ओपनईने जाहीर केले की त्याच्या ओपन-सोर्स कृत्रिम बुद्धिमत्ता (एआय) मॉडेलला पुन्हा उशीर झाला आहे. शनिवारी, कंपनीचे मुख्य कार्यकारी अधिकारी सॅम ऑल्टमॅन म्हणाले की, सुरक्षा चाचण्या करण्यासाठी आवश्यक असलेल्या अतिरिक्त वेळेमुळे एआय मॉडेलच्या प्रकाशनास अनिश्चित काळासाठी विलंब झाला. कंपनीने जूनमध्ये रिलीज पुढे ढकलल्यानंतर हा दुसरा विलंब आहे. असे म्हटले जाते की सॅन फ्रान्सिस्को-आधारित एआय फर्मची 2019 पासून प्रथम मुक्त-स्त्रोत रिलीज आणि प्रथमच तर्क-केंद्रित एआय मॉडेल रिलीझ. एप्रिलमध्ये, विकसकांना मॉडेलसह काय करायचे आहे हे समजण्यासाठी कंपनीने “ओपन मॉडेल अभिप्राय” फॉर्म सामायिक केला.
सुरक्षा चाचणीमुळे ओपनईचे ओपन-सोर्स एआय मॉडेल रीलिझ विलंब
मध्ये मध्ये पोस्ट एक्स वर (पूर्वी ट्विटर म्हणून ओळखले जाते), ऑल्टमॅन म्हणाले, “आम्ही पुढच्या आठवड्यात आमचे ओपन-वेट मॉडेल सुरू करण्याची योजना आखली. आम्ही त्यास उशीर करीत आहोत; अतिरिक्त सुरक्षा चाचण्या चालविण्यासाठी आणि उच्च-जोखमीच्या क्षेत्राचे पुनरावलोकन करण्यासाठी आम्हाला वेळ हवा आहे. आम्हाला किती वेळ लागेल याची आम्हाला खात्री नाही.”
ही घोषणा अशा वेळी आली आहे जेव्हा ओपनई त्याच्या सीमेवरील एआय मॉडेल, जीपीटी -5 च्या पुढील पिढीच्या प्रक्षेपणासाठी देखील तयार आहे. अलिकडच्या काही महिन्यांत, Google, मानववंश आणि अलिबाबा सारख्या प्रतिस्पर्ध्यांनी फ्लॅगशिप-ग्रेड एआय मॉडेल्स जारी केली आहेत ज्यांनी ओपनईच्या अनेक बेंचमार्कवरील नवीनतम मॉडेल्सला मागे टाकले आहे.
याव्यतिरिक्त, या कंपन्यांनी (मेटा आणि एक्सएआय व्यतिरिक्त) खुल्या समुदायासाठी देखील महत्त्वपूर्ण योगदान दिले आहे. कंपनीच्या एर्नी एआय मॉडेल्सना ओपन-सोर्स केल्यामुळे अलिबाबा या ट्रेंडमध्ये सामील होण्यासाठी नवीनतम होते.
ओपनएआयच्या नियोजित ओपन-सोर्स योगदानामुळे उद्योजक आणि ग्राहक (जीपीटी -5 मालकीच्या मॉडेलसह) आणि विकसक (ओपन-सोर्स मॉडेलसह) या दोन्ही क्षेत्रात या जागेत एक नेता म्हणून स्थान देण्याची एक रणनीतिक चाल होती. आतापर्यंत दोन्हीही आले नाहीत.
टेकक्रंचनुसार अहवालएआय फर्म एआय मॉडेल सोडण्याची योजना आखत आहे जी त्याच्या ओ-मालिका मोठ्या भाषेच्या मॉडेल (एलएलएम) च्या तुलनेत आहे. तथापि, कंपनी केवळ खुल्या समुदायाला मॉडेलचे वजन सोडण्याची योजना आखत आहे.
याचा अर्थ विकसक आणि उत्साही मॉडेल डाउनलोड करण्यात, त्याचे पॅरामीटर्स बारीक-ट्यून करण्यास आणि स्थानिक पातळीवर चालविण्यास सक्षम असतील. तथापि, ते समान मॉडेल तयार करण्यासाठी किंवा त्याच्या वर तयार करण्यासाठी त्याच्या प्रशिक्षण पद्धती आणि आर्किटेक्चरबद्दल शिकू शकणार नाहीत.
