Исследователи представили ряд мультимодальных моделей искусственного интеллекта с открытым исходным кодом, которые, несмотря на ограниченные объемы обучающих данных, демонстрируют высокую эффективность, сопоставимую с передовыми системами, такими как OpenAI.

Успех этих моделей объясняется высоким качеством и грамотно организованными данными, что значительно снижает затраты на обучение и способствует масштабируемости.

Эти модели обладают способностью одновременно обрабатывать текст, изображения и аудио, в отличие от унимодальных моделей, которые работают только с одним типом информации. В то время как такие компании как OpenAI и Google предлагают закрытые решения с ограниченным доступом к исходному коду, это создает зависимость пользователей от единственного поставщика.

Несмотря на массовые инвестиции в крупные модели, эксперты из Allen Institute for Artificial Intelligence (Ai2) подчеркивают, что открытые модели могут оказаться более экономически выгодными. Команда Ai2 разработала модель под названием «Molmo», уделяя особое внимание качеству данных.

Преимущества и результаты

Эффективное использование качественных данных позволяет существенно уменьшить вычислительные затраты и повысить производительность. Модель Molmo с 72 миллиардами параметров демонстрирует превосходство над системами GPT-4 от OpenAI и Gemini 1.5 от Google в задачах обработки изображений и документов. Открытый исходный код Molmo способствует непрерывному развитию и совершенствованию модели сообществом разработчиков, хотя это также требует внимательного подхода к вопросам безопасности и ответственности.