراه تعداد زیادی کتاب، منابع ویکی‌پدیا، پست‌های StackExchange، مقالات ArXiv، مجموعه Dolma از Reddit، و Project Gutenberg استفاده کرده‌است. همان‌طورکه انتظار می‌رود، مدل زبانی ELM می‌تواند به سوالات شما پاسخ‌های بسیار شفاف و دقیقی به‌کمک منابع آموزشی بدهد؛ تنها کافیست کاربران سوالات را به‌صورت نوشتاری یا صوتی برای مولد هوش مصنوعی OpenELM بنویسند تا در کوتاه‌ترین زمان ممکن پاسخ را دریافت کنند.

مولد هوش مصنوعی OpenELM اپل

باتوجه‌به جزئیات منتشرشده از OpenELM، می‌توان گفت یکی از جنبه‌های بسیار قابل‌توجه آن‌است‌که مولد موردبحث می‌تواند برای درک‌وفهم بیشتر تمامی کد‌های ورودی را به MLX تبدیل کنند! درحقیقت، باید اشاره کنیم MLX چارجوبی برای یادگیری ماشینی محسوب می‌شود که غول فناوری ساکن کوپرتینو برای آموزش هوش مصنوعی و طبقه‌بندی علایق کاربران استفاده کرده‌است. البته باید اشاره کنیم، این تکنولوژی جدید نیست، اما توسعه آن روی گوشی‌ها اپل آیفون می‌تواند آینده تجربه کاربری پرچمداران این کمپانی را تحت‌الشعاع قرار دهد.

مدیرعامل و بنیان‌گذار سرویس هوش مصنوعی biz Aquant در مصاحبه‌ای اختصاصی با نشریه خبری The New York Times گفت: «معرفی مولد هوش مصنوعی OpenELM می‌تواند یک پیشرفت فوق‌العاده بزرگ دراین صنعت به‌شمار برود، چراکه سیستم پردازش OpenELM درمقایسه‌با سایر مدل‌های زبانی بسیار بیشتر و دقیق‌تر استکه برای برنامه‌های موبایل و دستگاه‌های هوشمند مانند تبلت و لپ‌تاپ کارآمدتر خواهد بود». درحقیقت، به‌دلیل بهینه‌سازی‌های موثر، مولد هوش مصنوعی OpenELM در سیستم‌عامل iOS 18 می‌تواند پتانسیل بالایی از قابلیت‌های نرم‌افزاری و سیستم دوربین را به‌نمایش بگذارد که به‌وسیله‌آن فروش سری آیفون 16 نسبت‌به نسل فعلی بیشتر می‌شود.

اپل OpenELM از 3 میلیارد پارامتر استفاده می کند

ازسوی‌دیگر، اپل علاقه بسیار زیادی به‌نشان دادن توان و قدرت معماری تراشه‌های اختصاصی سری A به‌واسطه‌ مولد هوش مصنوعی OpenELM و یادگیری ماشینی دارد؛ به‌ویژه از زمانی‌که کوپرتینو روی بهبود قابلیت‌های موتور عصبی (NPU) در سال 2017 فعالیت کرد، اما آن‌چنان مورد توجه قرار نگرفت. بررسی‌های اولیه نتایج آزمایش‌های پلتفرم CUDA از کمپانی انودیدیا و نسخه MLX از هوش مصنوعی OpenELM نشان می‌دهد این مولد ازنظر دقت در شمارش پارامترها از OLMo بهتر عمل می‌کند، اما در عملکرد کمی ضعیف‌تر خواهد بود.

براساس گفته‌های تیم مدیریتی و مهندسان ارشد اپل، دلیل نمایش نه‌چندان پیروزمندانه مولد هوش مصنوعی OpenELM در نگاه اولیه، استفاده از تکتیک RMSNorm است که برای پیا‌ده‌سازی و عادی‌سازی یادگیری ماشینی به‌شمار می‌رود؛ بنابراین، می‌توان انتظار داشت در ادامه راه بهینه‌سازی‌های بیشتری برای بهبود عملکرد و قدرت هوش مصنوعی اختصاصی اپل صورت بگیرد. همچنین، باید اشاره کنیم OpenELM در مدل‌های از پیش آموزش‌ و مهندسی شده که به‌ترتیب شامل 270 میلیون، 450 میلیون، 1.1 میلیارد و 3 میلیارد پارامتر است که در آینده نزدیک پیشرفت‌های بیشتری خواهد داشت.

اخبار مرتبط: