متا روز دوشنبه با معرفی سری Muse Wonder، دو مدلی که شرکت می‌گوید قادرترین‌ترین مدل‌هایی است که تا به حال ساخته است، ادعای خود را در زمینه هوش مصنوعی مطرح کرد. این اطلاعیه که در وبلاگ تحقیقاتی متا در 12 اکتبر منتشر شد، Muse Wonder و Muse Wonder Full را به عنوان سیستم‌های پیشرفته برای کارهای شخصی و حرفه‌ای نمایندگی معرفی می‌کند و آنها را به عنوان گام بعدی در یک «نردبان مقیاس‌پذیر» به سوی آنچه متا ابرهوش شخصی می‌نامد، قاب می‌کند.
این نسخه شامل یک تحول چهارده ماهه در سازمان هوش مصنوعی متا است. به گزارش بلومبرگ، متا می گوید که مدل جدید Muse پس از 14 ماه تلاش به مرز هوش مصنوعی می رسد، در حالی که نیویورک تایمز این اعلامیه را به عنوان رونمایی از سری جدیدی از مدل های پیشرفته هوش مصنوعی پوشش می دهد. پست وبلاگ خود متا این قوس را به صراحت توصیف می کند: چهارده ماه پیش این شرکت بازنگری اساسی در تلاش های هوش مصنوعی خود را آغاز کرد و می گوید اکنون "از بازسازی پشته ما از اصول اولیه به پیشبرد مرزها" رفته است. برای هر کسی که مسابقه گسترده‌تری را بین آزمایشگاه‌های اصلی دنبال می‌کند، این واضح‌ترین سیگنال تاکنون است که متا قصد دارد در سطح برتر رقابت کند - و شما می‌توانید بقیه واکنش‌های صنعت را در پوشش خبری اخبار هوش مصنوعی ما دنبال کنید.
آنچه متا در واقع اعلام کرد
سری Muse Wonder از دو مدل تشکیل شده است. Muse Wonder امروز از طریق Meta Model API و از طریق Muse Code، ابزار کدنویسی متا در دسترس است. Muse Wonder Full، نوع توانمندتر، امروز برای مشترکین Muse Code در دسترس است.
متا این جفت را به‌عنوان «قادرترین مدل‌های ما که عملکرد پیشرفته‌ای را در وظایف نمایندگی شخصی و حرفه‌ای ارائه می‌کنند» توصیف می‌کند. از نظر عملی، آنها را کمتر به‌عنوان ربات‌های چت و بیشتر به‌عنوان سیستم‌هایی که برای انجام کارهای چند مرحله‌ای از جانب کاربر طراحی شده‌اند، قرار می‌دهد: ردیابی زمینه، پیگیری اهداف در جلسات طولانی، و تولید نتایج نهایی.
این شرکت همچنین نحوه دسترسی این مدل ها به کاربران را مشخص کرد. Muse Wonder به زودی تجربیات خود را در Muse، محصول دستیار متا، در ابتدا برای مشترکین عرضه خواهد کرد. همچنین تولید مصنوعات و سایر فرآیندهایی را که متا توصیف می‌کند به‌عنوان نیاز به هوش بیشتر پیش می‌برد. و با نگاهی به آینده، متا می‌گوید که قصد دارد از Muse Wonder برای توسعه مدل‌های تخصصی استفاده کند که می‌تواند برای همه با استفاده از Muse ارائه کند.
حافظه فعال و تمرکز فعال
دو مفهوم لنگر اعلامیه، و هر دو حالت های شکست را هدف قرار می دهند که استقرار عامل در دنیای واقعی محدود است.
اولین مورد حافظه فعال است. در فرمول متا، عوامل شخصی و حرفه ای مفید باید به طور قابل اعتماد زمینه مهمی را در مورد یک کاربر در میان مکالمات حمل کنند و به طور فعال جزئیات مربوط به کار در دست را بازیابی کنند - به عنوان مثال، وقتی چیزی را که یک کاربر هفته‌ها پیش به آن اشاره کرده، به سندی که امروز در حال تنظیم است تبدیل می‌شود. حافظه یکی از پایدارترین نقاط ضعف برای محصولات دستیار بوده است، و Meta به صراحت آن را به جای یک ویژگی جانبی، به عنوان یک قابلیت اصلی معرفی می کند.
دومین مورد، تمرکز فعال است، که توضیح می‌دهد که چگونه مدل تلاش برای رسیدن به یک هدف چالش‌برانگیز را حفظ می‌کند. به گفته متا، یک عامل متمرکز، در صورت مسدود شدن، رویکردهای جایگزین را امتحان می‌کند، از طریق موانع کار می‌کند، با رسیدن اطلاعات جدید با اطلاعات جدید سازگار می‌شود، در صورت نیاز توضیح می‌خواهد، و قبل از انجام اقدامات مهم با کاربر بررسی می‌کند. اجرای چند مرحله ای پایدار - نه فقط پاسخ دادن به یک سوال - این است که آزمایشگاه های مرزی به طور فزاینده ای به عنوان خط جداکننده واقعی بین دموها و محصولات قابل اعتماد رفتار می کنند.
معیارها: قانون، تمرکز و کدگذاری ماراتن
متا می‌گوید که این سری نتایج پیشرفته‌ای را در معیارهای کلیدی برای عوامل شخصی و حرفه‌ای، حافظه و کدنویسی به دست می‌آورد و این شرکت گزارش ارزیابی کاملی را در کنار اعلامیه منتشر کرد.
سه معیار نام‌گذاری شده این حس را به ما می‌دهند که متا آتش خود را در کجا متمرکز کرده است. معیار نماینده قانونی هاروی (LAB) آزمایش می‌کند که آیا مدل‌ها می‌توانند با اسناد منبع کار کنند و دستورالعمل‌های دقیق را برای تولید محصولات قانونی نهایی دنبال کنند - مجموعه وظایفی که در ارزیابی‌ها در سراسر صنعت، از جمله توسط آزمایشگاه‌های رقیب استفاده می‌شود. FocusBench تمرکز پایدار را اندازه‌گیری می‌کند و SWE-Marathon آزمایش می‌کند که آیا یک مدل می‌تواند کار مفیدی را روی پروژه‌های نرم‌افزاری طولانی‌مدت انجام دهد، نه اینکه پازل‌های کدگذاری مجزا را ایجاد کند. ارزیابی‌های متا همچنین شامل وظایف دامنه در حقوق، امور مالی و سلامت می‌شود که نشان‌دهنده پیشنهاد شرکت است که Muse Wonder می‌تواند دانش تخصصی را برای مشکلاتی که افراد در محل کار و زندگی روزمره با آنها مواجه می‌شوند، از درک قرارداد اجاره گرفته تا درک اطلاعات مالی یا سلامتی به کار ببرد.
در مقیاس گیگاوات آموزش دیده است
زیرساخت داستان آرام پشت پرتاب است. متا می‌گوید که هر دو مدل در Prometheus آموزش دیده‌اند، که شرکت آن را مرکز داده در مقیاس گیگاوات خود توصیف می‌کند. جزئیات مهم هستند زیرا دوره‌های آموزشی مرزی به اندازه یک فعالیت تحقیقاتی به یک انرژی و لجستیک تبدیل شده‌اند و تعداد کمی از شرکت‌ها در جهان سرمایه و ردپای فیزیکی برای انجام محاسبات در آن مقیاس را دارند.
همچنین بر شرط استراتژیک متا تاکید می کند. وبلاگ این شرکت، انتشار را به «مقیاس‌سازی دقیق و قابل پیش‌بینی» پیوند می‌دهد، رویکردی که می‌گوید در زمان معرفی Muse Spark ارائه کرده است، و Muse Wonder را به‌عنوان بازده این رشته معرفی می‌کند: کار یادگیری پیش‌آموزشی و تقویتی که با توانمندترین مدل‌های آن ترکیب شده است.
رقابت و زمینه
پرتاب در یک لحظه شلوغ فرود می آید. رقبای خود از جمله OpenAI، Anthropic، و Google سال گذشته را صرف حمل و نقل سیستم های مرزی و عامل محور خود کرده اند و عبارت "مدل مرزی" به منطقه مورد مناقشه تبدیل شده است - هر آزمایشگاه ادعا می کند، و ارزیابی های مستقل هفته ها انتشار را به تاخیر می اندازند. اکنون که دسترسی به API فعال است، ادعای متا در تابلوهای امتیازات عمومی و در دست توسعه‌دهندگان آزمایش خواهد شد.
همچنین زمینه نظارتی و پلت فرمی وجود دارد که ارزش تماشا را دارد. در اوایل این ماه، گزارش دادیم که آمازون عامل Meta's Muse را مسدود کرده است زیرا وب سایت ها به طور فزاینده ای از عوامل هوش مصنوعی جدا می شوند، اختلافی که صنعت را به سمت بحث در مورد استانداردهای باز برای نحوه دسترسی نمایندگان به وب سوق داده است. تاکید Muse Wonder بر قابلیت عامل تضمین می‌کند که این اصطکاک‌های پلتفرم به جای محو شدن، تشدید می‌شوند.
در نهایت، چارچوب "ابر هوش شخصی" بازتابی عمدی از موقعیت عمومی مارک زاکربرگ است که زمانی که او مانیفست ابرهوشی خود را منتشر کرد و برای بسته نگه داشتن مدل های پیشرو استدلال کرد، آن را بررسی کردیم. Muse Wonder اولین اثبات عمده تولید شده این تز است.
بعد چه چیزی را تماشا کنیم
سه چیز تعیین می کند که آیا اولین بازی Muse Wonder به زمینی بادوام تبدیل می شود یا خیر. اول، تکرار معیار مستقل: اعداد متا خود گزارش می‌شوند و تاریخ نشان می‌دهد که تأیید ادعای مرزی زمان می‌برد. دوم، قابلیت اطمینان در دنیای واقعی حافظه فعال، ویژگی که احتمالاً محصول را در استفاده روزانه متمایز می کند. سوم، با چه سرعتی Muse Wonder در برنامه‌های متا عرضه می‌شود، زیرا توزیع بین میلیاردها کاربر مزیتی است که هیچ رقیبی نمی‌تواند با آن برابری کند.
