مایکروسافت اولین مدل‌های هوش مصنوعی داخلی خود را عرضه کرد

روز پنج‌شنبه مایکروسافت از اولین مدل‌های هوش مصنوعی تولید داخلی خود شامل MAI-Voice-1 AI و MAI-1-preview پرده برداشت.

مایکروسافت توضیح داد که مدل گفتاری MAI-Voice-1 قادر است در کمتر از یک ثانیه، صدای یک دقیقه‌ای را تنها با استفاده از یک واحد پردازش گرافیکی تولید کند. در حالی که MAI-1-preview، نمایی از قابلیت‌های آینده در اکوسیستم Copilot را ارائه می‌دهد.

مایکروسافت پیش از این نیز از MAI-Voice-1 در برخی از امکانات خود بهره برده است. به‌عنوان مثال، در Copilot Daily، یک میزبان هوش مصنوعی اخبار برتر روز را بازگو می‌کند و همچنین می‌تواند گفتگوهایی با سبک پادکست تولید کند تا موضوعات مختلف را به‌صورت شنیداری توضیح دهد.

کاربران هم‌اکنون می‌توانند MAI-Voice-1 را در Copilot Labs امتحان کنند، جایی که امکان وارد کردن متن دلخواه و تغییر صدا و سبک گفتار مدل هوش مصنوعی وجود دارد. علاوه بر این مدل، مایکروسافت مدل MAI-1-preview را نیز معرفی کرده که به گفته این شرکت، برای آموزش آن از تقریباً 15 هزار واحد پردازش گرافیکی Nvidia H100 استفاده شده است. این مدل به‌ویژه برای کاربرانی طراحی شده که به دنبال مدلی هستند که بتواند دستورالعمل‌ها را دنبال کند و پاسخ‌های مفید و کاربردی به پرسش‌های روزمره ارائه دهد.

مصطفی سلیمان، مدیر بخش هوش مصنوعی مایکروسافت، گفته است که مدل‌های داخلی این شرکت بیشتر روی کاربران عادی تمرکز دارند و هدف اصلی آن‌ها استفاده سازمانی یا تجاری نیست. او گفت «منطق ما این است که باید مدلی بسازیم که برای مصرف‌کننده به‌طور کامل کارآمد باشد و بهینه‌سازی لازم برای موارد استفاده ما انجام شود. ما حجم عظیمی از داده‌های پیش‌بینی‌کننده و مفید در زمینه تبلیغات، تلومتری مصرف‌کننده و دیگر حوزه‌ها در اختیار داریم و تمرکز ما بر ساخت مدل‌هایی است که واقعاً برای همراهی مصرف‌کننده طراحی شده باشند.»

مایکروسافت قصد دارد MAI-1-preview را برای برخی از کاربردهای متنی در دستیار هوش مصنوعی Copilot ارائه دهد، که هم‌اکنون بر مدل‌های زبان بزرگ OpenAI تکیه دارد. علاوه بر آن، این شرکت شروع به آزمایش عمومی این مدل بر روی پلتفرم هوش مصنوعی LMArena کرده است تا عملکرد و قابلیت‌های آن در شرایط واقعی سنجیده شود.

در یادداشت وبلاگی مایکروسافت آمده است:

ما چشم‌اندازهای بزرگی برای مسیر آینده داریم و نه تنها به دنبال پیشرفت‌های بیشتر در این حوزه هستیم، بلکه اعتقاد داریم که ترکیب مجموعه‌ای از مدل‌های تخصصی که به مقاصد و نیازهای متفاوت کاربران پاسخ می‌دهند، ارزش عظیمی ایجاد خواهد کرد.