تحقیقات کارشناس شرکت سحاب برای اخبار هوش مصنوعی این هفته مخاطبین سایت سحاب نشان میدهد که مایکروسافت به تازگی مدل جدید هوش مصنوعی خود به نام Phi-4 را در پیشنمایش تحقیقاتی معرفی کرده است. این مدل به عنوان جدیدترین عضو خانواده Phi شناخته میشود و با ویژگیهای پیشرفتهاش، تلاش دارد تا نیازهای روزافزون کاربران در زمینههای مختلف هوش مصنوعی را برآورده کند. با پیشرفتهای مداوم در فناوری هوش مصنوعی، مایکروسافت با این مدل سعی در رقابت با سایر غولهای فناوری، مانند OpenAI و Google دارد که همگی در تلاش برای توسعه هوش مصنوعی بهتر و کارآمدتر هستند. در این مقاله کارشناس شرکت سحاب به بررسی جزئیات این هوش مصنوعی می پردازد.
بهبودهای Phi-4
طبق بررسی های کارشناس شرکت سحاب به گفته مایکروسافت، Phi-4 در چندین زمینه نسبت به نسخههای قبلی خود بهبود یافته است، به ویژه در حل مسائل ریاضی. این مدل میتواند به راحتی معادلات پیچیده را تجزیه و تحلیل کند و نتایج دقیقی ارائه دهد. این بهبودها تا حد زیادی به کیفیت بالاتر دادههای آموزشی مربوط میشود که برای آموزش این مدل استفاده شده است. به کارگیری دادههای مصنوعی با کیفیت بالا و همچنین دادههای انسانی باعث شده است که Phi-4 به یک ابزار قدرتمند در حل مسائل محاسباتی تبدیل شود.
دسترسی محدود به Phi-4
Phi-4 از چهارشنبه شب فقط با دسترسی بسیار محدود بر روی پلتفرم توسعه Azure AI Foundry مایکروسافت در دسترس قرار دارد. این مدل تنها برای اهداف تحقیقاتی و تحت توافقنامه مجوز تحقیقاتی مایکروسافت قابل استفاده است. با ۱۴ میلیارد پارامتر، Phi-4 جدیدترین مدل کوچک زبان مایکروسافت به شمار میآید و با مدلهای دیگری مانند GPT-4o mini، Gemini 2.0 Flash و Claude 3.5 Haiku رقابت خواهد کرد. این مدلها معمولاً به دلیل ساختار سبک و طراحی کارآمد، قابلیت استفاده در برنامههای مختلف را دارند.
مزایای مدلهای کوچک هوش مصنوعی
مدلهای کوچک هوش مصنوعی معمولاً سریعتر و ارزانتر از مدلهای بزرگتر عمل میکنند و عملکرد آنها در سالهای اخیر بهطور تدریجی افزایش یافته است. این مدلها میتوانند به راحتی در دستگاههای مختلف، از جمله گوشیهای هوشمند و تبلتها، مورد استفاده قرار گیرند. همچنین، به دلیل اندازه کوچکتر، مصرف انرژی کمتری دارند که برای محیط زیست مفید است. مایکروسافت به افزایش عملکرد Phi-4 نسبت به استفاده از "دادههای مصنوعی با کیفیت بالا" و دادههای انسانی اشاره کرده و همچنین به برخی بهبودهای نامشخص پس از آموزش اشاره میکند که ممکن است بر روی دقت و سرعت مدل تأثیر مثبت بگذارد.
همچنین می توانید کاهش ۱۲۵ میلیون لیتری مصرف آب در دیتاسنترهای هوشمند مایکروسافت را مطالعه کنید
تمرکز بر دادههای مصنوعی و نوآوری
در دنیای امروز، بسیاری از آزمایشگاههای هوش مصنوعی توجه ویژهای به نوآوریهای مرتبط با دادههای مصنوعی و بهبودهای پس از آموزش دارند. این رویکرد میتواند به ایجاد مدلهایی با قابلیتهای جدید و بهبود عملکرد کمک کند. الکساندر وانگ، مدیر عامل Scale AI، در توییتی اخیراً گفته است: "ما به دیوار دادههای پیشآموزشی رسیدهایم" و این موضوع را تأیید کرده که چندین گزارش در هفتههای اخیر بر این موضوع تأکید دارند. به نظر میرسد که بهینهسازی دادههای آموزشی و استفاده از دادههای ترکیبی میتواند به ایجاد مدلهایی با قابلیتهای بهتر کمک کند.
نتیجهگیری
قابل ذکر است که Phi-4 اولین مدل از سری Phi است که پس از خروج سباستین بوبک، یکی از معاونان هوش مصنوعی مایکروسافت و شخصیت کلیدی در توسعه این مدلها، راهاندازی شده است. بوبک در اکتبر گذشته شرکت را ترک کرد تا به OpenAI ملحق شود. این تغییرات نشاندهنده تلاشهای مایکروسافت در راستای بهبود مدلهای هوش مصنوعی و پاسخ به نیازهای روزافزون دنیای فناوری است. با ورود Phi-4 به بازار، انتظار میرود که این مدل تواناییهای جدیدی را در زمینه هوش مصنوعی ارائه دهد و نقش مهمی در آینده تحقیقات و کاربردهای عملی ایفا کند.
برای اطلاعات بیشتر به TechCrunch مراجعه بفرمایید
