IBM Granite 3.2 เพิ่ม Enhanced Reasoning ให้กับการผสมผสาน AI

IBM ยกระดับเกม AI โดยเพิ่มความสามารถในการให้เหตุผลแบบห่วงโซ่ความคิดทดลองให้กับโมเดลภาษาขนาดใหญ่ล่าสุด Granite 3.2

ในส่วนเสริมล่าสุดของตระกูล Granite ของโมเดลภาษาขนาดใหญ่ (LLM) IBM ได้เปิดตัว Granite 3.2 รุ่นใหม่นี้มุ่งเน้นไปที่การนําเสนอโซลูชันปัญญาประดิษฐ์ (AI) ขนาดเล็กที่มีประสิทธิภาพและใช้งานได้จริงสําหรับธุรกิจ

IBM ยังคงอัปเดตสาย Granite LLMs อย่างต่อเนื่องในอัตราที่รวดเร็ว รุ่นล่าสุด Granite 3.1 ปรากฏตัวเมื่อปลายปี 2024 เวอร์ชันนั้นเป็นการอัปเดตโดยพื้นฐานแล้ว อย่างไรก็ตาม โมเดลใหม่นี้เพิ่มความสามารถในการให้เหตุผลแบบทดลอง (CoT) ให้กับกระเป๋ากลอุบาย

การให้เหตุผล CoT เป็นเทคนิค AI ขั้นสูงที่ช่วยให้ LLM สามารถแบ่งปัญหาที่ซับซ้อนออกเป็นขั้นตอนเชิงตรรกะได้ กระบวนการนี้มีขึ้นเพื่อเลียนแบบกระบวนการให้เหตุผลที่เหมือนมนุษย์ ในทางทฤษฎี แนวทางนี้ช่วยเพิ่มความสามารถของ LLM อย่างมากในการจัดการงานที่ต้องใช้เหตุผล การคํานวณ และการตัดสินใจหลายขั้นตอน

โดยเฉพาะอย่างยิ่ง IBM CoT ใช้เฟรมเวิร์ก Thought Preference Optimization ที่ช่วยเพิ่มการให้เหตุผลในงานที่ติดตามคําสั่งในวงกว้าง ซึ่งแตกต่างจากแนวทางการเรียนรู้แบบเสริมแรงแบบดั้งเดิมที่เน้นงานที่ขับเคลื่อนด้วยตรรกะเป็นหลัก TPO ช่วยให้ประสิทธิภาพการใช้เหตุผลดีขึ้นโดยไม่ลดทอนประสิทธิภาพของงานทั่วไป วิธีนี้ช่วยลดการแลกเปลี่ยนประสิทธิภาพทั่วไปที่เห็นในโมเดลอื่นๆ ที่เชี่ยวชาญด้านการใช้เหตุผล

ดังนั้นความก้าวหน้านี้มีความหมายต่อคุณและฉันอย่างไร? IBM อธิบายว่าหากคุณคิดที่จะให้แชทบอท AI พร้อมท์ ซึ่งเป็นกระบวนการที่เรียกว่า "การเชื่อมโยงพร้อมต์" คุณจะได้รับคําตอบที่เฉพาะเจาะจง ตัวอย่างเช่น ด้วยการเชื่อมโยงคําถาม "ท้องฟ้ามีสีอะไร" คุณควรได้รับคําตอบว่า "สีน้ําเงิน"

"อย่างไรก็ตาม หากถูกขอให้อธิบายว่า 'ทําไมท้องฟ้าถึงเป็นสีน้ําเงิน' โดยใช้การแจ้ง CoT ก่อนอื่น AI จะกําหนดความหมายของ 'สีน้ําเงิน' (สีหลัก) จากนั้นอนุมานว่าท้องฟ้าปรากฏเป็นสีน้ําเงินเนื่องจากการดูดซึมสีอื่นโดยชั้นบรรยากาศ การตอบสนองนี้แสดงให้เห็นถึงความสามารถของ AI ในการสร้างข้อโต้แย้งเชิงตรรกะ" หรือลักษณะที่ LLM กําลังให้เหตุผลเพื่อหาคําตอบ

CoT มีให้เลือกทั้งรุ่น Granite 8B และ 2B นักพัฒนาสามารถเปิดหรือปิดการให้เหตุผลโดยทางโปรแกรมได้ ตัวเลือกนี้ช่วยให้ธุรกิจสามารถเพิ่มประสิทธิภาพทรัพยากรการคํานวณตามความซับซ้อนของงาน ท้ายที่สุดบางครั้งคุณต้องการรู้ว่าท้องฟ้าเป็นอย่างไรโดยไม่มีรายละเอียดทางวิทยาศาสตร์ แนวทางนี้ที่ IBM อ้างว่าช่วยให้โมเดล 8B สามารถแข่งขันกับประสิทธิภาพของโมเดลที่ใหญ่กว่ามาก เช่น Claude 3.5 Sonnet และ GPT-4o ในงานการให้เหตุผลทางคณิตศาสตร์ที่ซับซ้อน

IBM ยังได้เปิดตัว Vision Language Model (VLM) สองพันล้านพารามิเตอร์ใหม่ซึ่งออกแบบมาโดยเฉพาะสําหรับงานทําความเข้าใจเอกสาร การพัฒนานี้ไม่ใช่ฟังก์ชันกราฟิกอย่างที่คุณอาจคิดในตอนแรก VLM มีไว้เพื่อปรับปรุงความสามารถในการทําความเข้าใจเอกสารของ Granite แทน IBM ใช้ชุดเครื่องมือ Docling แบบโอเพ่นซอร์สเพื่อประมวลผล PDF 85 ล้านรายการ และสร้างคู่คําถาม-คําตอบสังเคราะห์ 26 ล้านคู่เพื่อเพิ่มความสามารถของ VLM ในการจัดการเวิร์กโฟลว์ที่ซับซ้อนและเอกสารจํานวนมาก

ในขณะที่บริษัท AI อื่น ๆ ดูเหมือนจะเบี่ยงเบนปัญหาด้านความปลอดภัย แต่ IBM ยังคงถือว่าความปลอดภัยเป็นหน้าที่สําคัญที่สุด Granite Guardian 3.2 ซึ่งเป็นชุดโมเดลความปลอดภัย AI ล่าสุดของ IBM นําเสนอการตรวจจับความเสี่ยงที่ได้รับการปรับปรุงในข้อความแจ้งและการตอบสนอง เวอร์ชันอัปเดตนี้รักษาประสิทธิภาพในขณะที่ลดขนาดโมเดลลง 30% แนะนําคุณสมบัติ "ความเชื่อมั่นด้วยวาจา" ใหม่สําหรับการประเมินความเสี่ยงที่ละเอียดยิ่งขึ้น

ธุรกิจอาจสนใจความสามารถในการคาดการณ์ขั้นสูงของ Granite โมเดล TinyTimeMixers (TTM) ใหม่ที่มีพารามิเตอร์ต่ํากว่า 10M สามารถเรียกใช้การคาดการณ์ระยะยาวได้นานถึงสองปีในอนาคต โมเดลเหล่านี้มีประโยชน์สําหรับการวิเคราะห์แนวโน้มในด้านการเงิน เศรษฐศาสตร์ และการจัดการห่วงโซ่อุปทาน โมเดลเหล่านี้อาจยังไม่ช่วยคุณรวบรวมรายชื่อทีมเบสบอลแฟนตาซีของคุณ แต่ให้เวลาพวกเขา

เช่นเดียวกับก่อนหน้านี้ IBM เป็นบริษัท AI ที่เป็นมิตรกับโอเพ่นซอร์สมากที่สุด Granite 3.2 ทุกรุ่นมีจําหน่ายภายใต้ใบอนุญาต Apache 2.0 บน Hugging Face บางรุ่นมีให้บริการบนแพลตฟอร์ม รวมถึง IBM WatsonX.ai, Ollama, Replicate และ LM Studio แนวทางแบบเปิดนี้สอดคล้องกับกลยุทธ์ของ IBM ในการทําให้ AI เข้าถึงได้มากขึ้นและคุ้มค่าสําหรับองค์กร

ดังที่ Sriram Raghavan รองประธานฝ่ายวิจัย AI ของ IBM เน้นย้ําว่า "ยุคต่อไปของ AI เป็นเรื่องเกี่ยวกับประสิทธิภาพ การบูรณาการ และผลกระทบในโลกแห่งความเป็นจริง ซึ่งองค์กรต่างๆ สามารถบรรลุผลลัพธ์ที่ทรงพลังโดยไม่ต้องใช้จ่ายในการประมวลผลมากเกินไป"