لابراتوار ماشین‌های هوشمند اولین مدل هوش مصنوعی خود به نام «ایНКلینگ» را منتشر کرد

شرح خبر

لابراتوار ماشین‌های هوشمند، استارت‌آپی که توسط تعدادی از جداشدگان برجسته اپن‌ای‌آی مانند میرا موراتی، جان شولمن و لیلیان ونگ تأسیس شده، اولین مدل هوش مصنوعی خود به نام «ایНКلینگ» را با وزن‌های باز عرضه کرد. این مدل ۹۷۵ میلیارد پارامتری قادر به پردازش ورودی‌های صوتی، ویدئویی و متنی است و در وظایف استدلال پیشرفته و کدنویسی عملکرد خوبی دارد. ایНКلینگ نه تنها برای بهینه‌سازی خود مورد استفاده قرار گرفت، بلکه با رویکرد غیرمتمرکز هوش مصنوعی همسو است. این انتشار می‌تواند جایگاه لابراتوار را در رقابت پرهزینه هوش مصنوعی تقویت کند، به ویژه که مدل‌های منبعباز به دلیل هزینه کمتر و انعطاف‌پذیری بیشتر محبوبیت دارند. لابراتوار ماشین‌های هوشمند، استارت‌آپی تأسیس شده توسط مدیران سابق اپن‌ای‌آی، اولین مدل هوش مصنوعی خود به نام «ایНКلینگ» را با وزن‌های باز منتشر کرد. این مدل ۹۷۵ میلیارد پارامتری قادر به پردازش داده‌های صوتی، ویدئویی و متنی است و در وظایف استدلال و کدنویسی عملکرد قابل قبولی دارد. ایНКلینگ برای بهینه‌سازی خود استفاده شد و در فرآیند آموزش، زنجیره افکار آن با گذشت زمان مختصرتر و کارآمدتر شد. این مدل با دیدگاه غیرمتمرکز هوش مصنوعی لابراتوار همسو است و می‌تواند جایگاه این شرکت را در رقابت هوش مصنوعی تقویت کند. لابراتوار ماشین‌های هوشمند با ارزش‌گذاری ۱۲ میلیارد دلاری در فوریه ۲۰۲۵ تأسیس شد و پیش از این ابزارهایی مانند «تینکر» را منتشر کرده بود. انتشار مدل‌های منبعباز مانند ایНКلینگ می‌تواند تعادل قدرت در صنعت هوش مصنوعی را تغییر دهد و دسترسی به فناوری را دموکراتیک‌تر کند. این مدل‌ها به دلیل هزینه کمتر و امکان سفارشی‌سازی آسان‌تر، برای استارت‌آپ‌ها و پژوهشگران جذابیت دارند. علاوه بر این، استفاده از هوش مصنوعی برای بهبود خود هوش مصنوعی نشان‌دهنده پیشرفت در خودکارسازی فرآیندهای توسعه است که می‌تواند سرعت نوآوری را افزایش دهد. این انتشار می‌تواند رقابت در بازار هوش مصنوعی را تشدید کند و فشار بر شرکت‌های بزرگ مانند اپن‌ای‌آی و گوگل را افزایش دهد. مدل‌های منبعباز می‌توانند هزینه‌های توسعه را برای کسب‌وکارها کاهش دهند و فرصت‌های جدیدی برای استارت‌آپ‌ها ایجاد کنند. همچنین، لابراتوار ماشین‌های هوشمند با این اقدام می‌تواند جذب سرمایه و همکاری‌های جدید را تسهیل کند. دسترسی به مدل‌های منبعباز مانند ایНКلینگ می‌تواند برای پژوهشگران و استارت‌آپ‌های ایرانی فرصت‌هایی برای توسعه راهکارهای هوش مصنوعی محلی فراهم کند. با این حال، محدودیت‌های تحریمی ممکن است دسترسی به سخت‌افزارهای تخصصی مورد نیاز برای اجرا را دشوار کند. این مدل‌ها می‌توانند به کاهش وابستگی به شرکت‌های خارجی کمک کنند و نوآوری در حوزه هوش مصنوعی را در ایران تسریع بخشند. انتشار مدل‌های منبعباز می‌تواند چالش‌های حقوقی جدیدی را در زمینه مالکیت فکری و استفاده از داده‌ها ایجاد کند. شرکت‌ها باید اطمینان حاصل کنند که استفاده از این مدل‌ها با قوانین محلی و بین‌المللی همسو است. علاوه بر این، بحث‌های اخلاقی درباره استفاده از مدل‌های هوش مصنوعی برای بهبود خود نیز مطرح می‌شود. رقابت در حوزه هوش مصنوعی بین ایالات متحده و چین تشدید شده است و انتشار مدل‌های منبعباز می‌تواند نقش مهمی در این رقابت ایفا کند. لابراتوار ماشین‌های هوشمند با ارائه مدلی با عملکرد مشابه مدل‌های چینی، می‌تواند جایگاه ایالات متحده را در این عرصه تقویت کند. WIRED به عنوان یک منبع معتبر در حوزه فناوری، این خبر را با تمرکز بر جنبه‌های فنی و تجاری مدل ایНКلینگ پوشش داده است. لابراتوار ماشین‌های هوشمند، با انتشار مدل ایНКلینگ، گامی بزرگ در جهت غیرمتمرکزسازی هوش مصنوعی برداشت. این مدل ۹۷۵ میلیارد پارامتری قادر به پردازش داده‌های چندرسانه‌ای است.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.