Fontos év volt a tavalyi a generatív mesterséges intelligencia történetében, miután a kutató központokból kiszabaduló technológia népszerű eszközeit - közöttük a ChatGPT szolgáltatást és a Copilot alkalmazásokat - lakossági és vállalati felhasználók milliói kezdték a gyakorlatban használni, mutatott rá blogbejegyzésében (3 big AI trends to watch in 2024) a Microsoft.
Idén a mesterséges intelligencia még szélesebb körben hozzáférhetővé, árnyaltabbá válik, és más technológiákkal szorosabban összekapcsolódik, hogy a hétköznapi feladatok elvégzését éppúgy segítse, mint a világ legnagyobb kihívásainak megválaszolását. A szoftvercég szerint 2024-ben ugyanis három nagy trend, a kis nyelvi modellek és a multimodális AI térhódítása fogja meghatározni ezt a területet, a technológia eddiginél kiterjedtebb, tudományos célú alkalmazásával együtt.
Kicsi a nyelvi modell, de erős
Jóllehet a nagy nyelvi modellek (LLM-ek) a felhasználók ChatGPT-hez vagy Copilot alkalmazásokhoz intézett, legösszetettebb kérdéseit is megválaszolják, méretüknél fogva futtatásuk olyan jelentős számítási erőforrásokat követel, amelyekkel csak a nagy (felhő)adatközpontok szolgálhatnak. A piacon ezért sorra jelennek meg a kis nyelvi modellek (SLM-ek), amelyek több száz milliárd paraméter - a modell viselkedését meghatározó változó - helyett csupán pár milliárd paramétert tartalmaznak, és már elég kicsik ahhoz, hogy offline üzemmódban, akár egy telefonon is futtathatók legyenek, figyelemre méltó teljesítménnyel.
A Microsoft kutatói mostanáig két kis nyelvi modellt fejlesztettek és adtak közre Phi, illetve Orca néven, amelyek bizonyos területeken még jobban is teljesítenek, mint a nagy nyelvi modellek. Az interneten elérhető, hatalmas adattömegeken tanított LLM-ektől eltérően az SLM-eket a kutatók ugyanis válogatott, kiváló minőségű adatokon tanítják, így a kisebb modellekkel mind méret, mind teljesítmény vonatkozásában újabb határokat lépnek át.
Míg a nagy nyelvi modellek egyetlen adattípussal, szöveggel dolgoznak, a multimodális AI a szöveges információk mellett a képeket, a hang- és videofelvételeket - rögzített vagy élő adatfolyamokat - is értelmezi. Képességeinek köszönhetően ez a technológia az információkeresésben és a tartalomalkotó alkalmazásokban is gazdagabb és pontosabb eredményekkel, zökkenőmentes élménnyel szolgál.
Copilot alkalmazásától a felhasználó például megkérdezheti, hogy mit ábrázol a kép, amelyet feltöltött. A kép mellett a természetes nyelvet és a Bing keresés adatait is feldolgozó, multimodális modelljével az alkalmazás ugyanis szavakban össze tudja foglalni a képen látható műemlék történelmi jelentőségét. Multimodális AI működik a Microsoft Designer grafikus tervező alkalmazásában, amely szóbeli utasításra képeket készít, és ilyen modell állítja elő a fogyatékkal élő felhasználókat támogató szövegolvasó alkalmazás természetesnek ható szintetikus, testre szabható neurális hangját is.
Ismeretes, hogy a mesterséges intelligencia a tudományos kutatás folyamatát nagy mértékben felgyorsíthatja, és a Microsoft prognózisa szerint ezen a téren idén is további előrelépések várhatók. A szoftvercég kutatói például AI alapokon fejlesztenek jobb időjárás-előrejelző, szénlábnyom-számító és más eszközöket a mezőgazdaság fenntarthatóbbá tételéhez, valamint olyan chatbot alkalmazásokat is készítenek, amelyekkel a gazdák kinn a termőföldeken is könnyen beazonosíthatják a gyomnövényeket, illetve összevethetik az öntözés különböző módszereivel elért hatásfokot.
Az élettudományok területén a kutatók a világ legnagyobb, képalapú AI modelljét építik a rákbetegségek elleni küzdelem támogatásához, és a mesterséges intelligencia segíti a járványok leküzdéséhez szükséges új gyógyszerek kifejlesztését is. A próbálkozások és tévedések sorozatából álló, gyakran éveken át tartó tudományos munka átfutását a fejlett technológia akár néhány hétre vagy pár hónapra rövidítheti. Hasonló módon formálja át az AI az anyagtudományok területét, a speciális tulajdonságokkal rendelkező, új anyagok kifejlesztését is, ahogyan azt jelenleg az akkumulátorgyártás környezeti hatását csökkentő, kevéssé mérgező anyagok létrehozása is mutatja. A Microsoft szerint a mesterséges intelligencia a tudományos forradalom hajtóerejévé válik, így végső soron ez lehet a technológia legfontosabb alkalmazási területe.
Nvidia technológiák Azure-ban és Copilotban
A szoftvercég az idei évet a Copilot Pro januári bejelentésével indította. Prémium díjas szolgáltatásként a másodpilóta új kiadása a Microsoft 365 egyéni és családi csomagjára előfizető lakossági felhasználóknak ad fejlett AI képességeket. Ugyancsak januártól érhető el általánosan a Copilot app az iOS és az Android alapú telefonokon, és azóta férnek hozzá a Copilot for Microsoft 365 alkalmazáshoz cégmérettől függetlenül a kis- és középvállalatok is.
Márciusban, az Nvidia GTC 2024 fejlesztői konferenciáján a Microsoft bejelentette, hogy - meglévő együttműködésüket kibővítve - a processzorgyártó legújabb generatív AI és Omniverse technológiáit is beépíti Azure felhőinfrastruktúrájába, Azure AI szolgáltatásaiba, valamint Microsoft Fabric és Microsoft 365 megoldásaiba. Azure felhőjében a Microsoft így az elsők között fog hozzáférést adni az Nvidia most bejelentett Grace Blackwell GB200 rendszeréhez és fejlett Quantum-X800 InfiniBand hálózati technológiájához. Teljesítményüket kiaknázva a szervezetek az eddigieknél is sokkal nagyobb teljesítményű és pontosabb, billió paraméteres alapmodelleket építhetnek természetes nyelvi feldolgozáshoz, gépi látáshoz, beszédfelismeréshez és más alkalmazásokhoz.
A Microsoft ezzel egy időben általánosan elérhetővé tette Azure NC H100 v5 VM virtuális gépét, amelyet az Nvidia H100 NVL platformjára épített. Az AI modellek tanítását és finomhangolását támogató virtuális gépek középkategóriás NC sorozatában a felhasználók a VM-ek két osztálya közül választhatnak, amelyek egy vagy két Nvidia H100 94GB PCIe Tensor Core GPU-t kínálnak, és támogatják a gyártó Multi-Instance GPU (MIG) technológiáját. A vállalatok így akár hét példányra particionálhatják a grafikus processzorok mindegyikét a különféle AI munkaterhelések rugalmasabb kiszolgálásához és skálázásához.
Felhőalapú, AI és szuperszámítógépes technológiáit integrálva a két szállító az élettudományok és az egészségügy területén is bővíti együttműködését. A Microsoft Azure felhőjében elérhető Nvidia DGX Cloud platformmal és az Nvidia Clara mikroszolgáltatásokkal az egészségügyi szolgáltatók, a gyógyszeripari és biotechnológiai vállalatok, valamint az orvosi eszközöket gyártó cégek hamarosan nagyobb teljesítményű AI modellekkel gyorsíthatják fel klinikai kutatásaikat és növelhetik a betegellátás hatékonyságát.
Az Nvidia Omniverse Cloud API alkalmazásprogramozási interfészei az év hátralevő részében szintén a Microsoft Azure felhőjében válnak elsőként elérhetővé, hogy a fejlesztőket a különböző adatforrások összekapcsolásában és a fizikai világból nyert adatokra épülő, valósághű virtualizációk készítésében segítsék például az ipari digitalizáció terén. A GTC konferencián a Microsoft ezt a Power BI interaktív 3D viewer alkalmazásával szemléltette, amelyben az üzemeltetők a gyár háromdimenziós digitális ikertestvérén láthatják a létesítmény működését mutató, valós idejű adatokat.
További újdonság, hogy a Copilot for Microsoft 365-öt is Nvidia technológiák - a gyártó Triton Inference Server nyílt forráskódú szoftvere és grafikus processzorai - támogatják a pontos következtetésben és előrejelzésben. A Windows 11 PC-k fizikai billentyűzetén hamarosan külön gombot kapó Copilot for Microsoft 365 a nagy nyelvi modellek képességeit a vállalatok saját adataival ötvözi, hogy valós idejű, üzleti kontextusba helyezett felismerésekkel segítse működésüket.
Az Nvidia AI Enterprise szoftverplatformjára épülő, most bejelentett NIM mikroszolgáltatások szintén bekerülnek az Azure Marketplace AI kínálatába. A felhőnatív NIM mikroszolgáltatásokkal a vállalatok két tucatnál több, népszerű alapmodellt taníthatnak saját adataikon, és bárhol futtatható, kész konténereket kapnak a teljesítményre optimalizált AI alkalmazások gyors bevezetéséhez.
