Allen Institute for AI (Ai2) on esitellyt Multimodal Open Language Modelin (Molmo), uuden tehokkaan avoimen lähdekoodin AI-mallin, joka voi tulkita kuvia ja osallistua keskusteluihin. Tämän teknologian odotetaan mahdollistavan kehittäjille, tutkijoille ja startup-yrityksille AI-agenttien luomisen, jotka pystyvät suorittamaan erilaisia tietokonetehtäviä, kuten verkkoselaamista, tiedostojen hallintaa ja dokumenttien luomista. Ai2:n toimitusjohtaja Ali Farhadi korostaa, että Molmon avulla monimodaalisia malleja voidaan ottaa laajemmalle käyttöön, ja niitä pidetään yhä enemmän tulevaisuuden AI-sovellusten perustana. Vaikka suuret toimijat kuten OpenAI ja Google ovat kehittäneet malleja, joilla on visuaaliset ominaisuudet, nämä vaihtoehdot ovat pääasiassa saatavilla maksullisten API-rajapintojen kautta, mikä rajoittaa niiden mukautettavuutta erityisiin käyttötarkoituksiin. Toisin kuin nämä, Molmo tarjoaa avoimen lähdekoodin lähestymistavan, jonka avulla kehittäjät voivat hienosäätää mallia omilla koulutusdatoillaan tiettyjä tehtäviä varten, kuten taulukkolaskentaa. Ai2 julkaisee useita Molmon versioita, mukaan lukien kompakti 1 miljardin parametrin malli, joka sopii mobiililaitteille.

Huolimatta pienemmästä koostaan, Molmo vastaa suurempien kaupallisten mallien suorituskykyä korkealaatuisen koulutusdatan ansiosta. Vaikka Molmon avoimen lähdekoodin luonne edistää innovaatioita, se herättää myös huolta mahdollisesta väärinkäytöstä, kuten haitallisten AI-agenttien luomisesta. Siitä huolimatta Farhadi uskoo, että Molmon tehokkuus mahdollistaa kehittäjille sofistikoituneen ohjelmiston luomisen, joka voi toimia tehokkaasti mobiililaitteilla. Tuleva haaste ei ole vain monimodaalisten mallien kyvykkyyden parantamisessa, vaan myös niiden päättelytaitojen parantamisessa, jotka ovat ratkaisevia luotettavan suorituskyvyn kannalta. Molmon julkaisu merkitsee askeleen lähempänä käytännöllisten AI-agenttien toteutumista, jotka voivat toimia itsenäisesti suurista teknologiayrityksistä.