Microsoft Cuma günü Phi-4 yapay zeka (AI) modelini yayınladı. Şirketin en yeni küçük dil modeli (SLM), açık kaynaklı Phi temel model ailesine katılıyor. Yapay zeka modeli, Phi-3’ün piyasaya sürülmesinden sekiz ay sonra ve Phi-3.5 serisi yapay zeka modellerinin piyasaya sürülmesinden dört ay sonra geliyor. Teknoloji devi, SLM’nin matematik gibi alanlardaki karmaşık akıl yürütmeye dayalı sorguları çözme konusunda daha yetenekli olduğunu iddia ediyor. Ayrıca geleneksel dil işlemede de üstün olduğu söyleniyor.
Microsoft’un Phi-4 AI Modeli Hugging Face ile Kullanılabilecek
Şu ana kadar her Phi serisi mini bir versiyonla piyasaya sürüldü ancak Phi-4 modeline hiçbir mini model eşlik etmedi. Microsoft, bir blog yazısıPhi-4’ün şu anda Microsoft Araştırma Lisans Sözleşmesi (MSRLA) kapsamında Azure AI Foundry’de mevcut olduğunu vurguladı. Şirket bunu önümüzdeki hafta Hugging Face’te de kullanıma sunmayı planlıyor.
Şirket ayrıca dahili testlerinden elde edilen kıyaslama puanlarını da paylaştı. Bunları temel alan yeni yapay zeka modeli, eski nesil modelin yeteneklerini önemli ölçüde artırıyor. Teknoloji devi, Phi-4’ün matematik yarışması problemleri kıyaslamasında çok daha büyük bir model olan Gemini Pro 1.5’ten daha iyi performans gösterdiğini iddia etti. Ayrıca teknik bir belgede ayrıntılı bir kıyaslama performansı yayınladı. yayınlandı çevrimiçi dergi arXiv’de.
Güvenlik konusunda Microsoft, Azure AI Foundry’nin, kuruluşların geleneksel makine öğrenimi ve üretken yapay zeka uygulamaları için geliştirme yaşam döngüsü boyunca yapay zeka risklerini ölçmesine, azaltmasına ve yönetmesine yardımcı olacak bir dizi yetenekle birlikte geldiğini belirtti. Ayrıca kurumsal kullanıcılar, içerik filtresi olarak bilgi istemi kalkanları, temel algılama ve diğerleri gibi Azure AI İçerik Güvenliği özelliklerini kullanabilir.
Geliştiriciler ayrıca bu güvenlik yeteneklerini tek bir uygulama programlama arayüzü (API) aracılığıyla uygulamalarına da ekleyebilirler. Platform, uygulamaları kalite ve güvenlik, düşmanca anlık saldırılar ve veri bütünlüğü açısından izleyebilir ve geliştiricilere gerçek zamanlı uyarılar sağlayabilir. Bu, Azure aracılığıyla erişen Phi kullanıcılarının kullanımına sunulacak.
Özellikle, daha küçük dil modelleri genellikle sentetik veriler üzerinde konuşlandırıldıktan sonra eğitiliyor ve bu da onların hızlı bir şekilde daha fazla bilgi edinmelerine ve daha yüksek verimlilik elde etmelerine olanak tanıyor. Ancak eğitim sonrası sonuçlar gerçek dünyadaki kullanım durumlarında her zaman tutarlı değildir.
