英伟达正式入局，推出强大的开源AI模型NVLM 1.0，挑战OpenAI、Google等行业巨头。
该公司新的 NVLM 1.0 系列大型多模式语言模型有望在视觉和基于文本的任务中提供尖端功能。
领先的是具有 720 亿参数的 NVLM-D-72B，该模型旨在以最高水平执行，对视觉语言任务产生巨大影响，同时改进传统的基于文本的输出。
NVLM 1.0 有何特别之处？
的释放 NVLM 1.0 这标志着人工智能生态系统的显着转变，专有模型在很大程度上占据了主导地位。 Nvidia 决定公开这些模型权重并最终发布训练代码，为研究人员和开发人员提供了可与以下工具相媲美的工具： GPT-4。在大多数先进模型仍处于锁定状态并受到科技巨头严格控制的行业中，这是罕见的举动。
正如 Nvidia 在他们的报告中所说 研究论文, “NVLM 1.0 在视觉语言任务上取得了最先进的结果，可与专有模型和开放访问模型相媲美。”
这对开发人员来说意味着 人工智能无障碍的新领域，就像 Meta 所做的那样 骆驼3.2，为小型实验室和独立研究人员提供使用顶级人工智能工具的机会，而无需应对通常高昂的成本或公司限制。
开源版本 NVLM 1.0 引起了整个人工智能研究界的兴奋。一位著名研究人员强调了该模型在社交媒体上的重要性，他表示：
哇，nvidia 刚刚发布了一个 72B 模型，在数学和编码评估方面与 llama 3.1 405B 相当，而且还具有远见 🤯 pic.twitter.com/c46DeXql7s
— 菲尔 (@phill__1) 2024 年 10 月 1 日
多式联运动力源 NVLM-D-72B
这场开源革命的核心是 NVLM-D-72B 模型，该模型因其无缝处理视觉和文本输入的能力而脱颖而出。这种多模态能力意味着该模型可以解释图像、分析复杂的视觉效果，甚至逐步解决数学问题——所有这些都在一个框架内进行。
许多多模态模型在集成视觉学习后很难在纯文本任务中保持性能， NVLM-D-72B 逆势而上。
据 Nvidia 称，多模态训练后，该模型在多个关键基准测试中的文本准确率平均提高了 4.3 分。这种适应性使 NVLM-D-72B 成为市场上的独特工具，通常迫使用户在针对视觉或文本任务优化的模型之间进行选择，但不能同时针对两者进行选择。
打开新的大门，提出新的问题
这 NVLM项目 不仅仅是开放获取。它还引入了创新的架构设计，融合了不同的多模式处理技术，突破了人工智能的可能性界限。随着世界各地的团队开始使用这些工具，英伟达的混合方法很可能会激发人工智能研究和开发的新方向。
然而，与任何技术飞跃一样，也存在风险。广泛使用如此强大的人工智能模型引发了人们对潜在滥用以及随之而来的道德挑战的担忧。人工智能社区需要平衡创新的动力与开发使用这些模型的负责任的框架的需要。
人工智能的决定性时刻
Nvidia 开源的决定 NVLM 1.0 可能会在整个科技界掀起变革浪潮。其他行业领导者可能会感受到效仿的压力，这可能会改变人工智能发展的整个格局。如果最先进的模型可以免费获得，它可能会迫使公司重新思考如何创造价值并保持市场竞争优势。
英伟达此举的长期影响仍未知。在未来的几个月和几年里，我们可以看到人工智能领域前所未有的协作时代，来自全球各个角落的研究人员在共享平台上共同工作。或者，这一发展可能会促使人们对在没有严格控制的情况下发布先进技术的后果进行更深入的审查。
有一点是明确的：Nvidia 发布 NVLM 1.0 是一项改变游戏规则的举措，标志着人工智能行业内力量平衡的转变。通过开源如此高水平的模型，英伟达正在挑战现状，掀开人工智能开发的新篇章。
现在的问题不是人工智能模型和市场是否会发生变化，而是变化有多大，以及谁能够跟上。
