Inception, nýlega stofnuð fyrirtæki í Palo Alto, sem Stanford tölvunarfræðiprófessorinn Stefano Ermon stofnaði, kveðst hafa þróað nýstárlegt AI líkan sem nýtir „dreifingar“ tækni. Þetta nýja líkan er kallað dreifingar-byggt stórt tungumálalíkan, eða „DLM“ í stuttri mynd. Á núverandi stigi eru sköpunar AI líkönin sem vekja mesta athygli flokkuð í tvo meginflokka: stór tungumálalíkön (LLMs) og dreifingarlíkön. LLMs, sem eru hönnuð á grunni umbótarfyrirkomulags, sérhæfa sig í textasköpun. Aftur á móti einbeita dreifingarlíkönin, sem eru tækni undir AI vettvangi eins og Midjourney og Sora frá OpenAI, sér í að framleiða myndir, myndbönd og hljóð. Samkvæmt Inception sameinar líkanið getu hefðbundinna LLMs – eins og kóðasköpun og spurningasvar – með marktækt meiri hraða og lægri tölvukostnaði. Ermon deildi með TechCrunch að hann hefur lengi rannsakað notkun dreifingarlíkana í textasköpun í rannsóknarstofu sinni við Stanford. Vinna hans kom fram eftir að hann tók eftir því að hefðbundin LLMs starfa á hægari hraða samanborið við dreifingartækni. Með LLMs, útskýrði Ermon, „geturðu ekki framleitt annað orðið fyrr en þú hefur skilað því fyrsta, og það þriðja getur ekki verið framleitt fyrr en fyrstu tvö eru fullkomin. “ Með því að leita leiða til að beita dreifingarskemmum í textasköpun, tók Ermon eftir því að dreifingarlíkönin byrja með grófa nálgun á úttakinu (fyrir dæmi, mynd) og fínpússa gögnin alla leið í einu. Ermon álítur að það gæti verið mögulegt að framleiða og breyta stórum textablokkam í samhliða með því að nýta dreifingarlíkön.

Eftir nokkur ár af rannsóknum náði hann og einn nemandi hans verulegum framförum, sem þau skráðu í rannsóknarpappír sem birtur var í fyrra. Í viðurkenningu á möguleikum þessa framfara stofnaði Ermon Inception síðasta sumar og tók til starfa fyrrverandi nemendur, Aditya Grover, prófessor við UCLA, og Volodymyr Kuleshov frá Cornell háskóla, til að leiða fyrirtækið. Þó að Ermon hafi valið að opinbera ekki sérstakar fjárfestingaskilmála fyrir Inception, hefur TechCrunch komist að því að Mayfield sjóðurinn er meðal fjárfesta. Inception hefur þegar tryggt samninga við mismunandi viðskiptavini, þar á meðal nafnlausar Fortune 100 fyrirtæki, vegna þess að hún uppfyllir bráðar þörf þeirra fyrir lægri AI töf og meiri hraða, samkvæmt Ermon. „Líkön okkar geta nýtt GPUs miklu sk efficiently meir, “ staðfesti Ermon, vísað til grafísks afkastaeininga sem venjulega eru notaðar til að keyra framleiðslulíkön. „Ég tel að þetta sé umbreytandi og muni breyta því hvernig tungumálalíkön eru þróuð. “ Fyrirtækið veitir API ásamt valkostum fyrir innanhúss og jaðartæki, stuðning við fínstillingu líkana, og safn af tilbúnum DLMs aðlagað fyrir mismunandi notkun. Inception kveðst að DLMs þess geti starfað allt að 10 sinnum hraðar en hefðbundin LLMs, á meðan kostnaðurinn er einnig 10 sinnum lægri. Talsmaður fyrirtækisins sagði við TechCrunch: „‘Lítið’ kóðalíkan okkar er á við frammistöðu [OpenAI’s] GPT-4o mini en starfar á meira en 10 sinnum hraða. ‘Mini’ líkanið okkar er betra en litlar opnar útgáfur eins og [Meta’s] Llama 3. 1 8B, sem nær yfir 1. 000 táknum á sekúndu. “