Gopher vs Galactica

Descubra os avanços de ponta em inteligência artificial com a exploração dos recursos de processamento de linguagem em IA da DeepMind. No centro desta exploração está o Gopher, um modelo de linguagem de 280 bilhões de parâmetros projetado para compreender e gerar texto semelhante ao humano. A linguagem serve como o núcleo da inteligência humana, permitindo-nos expressar pensamentos, criar memórias e promover a compreensão.

Percebendo sua importância, as equipes interdisciplinares da DeepMind têm se esforçado para impulsionar o desenvolvimento de modelos de linguagem como o Gopher, equilibrando inovação com considerações éticas e de segurança. Saiba como esses modelos de linguagem estão promovendo o avanço da pesquisa em IA, melhorando o desempenho em tarefas que vão desde a compreensão de leitura até a verificação de fatos, ao mesmo tempo em que identificam limitações, como desafios de raciocínio lógico. É também dada atenção aos potenciais riscos éticos e sociais associados a grandes modelos linguísticos, incluindo a propagação de preconceitos e desinformação, e às medidas que estão a ser tomadas para mitigar esses riscos.

Cinco checkpoints de pesos abertos de 125M a 120B parâmetros oferecem aos pesquisadores um modelo de linguagem treinado em ciência, construído a partir de 106 bilhões de tokens selecionados em 48 milhões de artigos, livros didáticos, enciclopédias e bases de conhecimento. Galactica armazena, combina e raciocina através de modalidades incluindo LaTeX, código Python, fórmulas SMILES e sequências de aminoácidos dentro de uma arquitetura Transformer apenas com decodificador. A equipe Papers with Code da Meta disponibilizou os pesos para pesquisadores que desejam estudar como modelos de linguagem organizam o conhecimento científico.

Modelos de linguagem geral treinam em amplas varreduras da web onde conversas sociais podem dominar o orçamento de tokens. Galactica usou apenas fontes científicas de acesso aberto selecionadas, o que o artigo argumenta permitir treinar por múltiplas épocas sem overfitting. A Meta removeu a demonstração pública na web três dias após o lançamento em novembro de 2022, quando críticos mostraram citações e equações confiantes, porém fabricadas, então hoje você baixa checkpoints do Hugging Face em vez de conversar por uma interface hospedada.

Pesquisadores de aprendizado de máquina podem reproduzir números de benchmark do artigo do arXiv, incluindo 77,6% no PubMedQA e 52,9% no MedMCQA dev. Biólogos computacionais e químicos podem testar tarefas de anotação de proteínas e moléculas através dos tokens especializados do Galactica para sequências de aminoácidos e strings SMILES. Estudantes de pós-graduação explorando QA científico, predição de citações ou problemas matemáticos em texto podem experimentar tamanhos de até 120 bilhões de parâmetros sem treinar do zero.