अॅलन इन्स्टिट्यूट फॉर AI (Ai2) ने मल्टीमॉडल ओपन लँग्वेज मॉडेल (Molmo) नावाचे नवीन शक्तिशाली ओपन-सोर्स AI मॉडेल सादर केले आहे, जे प्रतिमा समजून घेऊ शकते आणि संभाषणांमध्ये सहभागी होऊ शकते. ही तंत्रज्ञान विकसक, संशोधक आणि स्टार्टअप्सला वेब ब्राउझिंग, फाईल नेव्हिगेशन आणि डक्युमेंट निर्माण सारख्या विविध संगणकीय कामे करण्यास सक्षम AI एजंट्स तयार करण्यासाठी प्रोत्साहित करण्याची अपेक्षा आहे. Ai2 चे CEO अली फरहादी म्हणतात की Molmo मल्टीमॉडल मॉडेल्सच्या विस्तृत तैनातीस सक्षम करण्यासाठी आहे, ज्यांना वाढत्या प्रमाणात AI अनुप्रयोगांचे भविष्य म्हणून पाहिले जाते. ओपनAI आणि गूगल सारख्या प्रमुख कंपन्यांनी देखील दृश्य क्षमता असलेल्या मॉडेल्सचे विकसन केले आहे, परंतु हे पर्याय प्रामुख्याने सशुल्क API द्वारेच सुलभ आहेत, ज्यामुळे त्यांची विशिष्ट वापरांसाठी अनुकूलता मर्यादित आहे. त्याच्याविरुद्ध, Molmo एक ओपन-सोर्स दृष्टिकोन प्रदान करतो, ज्यामुळे विकसकांना विशिष्ट कार्यांसाठी सानुकूल प्रशिक्षण डेटा वापरून मॉडेलला सुधारण्यासाठी परवानगी मिळते, जसे की स्प्रेडशीट व्यवस्थापन. Ai2 Molmo चे अनेक आवृत्त्या सादर करत आहे, ज्यात मोबाइल डिव्हाइससाठी योग्य 1-बिलियन-पॅरामीटर मॉडेल समाविष्ट आहे.

त्याच्या कमी आकाराच्या असूनही, Molmo त्याच्या उच्च-गुणवत्तेच्या प्रशिक्षण डेटामुळे मोठ्या व्यावसायिक मॉडेल्सच्या कार्यक्षमतेशी जुळतो. Molmo च्या ओपन-सोर्स स्वभावामुळे नवकल्पना प्रोत्साहित करण्यात येते, परंतु संभाव्य दुरुपयोगाबद्दल देखील चिंता निर्माण होते, उदा. घातक AI एजंट्सची निर्मिती. तरीही, फरहादी यांना विश्वास आहे की Molmo ची कार्यक्षमता विकसकांना अधिक प्रगतीशील सॉफ्टवेअर तयार करण्यासाठी सक्षम करेल, जे मोबाइल डिव्हाइसवर प्रभावीपणे चालते. आपल्यासमोरचे आव्हान फक्त मल्टीमॉडल मॉडेल्सच्या क्षमतांमध्ये वाढ करणेच नाही तर त्यांच्या विचारक्षमतेच्या कौशल्यांमध्ये सुधारणा करणेही असून आवश्यक आहे, जे विश्वसनीय कार्यक्षमतेसाठी महत्त्वाचे आहेत. Molmo चा प्रकाशन एक व्यावहारिक AI एजंट्सचा दृश्यमानता करण्याच्या दिशेने एक पाऊल आहे, जे मोठ्या तंत्रज्ञान कंपन्यांपासून स्वतंत्रपणे कार्य करू शकतात.