Meta បើកដំណើរការម៉ូដែល LLaMA ដែលជាឧបករណ៍ស្វែងរកដ៏មានឥទ្ធិពលជាង GPT-3 របស់ OpenAI

ថ្មីៗនេះ ក្រុមហ៊ុន Meta បានបញ្ចេញកម្មវិធីបង្កើតភាសា AI ថ្មីមួយដែលមានឈ្មោះថា LLaMA ដោយបញ្ជាក់ពីតួនាទីរបស់ក្រុមហ៊ុនដែលមានគំនិតច្នៃប្រឌិតខ្ពស់។

នាយកប្រតិបត្តិលោក Mark Zuckerberg បាននិយាយនៅក្នុងសារបង្ហោះនៅលើ Facebook ថា "ថ្ងៃនេះយើងកំពុងបញ្ចេញគំរូភាសាធំ AI ទំនើបចុងក្រោយគេហៅថា LLaMA ដែលត្រូវបានរចនាឡើងដើម្បីជួយអ្នកស្រាវជ្រាវឱ្យដំណើរការការងាររបស់ពួកគេ" ។

ហេតុអ្វីបានជា LLaMA

គំរូភាសាធំៗបានយកពិភពបច្ចេកវិទ្យាដោយព្យុះ។ ពួកគេផ្តល់ថាមពលដល់ឧបករណ៍បញ្ញាសិប្បនិម្មិត ដូចជា ជជែក GPT និងគំរូសន្ទនាផ្សេងទៀត។ ទោះជាយ៉ាងណាក៏ដោយ ការប្រើប្រាស់ឧបករណ៍ទាំងនេះបានភ្ជាប់មកជាមួយនូវហានិភ័យសំខាន់ៗ ការអះអាងដែលអាចជឿជាក់បាន ប៉ុន្តែមិនពិត ការបង្កើតខ្លឹមសារពុល និងការធ្វើត្រាប់តាមភាពលំអៀងដែលមានឫសគល់នៅក្នុងទិន្នន័យបណ្តុះបណ្តាល AI ។ 

ដើម្បីជួយអ្នកស្រាវជ្រាវដោះស្រាយបញ្ហាទាំងនេះនៅថ្ងៃសុក្រទី 25 ខែកុម្ភៈ Meta  បានប្រកាសការចេញផ្សាយ នៃគំរូភាសាធំថ្មីមួយហៅថា LLaMA (Large Language Model Meta AI) . 

តើ LLaMA ជាអ្វី?

LLaMA មិនមែនជា chatbot ។ប៉ុន្តែវាគឺជាឧបករណ៍ស្វែងរកដែលយោងទៅតាម Meta ai នឹងដោះស្រាយបញ្ហាទាក់ទងនឹងគំរូភាសា AI. Meta បាននិយាយនៅក្នុងប្លក់របស់គាត់ថា "ម៉ូដែលតូច និងដំណើរការល្អជាងមុនដូចជា LLaMA អនុញ្ញាតឱ្យអ្នកដទៃនៅក្នុងសហគមន៍ស្រាវជ្រាវដែលខ្វះលទ្ធភាពប្រើប្រាស់ហេដ្ឋារចនាសម្ព័ន្ធជាច្រើនដើម្បីសិក្សាគំរូទាំងនេះ ធ្វើឱ្យការចូលប្រើប្រាស់លទ្ធិប្រជាធិបតេយ្យបន្ថែមទៀតនៅក្នុងវិស័យដ៏សំខាន់ និងមានការវិវត្តយ៉ាងឆាប់រហ័សនេះ" ។ ជាផ្លូវការ .

LLaMA គឺជាបណ្តុំនៃគំរូភាសាដែលមានចាប់ពី 7B ដល់ 65B ប៉ារ៉ាម៉ែត្រ។ ក្រុមហ៊ុនបាននិយាយថា ខ្លួនបណ្តុះបណ្តាលគំរូរបស់ខ្លួនលើសញ្ញាសម្ងាត់រាប់លាន ដោយនិយាយថា វាអាចបណ្តុះបណ្តាលម៉ូដែលទំនើបៗដោយប្រើសំណុំទិន្នន័យសាធារណៈ និងមិនពឹងផ្អែកលើសំណុំទិន្នន័យដែលមានកម្មសិទ្ធិ និងមិនអាចចូលដំណើរការបាន។

LLaMA គឺខុសគ្នា

យោងតាម ​​Meta ការបណ្តុះបណ្តាលគំរូដូចជា LLaMA ត្រូវការថាមពលកុំព្យូទ័រតិចតួចបំផុតដើម្បីសាកល្បង ធ្វើឱ្យមានសុពលភាព និងស្វែងរកករណីប្រើប្រាស់ថ្មី។ គំរូភាសាមូលដ្ឋានហ្វឹកហាត់លើប្លុកធំនៃទិន្នន័យដែលមិនមានស្លាក ដែលធ្វើឱ្យពួកវាល្អសម្រាប់ការប្ដូរតាមបំណងចំពោះកិច្ចការផ្សេងៗ។ 

នៅក្នុងឯកសារស្រាវជ្រាវរបស់គាត់ Meta បានកត់សម្គាល់ថា LLaMA-13B ដំណើរការបានប្រសើរជាង OpenAI's GPT-3 (175B) នៅលើស្តង់ដារភាគច្រើន ហើយ LLaMA-65B មានការប្រកួតប្រជែងជាមួយម៉ូដែលកំពូល។ Chinchilla70B ដោយ DeepMind e PaLM-540B ពី Google. 

បច្ចុប្បន្ន LLaMA មិនត្រូវបានប្រើប្រាស់លើផលិតផល Meta ai ណាមួយនោះទេ ទោះជាយ៉ាងណាក៏ដោយ ក្រុមហ៊ុនមានគម្រោងធ្វើឱ្យវាអាចរកបានសម្រាប់អ្នកស្រាវជ្រាវ។ ក្រុមហ៊ុនបានបើកដំណើរការ LLM OPT-175B របស់ខ្លួនរួចហើយ ប៉ុន្តែ LLaMA គឺជាប្រព័ន្ធទំនើបបំផុតរបស់វា។ 

ក្រុមហ៊ុនកំពុងធ្វើឱ្យវាអាចប្រើបានក្រោមអាជ្ញាប័ណ្ណមិនពាណិជ្ជកម្មដែលផ្តោតលើករណីប្រើប្រាស់ស្រាវជ្រាវ។ វានឹងមានសម្រាប់អ្នកស្រាវជ្រាវសិក្សា។ អ្នកដែលមានទំនាក់ទំនងជាមួយរដ្ឋាភិបាល សង្គមស៊ីវិល និងអង្គការសិក្សា។ និងមន្ទីរពិសោធន៍ស្រាវជ្រាវឧស្សាហកម្មជុំវិញពិភពលោក។

Ercole Palmeri