Apple’ın araştırma grubu, “MM1” ismini verdikleri yeni çok modlu büyük lisan modeli ile yapay zeka alanında büyük bir ilerleme kaydetti. MM1, hem manzara tanıma hem de doğal lisan sürece yetenekleri açısından dikkat cazip kabiliyetlere sahip. Model, 3 milyar, 7 milyar ve 30 milyar parametre olmak üzere üç farklı boyutta sunuluyor.
Araştırmacılar, bu modeller üzerinde çeşitli deneyler yaparak performansı etkileyen temel faktörleri belirlediler. Enteresan bir biçimde, imaj çözünürlüğü ve imaj etiketlerinin sayısı, görsel-dil bağlayıcılarından daha fazla tesir yaratıyor. Ayrıyeten, farklı ön eğitim data setlerinin, modelin aktifliğini değerli ölçüde etkileyebildiği görülüyor.
Apple o denli bir yeniliğe imza attı ki, Android kullananlar çok kıskanacak
MM1‘in geliştirilmesinde “Uzmanların Karışımı” mimarisi ve “Üst-2 Kapı” tekniği kullanılmış. Bu yaklaşım, hem ön eğitimde hem de mevcut çok modlu misyonlarda eksiksiz sonuçlar elde edilmesini sağlamış. Makul misyonlar için ince ayar yapıldığında bile, MM1 modelleri rekabetçi bir performans sergilemeye devam ediyor.
Yapılan testler, MM1-3B-Chat ve MM1-7B-Chat modellerinin, piyasadaki benzeri boyuttaki rakiplerin birçoklarından daha üstün olduğunu ortaya koyuyor. Bu modeller, bilhassa manzara ve metinle ilgili soru cevaplama, metin tabanlı manzara üzerinde soru cevaplama ve bilimsel soru cevaplama üzere misyonlarda ön plana çıkıyor. Lakin, MM1’in genel performansı şimdi Google’ın Gemini yahut OpenAI’ın GPT-4V modellerini aşmış değil. MM1, mutlak bir başkan olmasa da, Apple için yapay zeka alanında kıymetli bir adım temsil ediyor.
