På måndagen höll ett team av ingenjörer och chefer från Databricks, ett företag inriktat på data science och AI, ett virtuellt möte via Zoom för att ta reda på om deras ansträngningar för att skapa en exceptionell artificiell intelligens-språkmodell hade lönat sig. Deras projekt, med namnet DBRX, utvecklades under flera månader och kostade cirka 10 miljoner dollar. Liknande i design till OpenAI's ChatGPT skulle DBRX:s verkliga kapabilitet endast avslöjas efter de sista testerna. Till slut delade Jonathan Frankle, den ledande neuronnätarkitekten på Databricks och ledaren för DBRX-teamet, de spännande nyheterna med sina kollegor. "Vi har överträffat allt, " förklarade han. Teamet svarade med jubel, vild glädje och applåder-emojis. Frankle, som vanligtvis undviker koffein, njöt av klunkar från en iskall latte efter en sömnlös natt spenderad på att sammanställa resultaten. Databricks avser att släppa DBRX under en öppen källkodslicens, vilket tillåter andra att bygga vidare på deras arbete. Frankle presenterade data som visade på DBRX:s överlägsenhet jämfört med andra öppen källkodsmodeller inom olika prestandamätningar, inklusive frågesvar om allmän kunskap, läsförståelse, logisk pussellösning och kodgenerering. DBRX överträffade Meta's Llama 2 och Mistral's Mixtral, två av de populäraste AI-modellerna som är tillgängliga som öppen källkod. "Ja!" utropade Ali Ghodsi, VD för Databricks, när han såg resultaten. Frankle tillade att de till och med hade överträffat Elon Musks Grok AI-modell, nyligen öppen källkodsmodell av hans företag, xAI. Han nämnde skämtsamt att det skulle ses som en framgång att få ett elakt tweet från Musk. Till allas förvåning konkurrerade även DBRX tätt med GPT-4, OpenAI's slutna modell som driver ChatGPT och allmänt anses vara toppen av maskinintelligens.

Frankle strålade och förklarade att de hade satt en ny standard för toppmodern öppen källkodsmodell för stora språkmodeller (LLM). Genom att öppen källkodspublicera DBRX ansluter sig Databricks till rörelsen som utmanar de framstående företagens hemlighetsfulla tillvägagångssätt inom generativ AI. OpenAI och Google vaktar noga koden för sina GPT-4 och Gemini stora språkmodeller, medan konkurrenter som Meta har valt att släppa sina modeller och tror att det kommer främja innovation och tillgänglighet för fler forskare, entreprenörer, start-ups och etablerade företag. Databricks har inte bara som mål att dela sin öppen källkodsmodell utan avser även att avslöja processen bakom dess skapande. Meta har inte gett alla detaljer om skapandet av sin Llama 2-modell. Databricks har planerat att publicera en bloggpost som detaljerar deras arbete och har till och med bjudit in WIRED att observera deras ingenjörer när de fattar viktiga beslut under DBRX:s kostsamma träningsprocess som uppgår till flera miljoner dollar. Denna glimt belyser komplexiteten i att bygga ledande AI-modeller, men också potentialen att sänka kostnaderna på grund av de senaste framstegen inom området. Tillsammans med tillgängligheten av öppen källkodsmodeller som DBRX tyder detta på att AI-utvecklingen kommer att fortsätta i snabb takt. Ali Farhadi, VD för Allen Institute for AI, betonade vikten av större transparens vid uppbyggnad och träning av AI-modeller. När företag alltmer söker ett övertag gentemot konkurrenter, har fältet blivit mer hemlighetsfullt. Farhadi anser att öppenhet är avgörande, särskilt när det finns oro för riskerna med avancerade AI-modeller. Han uttryckte sin uppskattning för alla ansträngningar mot transparens och påpekade också att han förväntar sig att en betydande del av marknaden kommer att omfamna öppna modeller. "Vi behöver mer av detta, " avslutade han.