Agent.ai.vn

Meta ra mắt Llama 3.2: Định nghĩa lại AI Sinh Thể Nguồn Mở với Khả năng Trên Thiết bị và Đa Phương thức

<h2 id="section-0">Meta ra mắt Llama 3.2: Định nghĩa lại AI Sinh Thể Nguồn Mở với Khả năng Trên Thiết bị và Đa Phương thức</h2>
Meta vừa công bố Llama 3.2, phiên bản mới nhất trong dòng mô hình ngôn ngữ lớn (LLM) Llama, đánh dấu một bước tiến quan trọng trong hệ sinh thái AI sinh thể nguồn mở. Llama 3.2 mở rộng khả năng của Llama theo hai hướng chính: xử lý dữ liệu đa phương thức (kết hợp hình ảnh, văn bản và nhiều loại dữ liệu khác) và khả năng triển khai trên các thiết bị nhỏ gọn, mở ra cơ hội cho các ứng dụng AI thời gian thực ngay trên thiết bị.
Sự tiến hóa của Llama:
Hành trình của Meta với Llama bắt đầu từ đầu năm 2023, và từ đó đến nay, dòng sản phẩm này đã chứng kiến sự tăng trưởng và áp dụng mạnh mẽ. Khởi đầu với Llama 1, chỉ dành cho mục đích nghiên cứu phi thương mại, Llama 2 ra mắt năm 2023 đã chuyển sang mô hình nguồn mở. Llama 3.1, được phát hành hồi đầu năm nay, là một bước tiến lớn với mô hình nguồn mở lớn nhất, sở hữu 405 tỷ tham số, ngang ngửa hoặc vượt trội so với các đối thủ thương mại. Llama 3.2 tiếp tục phát triển bằng cách giới thiệu các mô hình nhẹ và tập trung vào thị giác, làm cho AI trên thiết bị và chức năng đa phương thức trở nên dễ tiếp cận hơn. Cam kết về tính minh bạch và khả năng truy cập của Meta đã giúp Llama trở thành mô hình hàng đầu trong cộng đồng nguồn mở.
Giới thiệu Llama 3.2:
Llama 3.2 bao gồm nhiều mô hình ngôn ngữ khác nhau để đáp ứng các yêu cầu đa dạng. Các mô hình lớn và trung bình (90 và 11 tỷ tham số) được thiết kế để xử lý dữ liệu đa phương thức, bao gồm văn bản và hình ảnh. Chúng có thể hiệu quả giải thích biểu đồ, đồ thị và các dạng dữ liệu trực quan khác, phù hợp cho việc xây dựng các ứng dụng trong lĩnh vực thị giác máy tính, phân tích tài liệu và công cụ thực tế tăng cường. Các mô hình nhẹ hơn (1 tỷ và 3 tỷ tham số) được tối ưu hóa đặc biệt cho thiết bị di động. Những mô hình chỉ xử lý văn bản này xuất sắc trong việc tạo văn bản đa ngôn ngữ và khả năng gọi công cụ, rất hiệu quả cho các tác vụ như tạo văn bản được hỗ trợ bởi truy xuất thông tin, tóm tắt và tạo các ứng dụng dựa trên tác nhân cá nhân hóa trên các thiết bị nhỏ gọn.
Tầm quan trọng của Llama 3.2:
Phiên bản Llama 3.2 này nổi bật với hai điểm cải tiến chính:
Kỷ nguyên mới của AI đa phương thức:
Llama 3.2 là mô hình nguồn mở đầu tiên của Meta có khả năng xử lý cả văn bản và hình ảnh. Đây là một bước tiến quan trọng trong sự phát triển của AI sinh thể nguồn mở, cho phép mô hình phân tích và phản hồi đầu vào trực quan cùng với dữ liệu văn bản. Ví dụ, người dùng giờ đây có thể tải lên hình ảnh và nhận được phân tích chi tiết hoặc chỉnh sửa dựa trên lời nhắc bằng ngôn ngữ tự nhiên, chẳng hạn như xác định đối tượng hoặc tạo chú thích. Mark Zuckerberg đã nhấn mạnh khả năng này trong buổi ra mắt, nói rằng Llama 3.2 được thiết kế để "cho phép rất nhiều ứng dụng thú vị đòi hỏi sự hiểu biết trực quan". Việc tích hợp này mở rộng phạm vi ứng dụng của Llama cho các ngành công nghiệp dựa trên thông tin đa phương thức, bao gồm bán lẻ, chăm sóc sức khỏe, giáo dục và giải trí.
Chức năng trên thiết bị để tăng khả năng tiếp cận:
Một trong những tính năng nổi bật của Llama 3.2 là khả năng tối ưu hóa cho việc triển khai trên thiết bị, đặc biệt là trong môi trường di động. Các phiên bản nhẹ của mô hình với 1 tỷ và 3 tỷ tham số được thiết kế đặc biệt để chạy trên điện thoại thông minh và các thiết bị nhỏ gọn khác sử dụng phần cứng của Qualcomm và MediaTek. Điều này cho phép các nhà phát triển tạo ra các ứng dụng mà không cần đến các nguồn tính toán lớn. Hơn nữa, các phiên bản mô hình này xuất sắc trong việc xử lý văn bản đa ngôn ngữ và hỗ trợ độ dài ngữ cảnh dài hơn (128K tokens), cho phép người dùng phát triển các ứng dụng xử lý ngôn ngữ tự nhiên bằng ngôn ngữ mẹ đẻ của họ. Ngoài ra, các mô hình này có khả năng gọi công cụ, cho phép người dùng tham gia vào các ứng dụng tác nhân, chẳng hạn như quản lý lời mời lịch và lên kế hoạch cho các chuyến đi trực tiếp trên thiết bị của họ.
Khả năng triển khai các mô hình AI cục bộ giúp AI nguồn mở khắc phục được những thách thức liên quan đến điện toán đám mây, bao gồm các vấn đề về độ trễ, rủi ro bảo mật, chi phí vận hành cao và phụ thuộc vào kết nối internet. Sự tiến bộ này có tiềm năng biến đổi các ngành công nghiệp như chăm sóc sức khỏe, giáo dục và hậu cần, cho phép họ sử dụng AI mà không bị ràng buộc bởi cơ sở hạ tầng đám mây hoặc các mối quan ngại về quyền riêng tư, và trong các tình huống thời gian thực. Điều này cũng mở ra cánh cửa cho AI tiếp cận các khu vực có kết nối hạn chế, dân chủ hóa quyền truy cập vào công nghệ tiên tiến.
Lợi thế cạnh tranh:
Meta báo cáo rằng Llama 3.2 đã đạt được hiệu suất cạnh tranh với các mô hình hàng đầu từ OpenAI và Anthropic. Họ tuyên bố rằng Llama 3.2 vượt trội hơn các đối thủ như Claude 3-Haiku và GPT-4o-mini trong nhiều tiêu chuẩn đánh giá, bao gồm làm theo hướng dẫn và các nhiệm vụ tóm tắt nội dung. Lợi thế cạnh tranh này rất quan trọng đối với Meta vì họ hướng đến việc đảm bảo rằng AI nguồn mở vẫn ngang hàng với các mô hình độc quyền trong lĩnh vực AI sinh thể đang phát triển nhanh chóng.
Llama Stack: Đơn giản hóa việc triển khai AI:
Một trong những khía cạnh quan trọng của việc phát hành Llama 3.2 là sự ra mắt của Llama Stack. Bộ công cụ này giúp các nhà phát triển dễ dàng làm việc với các mô hình Llama trên nhiều môi trường khác nhau, bao gồm cấu hình đơn nút, tại chỗ, đám mây và trên thiết bị. Llama Stack bao gồm hỗ trợ cho RAG và các ứng dụng được hỗ trợ bằng công cụ, cung cấp một khung toàn diện, linh hoạt để triển khai các mô hình AI sinh thể. Bằng cách đơn giản hóa quá trình triển khai, Meta đang cho phép các nhà phát triển dễ dàng tích hợp các mô hình Llama vào các ứng dụng của họ, cho dù đó là môi trường đám mây, di động hay máy tính để bàn.
Kết luận:
Llama 3.2 của Meta là một cột mốc quan trọng trong sự phát triển của AI sinh thể nguồn mở, thiết lập các tiêu chuẩn mới về khả năng truy cập, chức năng và tính linh hoạt. Với khả năng trên thiết bị và xử lý đa phương thức, mô hình này mở ra những khả năng biến đổi trên nhiều ngành công nghiệp, từ chăm sóc sức khỏe đến giáo dục, đồng thời giải quyết các mối quan ngại quan trọng như quyền riêng tư, độ trễ và hạn chế về cơ sở hạ tầng. Bằng cách trao quyền cho các nhà phát triển triển khai AI tiên tiến một cách cục bộ và hiệu quả, Llama 3.2 không chỉ mở rộng phạm vi ứng dụng của AI mà còn dân chủ hóa quyền truy cập vào các công nghệ tiên tiến trên quy mô toàn cầu. <img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

Meta ra mắt Llama 3.2: Định nghĩa lại AI Sinh Thể Nguồn Mở với Khả năng Trên Thiết bị và Đa Phương thức

Meta ra mắt Llama 3.2: Định nghĩa lại AI Sinh Thể Nguồn Mở với Khả năng Trên Thiết bị và Đa Phương thức Meta vừa công bố Llama 3.2, phiên b...

tháng 9 28, 2024

ChatGPT Lên Tầm: Trợ Lý AI Mới Trên Máy Tính Để Bàn Của Bạn

<h2 id="section-0">ChatGPT Lên Tầm: Trợ Lý AI Mới Trên Máy Tính Để Bàn Của Bạn</h2>
Thế giới đã say mê sử dụng ChatGPT trên nền tảng đám mây. Vì vậy, OpenAI cho rằng một phiên bản máy tính để bàn của công cụ gợi ý AI thế hệ mới này sẽ còn tuyệt vời hơn nữa.
OpenAI vừa phát hành bản cập nhật cho ứng dụng máy tính để bàn, bổ sung một số tính năng đặc biệt hữu ích cho các nhà phân tích dữ liệu. Một trong những cập nhật đáng chú ý là cửa sổ phụ trợ, giúp ChatGPT linh hoạt hơn và phù hợp hơn với những người làm việc đa nhiệm.
Những điểm nổi bật của ứng dụng ChatGPT dành cho máy tính để bàn:
<ul>
<li>Tính đa năng của AI được nâng cao: Cửa sổ phụ trợ giúp truy cập và điều chỉnh ChatGPT dễ dàng hơn, hỗ trợ tối đa cho người dùng đa nhiệm.</li>
<li>Tích hợp chức năng: Sử dụng ChatGPT trên máy tính xách tay để tải lên ảnh chụp màn hình và các tệp cục bộ trực tiếp vào lời nhắc, giúp nhận được hướng dẫn chính xác hơn.</li>
<li>Hỗ trợ bằng giọng nói: Kích hoạt trợ lý giọng nói để nghe lời khuyên của ChatGPT trong khi đang gõ hoặc sử dụng các phần mềm khác.</li>
<li>Tải ảnh chụp màn hình và hình ảnh: Người dùng có thể chụp ảnh màn hình giao diện phần mềm và tải lên cùng với lời nhắc. Điều này rất hữu ích khi lời nhắc liên quan đến phần mềm cục bộ mới và bạn cần hướng dẫn về giải pháp máy tính để bàn đang sử dụng hoặc gặp sự cố với một tính năng nào đó. Chất lượng hướng dẫn sẽ dựa trên tập dữ liệu huấn luyện mới nhất của mô hình, và người dùng ChatGPT Plus sẽ được tiếp cận với các bản cập nhật mới nhất sớm hơn so với tài khoản miễn phí. Ứng dụng cũng cho phép chụp ảnh bằng camera của thiết bị, tuy nhiên tính năng này hiện chỉ giới hạn ở những gì xung quanh máy tính xách tay. Việc bổ sung phiên bản ứng dụng cho máy tính bảng sẽ mở rộng đáng kể khả năng sử dụng.</li>
<li>Điều chỉnh bộ nhớ của ChatGPT: Ứng dụng cho phép điều chỉnh “bộ nhớ” của ChatGPT về các cuộc trò chuyện. Điều này cho phép ChatGPT tiếp tục mạch suy nghĩ trong các cuộc trò chuyện qua lại. Các tính năng khác như tải lên hình ảnh và tệp tin đều là những tính năng tiêu chuẩn của ChatGPT, do đó việc có sẵn trên máy tính để bàn mang lại sự tiện lợi hơn là thay đổi không gian làm việc của người dùng. Một menu nhỏ xuất hiện ở phía dưới bên phải khi người dùng nhấp vào biểu tượng kẹp giấy trong cửa sổ văn bản. Phím tắt bàn phím cũng được cung cấp để truy cập ChatGPT dễ dàng hơn khi đang gõ.</li>
<li>Cửa sổ phụ trợ: Tính năng nổi bật nhất của phiên bản ChatGPT máy tính để bàn mới là tùy chọn cửa sổ phụ trợ. Cửa sổ này đặt một cửa sổ đầu ra bên cạnh cửa sổ truy cập ChatGPT tiêu chuẩn. Nó luôn hiển thị phía trên tất cả các cửa sổ khác, giúp người dùng năng suất hơn khi chuyển đổi giữa ứng dụng ChatGPT và các ứng dụng, phần mềm khác. Để truy cập, bạn bắt đầu một cuộc trò chuyện mới, sau đó di chuyển con trỏ đến biểu tượng “cửa sổ kép” ở đầu cuộc trò chuyện. Nhấp vào biểu tượng sẽ mở cửa sổ phụ trợ. Bạn có thể điều chỉnh vị trí của cửa sổ phụ trợ trên màn hình. Cửa sổ phụ trợ bổ sung các tính năng cho phân tích dữ liệu bằng cách đóng vai trò là phần bổ sung và chế độ xem mở rộng. Người dùng có thể tương tác với bảng và biểu đồ trong cửa sổ phụ trợ và chọn các ô bảng cụ thể để phân tích thêm. Người dùng cũng có thể tùy chỉnh và tải xuống biểu đồ cho bài thuyết trình và tài liệu.</li>
<li>Trợ lý giọng nói: Người dùng có thể tương tác với ChatGPT bằng giọng nói bằng cách nhấp vào biểu tượng tai nghe để kích hoạt micro và trợ lý giọng nói trên máy tính xách tay. Trợ lý giọng nói sẽ trả lời bằng một trong bốn cài đặt giọng nói mà bạn chọn. Ưu điểm của trợ lý giọng nói là bạn nhận được sự trợ giúp trong khi đang gõ hoặc xem các phần mềm khác trên máy tính xách tay. Điều này rất tuyệt vời để nghe lời khuyên trong khi bạn đang viết tài liệu, nhập dữ liệu vào bảng tính hoặc xem xét cú pháp cho chương trình bạn đang viết.</li>
</ul>
So sánh với các đối thủ:
Tính năng cửa sổ phụ trợ khá giống với các tính năng tăng cường hiện có trên trợ lý AI thế hệ mới của đối thủ cạnh tranh. Anthropic’s Claude cũng cung cấp một cửa sổ phụ trợ gọi là Artifacts, hiển thị hình ảnh hoặc mã bên cạnh văn bản phản hồi. Sự khác biệt chính giữa Claude Artifacts và ứng dụng ChatGPT Desktop là cửa sổ của nó xuất hiện trên trang hồ sơ chính thay vì một ứng dụng máy tính để bàn riêng biệt. Gemini cũng cung cấp một loại cửa sổ phụ trợ thông qua tiện ích mở rộng liệt kê hình thu nhỏ YouTube xem trước video. Danh sách này chỉ xuất hiện khi người dùng yêu cầu gợi ý YouTube trong lời nhắc và khi tiện ích mở rộng được kích hoạt. Điều này khác biệt đáng kể so với Claude và ChatGPT vì cửa sổ của chúng xuất hiện cho nhiều phản hồi lời nhắc hơn.
Khả năng tương thích:
Hiện tại, ứng dụng ChatGPT Desktop chỉ khả dụng trên máy tính xách tay Apple chạy macOS 14 và có bộ xử lý Apple M1, M2 hoặc M3. Phiên bản dành cho Microsoft Windows dự kiến sẽ sớm được ra mắt.
Với sự phổ biến của ChatGPT, việc mở rộng khả năng tương thích của ứng dụng máy tính để bàn sẽ giúp nhiều chuyên gia hơn nữa áp dụng việc sử dụng AI với sự tiện lợi mới về năng suất cục bộ. <img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

ChatGPT Lên Tầm: Trợ Lý AI Mới Trên Máy Tính Để Bàn Của Bạn

ChatGPT Lên Tầm: Trợ Lý AI Mới Trên Máy Tính Để Bàn Của Bạn Thế giới đã say mê sử dụng ChatGPT trên nền tảng đám mây. Vì vậy, OpenAI cho rằ...

tháng 9 28, 2024

Google giảm giá mạnh, tăng tốc và hiệu quả cho mô hình AI Gemini

<h2 id="section-0">Google giảm giá mạnh, tăng tốc và hiệu quả cho mô hình AI Gemini</h2>
Google vừa ra mắt hai mô hình cập nhật, Gemini-1.5-Pro-002 và Gemini-1.5-Flash-002, với những cải tiến đáng kể về tốc độ, chi phí và hiệu quả. Các bản cập nhật này không chỉ mang lại hiệu suất tốt hơn mà còn giảm giá, mang lại lợi ích cho các nhà phát triển sử dụng công cụ này.
Logan Kilpatrick, Quản lý sản phẩm cấp cao của Google, cho biết: "Hôm nay, chúng tôi phát hành hai mô hình Gemini sẵn sàng sản xuất đã được cập nhật: Gemini-1.5-Pro-002 và Gemini-1.5-Flash-002." Phiên bản 1.5 Pro mới có mức giá giảm 50% cho cả token đầu vào và đầu ra đối với các lời nhắc dưới 128.000 token. Các mô hình này cũng có giới hạn tốc độ cao hơn và độ trễ thấp hơn; mô hình 1.5 Flash có giới hạn tốc độ tăng lên 2.000 yêu cầu mỗi phút (RPM), trong khi mô hình 1.5 Pro tăng lên 1.000 RPM. Cả hai mô hình đều cho ra kết quả nhanh hơn, với tốc độ tăng gấp đôi và độ trễ giảm gấp ba.
Các nhà phát triển có thể truy cập các mô hình này miễn phí thông qua Google AI Studio và Gemini API. Ngoài ra, các tổ chức lớn và khách hàng của Google Cloud có thể sử dụng các mô hình này trên Vertex AI. Những cập nhật này dựa trên các bản phát hành mô hình thử nghiệm và cung cấp những cải tiến đáng kể so với các mô hình Gemini được giới thiệu tại Google I/O vào tháng 5.
Dòng mô hình Gemini 1.5 mang đến những cải tiến trong nhiều nhiệm vụ, bao gồm tổng hợp văn bản, lập trình và các ứng dụng hình ảnh. Shrestha Basu Mallick, Quản lý sản phẩm nhóm, lưu ý: "Các mô hình Gemini có thể được sử dụng để tổng hợp thông tin từ các tệp PDF 1000 trang, trả lời các câu hỏi về kho lưu trữ có hơn 10.000 dòng mã, xử lý video dài một giờ và tạo nội dung hữu ích từ chúng." Các mô hình này đã cho thấy mức tăng khoảng 7% trong MMLU-Pro, một phiên bản thử thách của một điểm chuẩn phổ biến. Trên các điểm chuẩn MATH và HiddenMath, các mô hình đã đạt được cải thiện khoảng 20%. Thêm vào đó, hiệu suất của khả năng hiểu hình ảnh và tạo mã Python đã được cải thiện khoảng 2 đến 7 phần trăm.
Cài đặt bộ lọc mặc định của các mô hình cũng đã được cập nhật, tập trung vào việc cân bằng hướng dẫn của người dùng và duy trì tính an toàn trong đầu ra của chúng. Kilpatrick nhấn mạnh rằng các nhà phát triển sử dụng các phiên bản mới nhất (được gọi là mô hình -002) "sẽ không có bộ lọc được áp dụng theo mặc định, cho phép họ cấu hình các mô hình dựa trên nhu cầu cụ thể của họ".
Mô hình Gemini-1.5-Pro-002 đặc biệt đáng chú ý vì giá cả đã được giảm. Có hiệu lực từ đầu tháng 10, giá token đầu vào sẽ giảm 64%, token đầu ra giảm 52% và token được lưu trữ tăng dần giảm 64%, ảnh hưởng đến các dự án sử dụng ít hơn 128.000 token. Giảm giá này nhằm mục đích giảm hơn nữa chi phí sử dụng Gemini trong sản xuất, đặc biệt là kết hợp với các tính năng lưu trữ ngữ cảnh.
Các mô hình cập nhật cũng phản ánh những thay đổi dựa trên phản hồi của nhà phát triển. Kilpatrick nhấn mạnh: "Chúng tôi đã làm cho phản hồi của các mô hình ngắn gọn hơn để giảm chi phí và làm cho chúng dễ sử dụng hơn." So với các mô hình trước đó, độ dài đầu ra mặc định cho các tác vụ tóm tắt, trả lời câu hỏi và trích xuất đã giảm khoảng 5-20%. Đối với các sản phẩm dựa trên trò chuyện yêu cầu phản hồi dài hơn, các chiến lược nhắc nhở tùy chỉnh có sẵn để làm cho các mô hình chi tiết và mang tính đối thoại hơn.
Các bản cập nhật thử nghiệm bổ sung cho mô hình Gemini-1.5 bao gồm việc phát hành Gemini-1.5-Flash-8B-Exp-0924, cung cấp những cải tiến hiệu suất đáng kể trên các trường hợp sử dụng văn bản và đa phương thức. Mallick cho biết: "Phản hồi tích cực từ các nhà phát triển về 1.5 Flash-8B là điều tuyệt vời." Công ty có kế hoạch tiếp tục định hình quy trình phát hành từ thử nghiệm sang sản xuất dựa trên phản hồi của nhà phát triển.
Những cập nhật này phản ánh cam kết của Gemini trong việc cung cấp cho các nhà phát triển các mô hình AI mạnh mẽ và tiết kiệm chi phí, cải thiện điểm chuẩn hiệu suất và giảm chi phí vận hành. Những cải tiến mới được giới thiệu dường như củng cố vị thế của Gemini trong bối cảnh cạnh tranh AI, đồng thời cho phép phát triển ứng dụng dễ dàng hơn và hiệu quả hơn. <img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

Google giảm giá mạnh, tăng tốc và hiệu quả cho mô hình AI Gemini

Google giảm giá mạnh, tăng tốc và hiệu quả cho mô hình AI Gemini Google vừa ra mắt hai mô hình cập nhật, Gemini-1.5-Pro-002 và Gemini-1.5-F...

tháng 9 27, 2024

Meta Connect 2024: Llama 3.2, Kính Holographic và Những Bước Tiến Mới Trong AI

<h2 id="section-0">Meta Connect 2024: Llama 3.2, Kính Holographic và Những Bước Tiến Mới Trong AI</h2>
Sự kiện Meta Connect 2024 đã mang đến một loạt thông báo đáng chú ý, đánh dấu những bước tiến quan trọng trong lĩnh vực trí tuệ nhân tạo (AI), thực tế tăng cường (AR) và thực tế ảo (VR). Bài viết này sẽ tóm tắt những điểm nổi bật của sự kiện.
LLAMA 3.2: "Linux của Thế Giới AI"
Trước thềm sự kiện, tin đồn về việc Meta ra mắt mô hình ngôn ngữ lớn LLAMA 3.2 với các phiên bản 1, 3, 11 và 90 tỷ tham số đã rộ lên. Tại Connect 2024, Meta chính thức công bố LLAMA 3.2, gọi nó là "Linux của thế giới AI", nhấn mạnh tính mã nguồn mở và khả năng tiếp cận rộng rãi. Điểm đặc biệt của LLAMA 3.2 là khả năng đa phương thức, có thể xử lý văn bản, hình ảnh, video và âm thanh. Tuy nhiên, do các quy định của EU, chỉ phiên bản xử lý văn bản mới được phát hành tại châu Âu, tiếp tục xu hướng nhiều sản phẩm AI của Meta không có mặt tại khu vực này. Phiên bản xử lý văn bản đã được phát hành ngay sau buổi thuyết trình chính trên Groq.com, cho phép người dùng trải nghiệm ngay lập tức.
MetaQuest và Tính Năng VR Mới
Buổi thuyết trình bắt đầu với sự ra mắt của MetaQuest và các tính năng VR mới, sau đó chuyển sang các tính năng AI được tích hợp vào các ứng dụng cốt lõi của Meta: Instagram, WhatsApp và Messenger.
Chế độ Giọng nói cho Meta AI: Cạnh Tranh Trên Thị Trường
Một trong những thông báo quan trọng nhất là sự ra mắt của chế độ giọng nói cho Meta AI trên Instagram, WhatsApp, Messenger và Facebook. Giao diện người dùng bằng giọng nói này sẽ được truy cập thông qua một bảng điều khiển ở cuối màn hình, được xem như câu trả lời của Meta đối với chế độ giọng nói nâng cao mới được OpenAI phát hành. Mặc dù các tính năng giọng nói của Meta AI chưa tiên tiến bằng OpenAI, nhưng vẫn sẽ cạnh tranh trực tiếp với Gemini Live, một tính năng khác được ra mắt trong tháng này.
Hình Đại Diện Video Tạo bởi AI: Sự Đột Phá Về Cá Nhân Hóa
Mark Zuckerberg đã trình diễn các hình đại diện video do AI tạo ra, tham gia vào cuộc trò chuyện trực tiếp với một hình đại diện AI khác trên sân khấu. Đây rõ ràng là câu trả lời của Meta đối với những đổi mới về mô hình video tương tự được công bố bởi OpenAI và Gemini. Điểm nhấn ở đây là Meta dường như đang chuẩn bị giới thiệu các hình đại diện do AI tạo ra, hướng đến một cách tiếp cận tương tự như Character AI.
Dịch thuật Reels và Tích hợp Kính Meta:
Meta cũng giới thiệu tính năng dịch thuật trực tiếp cho Reels, cùng với khả năng tích hợp nâng cao cho kính Meta với Spotify, Amazon Music, Audible và các ứng dụng khác. Meta cũng chứng minh khả năng nhận dạng hình ảnh và tận dụng đa phương thức video của kính. Các mẫu kính Meta mới cũng được giới thiệu, bao gồm một phiên bản giới hạn với khung trong suốt, cho phép nhìn thấy công nghệ bên trong như dây và vi mạch.
Kính Holographic và Giao Diện Neuralink: Tương Lai Của Thực Tế Ảo
Thông báo đột phá nhất là kính holographic mới của Meta, được thiết kế để cạnh tranh với Apple Vision. Chiếc kính này mang đến trải nghiệm VR hoàn chỉnh nhưng nhỏ gọn hơn nhiều và trông giống như kính thông thường, không cần dây. Nó cũng đi kèm với giao diện Neuralink đeo tay, cho phép điều khiển bằng cả lệnh thoại và cử chỉ tay.
Tóm lại, Meta Connect 2024 đã thể hiện tham vọng mạnh mẽ của Meta trong việc dẫn đầu cuộc cách mạng AI và VR, với những sản phẩm và tính năng mới cạnh tranh trực tiếp với các đối thủ lớn trên thị trường. Sự kiện này hứa hẹn mở ra những khả năng thú vị cho tương lai của công nghệ. <img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

Meta Connect 2024: Llama 3.2, Kính Holographic và Những Bước Tiến Mới Trong AI

Meta Connect 2024: Llama 3.2, Kính Holographic và Những Bước Tiến Mới Trong AI Sự kiện Meta Connect 2024 đã mang đến một loạt thông báo đán...

tháng 9 27, 2024

Ai2 ra mắt Molmo: Mô hình AI mã nguồn mở vượt trội GPT-4o và Claude

<h2 id="section-0">Ai2 ra mắt Molmo: Mô hình AI mã nguồn mở vượt trội GPT-4o và Claude</h2>
Viện Nghiên cứu Trí tuệ Nhân tạo Allen (Ai2) vừa công bố Molmo, một nhóm các mô hình AI đa phương thức mã nguồn mở, đạt hiệu năng vượt trội so với các đối thủ thương mại hàng đầu như GPT-4o của OpenAI, Claude 3.5 Sonnet của Anthropic và Gemini 1.5 của Google trên nhiều điểm chuẩn đánh giá độc lập.
Khả năng đa phương thức cho phép Molmo xử lý và phân tích hình ảnh và tập tin, tương tự như các mô hình nền tảng thương mại hàng đầu. Điều đáng chú ý là Ai2 tuyên bố Molmo sử dụng "ít dữ liệu hơn 1000 lần" so với các đối thủ cạnh tranh nhờ vào các kỹ thuật huấn luyện thông minh được mô tả chi tiết trong báo cáo kỹ thuật và bài viết công bố gần đây.
Ai2 đã đăng tải video trên YouTube và các nền tảng mạng xã hội khác minh họa khả năng của Molmo. Chỉ với một bức ảnh chụp nhanh bằng điện thoại thông minh, Molmo có thể nhanh chóng đếm số người trong một cảnh, xác định xem món ăn có phải là chay hay không, phân tích tờ rơi dán trên cột đèn để xác định thể loại nhạc của ban nhạc, thậm chí chuyển đổi ghi chú viết tay trên bảng trắng thành bảng biểu – tất cả chỉ trong chưa đầy một giây.
Việc phát hành Molmo khẳng định cam kết của Ai2 đối với nghiên cứu mở, cung cấp các mô hình hiệu năng cao, kèm theo trọng số và dữ liệu mở cho cộng đồng – và tất nhiên, cả cho các công ty đang tìm kiếm các giải pháp mà họ có thể sở hữu, kiểm soát và tùy chỉnh hoàn toàn. Đây là bước tiếp nối sự ra mắt cách đây hai tuần của OLMoE, một mô hình mở khác của Ai2, được thiết kế để tối ưu chi phí.
Molmo: Bốn mô hình, nhiều khả năng
Molmo bao gồm bốn mô hình chính với kích thước tham số và khả năng khác nhau:
<ol>
<li>Molmo-72B: Mô hình chủ lực với 72 tỷ tham số, dựa trên mô hình mã nguồn mở Qwen2-72B của Alibaba Cloud.</li>
<li>Molmo-7B-D: Mô hình trình diễn dựa trên mô hình Qwen2-7B của Alibaba.</li>
<li>Molmo-7B-O: Dựa trên mô hình OLMo-7B của Ai2.</li>
<li>MolmoE-1B: Dựa trên mô hình LLM "hỗn hợp chuyên gia" OLMoE-1B-7B, mà Ai2 cho biết "gần đạt được hiệu năng của GPT-4V trên cả điểm chuẩn học thuật và sở thích người dùng."</li>
</ol>
Tất cả các mô hình đều được cấp phép theo giấy phép Apache 2.0, cho phép sử dụng rộng rãi cho mục đích nghiên cứu và thương mại. Đặc biệt, Molmo-72B dẫn đầu trong các đánh giá học thuật, đạt điểm số cao nhất trên 11 điểm chuẩn chính và xếp thứ hai về sở thích người dùng, chỉ sau GPT-4o.
Vượt trội trên các điểm chuẩn chính
Molmo đạt kết quả ấn tượng trên nhiều điểm chuẩn, đặc biệt là so với các mô hình thương mại. Ví dụ, Molmo-72B đạt 96.3 điểm trên DocVQA và 85.5 điểm trên TextVQA, vượt trội cả Gemini 1.5 Pro và Claude 3.5 Sonnet. Nó cũng vượt trội GPT-4o trên AI2D (điểm chuẩn của Ai2, viết tắt của "A Diagram Is Worth A Dozen Images"), đạt điểm số cao nhất trong tất cả các nhóm mô hình. Các mô hình cũng xuất sắc trong các tác vụ định vị hình ảnh, với Molmo-72B đạt hiệu năng hàng đầu trên RealWorldQA, rất hứa hẹn cho ứng dụng trong lĩnh vực robot học và lập luận đa phương thức phức tạp.
Truy cập mở và các bản phát hành trong tương lai
Ai2 đã cung cấp các mô hình và tập dữ liệu này trên không gian Hugging Face của mình, tương thích hoàn toàn với các framework AI phổ biến như Transformers. Việc truy cập mở này là một phần trong tầm nhìn rộng lớn hơn của Ai2 nhằm thúc đẩy sự đổi mới và hợp tác trong cộng đồng AI. Trong vài tháng tới, Ai2 dự kiến sẽ phát hành thêm các mô hình, mã huấn luyện và phiên bản mở rộng của báo cáo kỹ thuật của họ. Hiện tại, bản demo công khai và một số điểm kiểm tra mô hình đã có sẵn trên trang web chính thức của Molmo. Sự ra mắt của Molmo đánh dấu một bước tiến quan trọng trong việc thu hẹp khoảng cách giữa AI mã nguồn mở và AI thương mại, mở ra nhiều tiềm năng cho nghiên cứu và ứng dụng AI trong tương lai. <img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

Ai2 ra mắt Molmo: Mô hình AI mã nguồn mở vượt trội GPT-4o và Claude

Ai2 ra mắt Molmo: Mô hình AI mã nguồn mở vượt trội GPT-4o và Claude Viện Nghiên cứu Trí tuệ Nhân tạo Allen (Ai2) vừa công bố Molmo, một nhó...

tháng 9 27, 2024

Meta ra mắt Llama 3.2: Mô hình đa phương thức thách thức OpenAI và Anthropic

<h2 id="section-0">Meta ra mắt Llama 3.2: Mô hình đa phương thức thách thức OpenAI và Anthropic</h2>
Meta vừa trình làng Llama 3.2, một bước tiến đáng kể trong lĩnh vực trí tuệ nhân tạo với khả năng xử lý cả văn bản và hình ảnh, đánh dấu tham vọng cạnh tranh trực tiếp với các ông lớn như OpenAI và Anthropic. Được công bố tại sự kiện Meta Connect, Llama 3.2 không chỉ là một bản nâng cấp đơn thuần mà còn là một minh chứng rõ nét cho chiến lược mở nguồn của Meta trong cuộc đua AI.
Khả năng đa phương thức và hiệu suất vượt trội:
Llama 3.2 bao gồm các mô hình có quy mô khác nhau, từ các mô hình nhỏ gọn (11B và 90B tham số) phù hợp với thiết bị di động và các thiết bị edge, đến các mô hình văn bản thuần túy nhẹ hơn (1B và 3B tham số). Điểm đột phá chính là khả năng xử lý đa phương thức: mô hình có thể hiểu và xử lý cả hình ảnh và văn bản. Điều này mở ra vô số ứng dụng mới, cho phép máy tính "hiểu" nội dung trực quan như biểu đồ, hình ảnh, và trả lời câu hỏi liên quan đến chúng. Ví dụ, người dùng có thể yêu cầu mô hình xác định tháng có doanh thu cao nhất dựa trên một biểu đồ doanh số.
Mô hình lớn hơn (11B và 90B tham số) còn có khả năng tạo chú thích hình ảnh chi tiết và xác định các vật thể dựa trên mô tả bằng ngôn ngữ tự nhiên. Với độ dài ngữ cảnh lên tới 128.000 token, Llama 3.2 có thể xử lý lượng văn bản khổng lồ, tương đương hàng trăm trang sách giáo khoa. Meta tuyên bố Llama 3.2 đạt hiệu suất cạnh tranh với Claude 3 Haiku của Anthropic và GPT4o-mini của OpenAI trong các tác vụ nhận dạng hình ảnh và hiểu biết thị giác. Thậm chí, nó còn vượt trội hơn Gemma và Phi 3.5-mini về khả năng làm theo hướng dẫn, tóm tắt, sử dụng công cụ và viết lại lời nhắc.
Chiến lược mở nguồn và khả năng ứng dụng rộng rãi:
Sự ra mắt Llama 3.2 cũng đánh dấu một bước tiến quan trọng trong chiến lược mở nguồn của Meta. Công ty lần đầu tiên chia sẻ các bản phân phối Llama Stack, cho phép các nhà phát triển làm việc với mô hình trong nhiều môi trường khác nhau, bao gồm on-prem, on-device, cloud và single-node. Mark Zuckerberg, CEO của Meta, đã ví chiến lược này như "Linux của AI", nhấn mạnh tính kinh tế, khả năng tùy biến, độ tin cậy và hiệu năng vượt trội của mã nguồn mở. Các mô hình Llama 3.2 hiện đã có sẵn để tải xuống trên llama.com và Hugging Face.
Ứng dụng trong kinh doanh và trải nghiệm người dùng:
Meta cũng mở rộng khả năng AI cho doanh nghiệp, cho phép sử dụng quảng cáo click-to-message trên WhatsApp và Messenger, cũng như xây dựng các agent trả lời câu hỏi thường gặp, thảo luận chi tiết sản phẩm và hoàn tất giao dịch mua bán. Công ty cho biết hơn 1 triệu nhà quảng cáo đã sử dụng công cụ AI thế hệ mới của Meta và 15 triệu quảng cáo đã được tạo ra trong tháng trước.
Đối với người dùng, Meta AI giờ đây được tích hợp giọng nói của các nhân vật nổi tiếng như Dame Judi Dench, John Cena, Keegan Michael Key, Kristen Bell và Awkwafina. Khả năng này được tích hợp trên WhatsApp, Messenger, Facebook và Instagram, cho phép tương tác tự nhiên hơn bằng giọng nói. Meta AI cũng có thể trả lời câu hỏi về hình ảnh được chia sẻ trong tin nhắn, thêm, xóa hoặc thay đổi hình ảnh và bổ sung nền mới. Công ty cũng đang thử nghiệm các công cụ dịch thuật, lồng tiếng video và đồng bộ chuyển động môi mới. Zuckerberg tự tin khẳng định Meta AI đang trên đường trở thành trợ lý ảo được sử dụng nhiều nhất thế giới.
Tóm lại, Llama 3.2 của Meta không chỉ là một bước tiến đáng kể về công nghệ AI đa phương thức, mà còn thể hiện rõ ràng tham vọng của Meta trong việc trở thành một thế lực chủ chốt trong cuộc cách mạng AI, bằng cách kết hợp sức mạnh công nghệ với chiến lược mở nguồn hướng đến cộng đồng nhà phát triển toàn cầu. <img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

Meta ra mắt Llama 3.2: Mô hình đa phương thức thách thức OpenAI và Anthropic

Meta ra mắt Llama 3.2: Mô hình đa phương thức thách thức OpenAI và Anthropic Meta vừa trình làng Llama 3.2, một bước tiến đáng kể trong lĩn...

tháng 9 27, 2024

Meta ra mắt Llama 3.2: Định nghĩa lại AI Sinh Thể Nguồn Mở với Khả năng Trên Thiết bị và Đa Phương thức

ChatGPT Lên Tầm: Trợ Lý AI Mới Trên Máy Tính Để Bàn Của Bạn

Google giảm giá mạnh, tăng tốc và hiệu quả cho mô hình AI Gemini

Meta Connect 2024: Llama 3.2, Kính Holographic và Những Bước Tiến Mới Trong AI

Ai2 ra mắt Molmo: Mô hình AI mã nguồn mở vượt trội GPT-4o và Claude

Meta ra mắt Llama 3.2: Mô hình đa phương thức thách thức OpenAI và Anthropic

Bài đăng phổ biến

Labels