- ■
गाइड लैब्स ओपन-सोर्स्ड स्टर्लिंग-8बी, एक 8 बिलियन पैरामीटर एलएलएम जिसे व्याख्यात्मकता के लिए एक नई वास्तुकला के साथ बनाया गया है
- ■
मॉडल का डिज़ाइन डेवलपर्स को एआई में ब्लैक बॉक्स समस्या का समाधान करते हुए इसकी तर्क प्रक्रिया को समझने और उसका पता लगाने की अनुमति देता है
- ■
रिलीज तब हुई है जब उद्यमों को स्वास्थ्य सेवा और वित्त जैसे विनियमित उद्योगों में समझाने योग्य एआई के लिए बढ़ते दबाव का सामना करना पड़ रहा है
- ■
ओपन-सोर्स रणनीति गाइड लैब्स को एंथ्रोपिक और एआई सुरक्षा पर केंद्रित अन्य प्रयासों के साथ सीधे प्रतिस्पर्धा में रखती है
गाइड लैब्स ने हाल ही में 8 बिलियन पैरामीटर भाषा मॉडल स्टर्लिंग-8बी को लॉन्च किया है, जो एआई के सबसे बड़े सिरदर्द में से एक को हल करने का वादा करता है – यह समझना कि वास्तव में हुड के नीचे क्या हो रहा है। स्टार्टअप ने अपनी निर्णय लेने की प्रक्रिया को पारदर्शी बनाने के लिए डिज़ाइन किए गए एक उपन्यास वास्तुकला के साथ मॉडल को ओपन-सोर्स किया, एक ऐसा कदम जो उद्यमों को एआई सिस्टम को तैनात करने के तरीके को फिर से आकार दे सकता है जहां व्याख्यात्मकता मायने रखती है। ऐसे समय में जब दुनिया भर के नियामक अधिक एआई जवाबदेही की मांग कर रहे हैं, गाइड लैब्स शर्त लगा रही है कि व्याख्या करने योग्य मॉडल उद्योग मानक बन जाएंगे।
गाइड लैब्स कृत्रिम बुद्धिमत्ता की सबसे लगातार समस्याओं में से एक पर तेजी आ रही है। स्टार्टअप ने हाल ही में स्टर्लिंग-8बी जारी किया है, जो एक 8 बिलियन पैरामीटर वाला बड़ा भाषा मॉडल है जो पारंपरिक ब्लैक बॉक्स दृष्टिकोण को हटाकर कुछ अधिक पारदर्शी बनाता है।
मॉडल एक नए आर्किटेक्चर के साथ ओपन-सोर्स रिपॉजिटरी पर उतरा, जिसे विशेष रूप से अपने कार्यों को व्याख्या योग्य बनाने के लिए इंजीनियर किया गया था – जिसका अर्थ है कि डेवलपर्स वास्तव में देख सकते हैं कि मॉडल केवल विश्वास पर अपने आउटपुट को स्वीकार करने के बजाय विशिष्ट निर्णय क्यों लेता है। यह एक तकनीकी धुरी है जो बहुत मायने रख सकती है क्योंकि एआई सिस्टम अधिक जोखिम वाले कार्य करता है।
एक एआई शोधकर्ता ने कहा, “ब्लैक बॉक्स समस्या अब सिर्फ एक शैक्षणिक चिंता नहीं है।” “जब आप स्वास्थ्य सेवा या वित्तीय सेवाओं में मॉडल तैनात कर रहे हैं, तो आपको यह समझाने की ज़रूरत है कि सिस्टम ने एक विशिष्ट उपचार की सिफारिश क्यों की या लेनदेन को चिह्नित क्यों किया।”
गाइड लैब्स व्याख्यात्मकता का पीछा करने वाला पहला नहीं है, लेकिन समय उल्लेखनीय है। जबकि ओपनएआई, anthropicऔर अन्य प्रमुख प्रयोगशालाओं ने बड़े पैमाने पर फ्रंटियर मॉडल में संसाधन डाले हैं, शोधकर्ताओं के एक बढ़ते दल का तर्क है कि यह समझना कि मॉडल कैसे काम करते हैं, कच्चे प्रदर्शन से अधिक मायने रखता है। ऐसा प्रतीत होता है कि कंपनी का दृष्टिकोण व्याख्यात्मकता को बाद में लागू करने के बजाय सीधे मॉडल आर्किटेक्चर में एम्बेड करता है।
8 बिलियन पैरामीटर आकार स्टर्लिंग-8बी को एक दिलचस्प मध्य मैदान में रखता है। यह जटिल कार्यों को संभालने के लिए काफी बड़ा है लेकिन बड़े पैमाने पर क्लाउड इंफ्रास्ट्रक्चर की आवश्यकता के बिना एंटरप्राइज़ हार्डवेयर पर चलने के लिए काफी छोटा है। यह स्थिति उन कंपनियों को आकर्षित कर सकती है जो बड़े मॉडलों की गणना लागत और विलंबता के बिना परिष्कृत एआई चाहते हैं।
