Japan Airlines (JAL) 'JAL-AI Report' ॲपद्वारे केबिन क्रूसाठी ऑन-डिव्हाइस AI वापरत आहे. Microsoft चे Phi-4 SLM वापरून, हे ॲप ऑफलाइन असतानाही अहवाल निर्मिती आणि भाषांतर सुलभ करते, प्रशासकीय वेळ वाचवते आणि प्रवाशांच्या सेवेवर अधिक लक्ष केंद्रित करण्यास मदत करते.
सत्या नाडेला म्हणतात की AI मॉडेल्स आता 'कमोडिटी' बनत आहेत, म्हणजेच त्यांचे महत्त्व कमी होत आहे आणि कंपन्यांनी उत्पादन विकासावर लक्ष केंद्रित केले पाहिजे.
मायक्रोसॉफ्ट आणि आयबीएम सारख्या कंपन्या लहान लँग्वेज मॉडेल्स (SLMs) वापरून AI च्या क्षेत्रात क्रांती घडवत आहेत. हे मॉडेल्स कमी ऊर्जा वापरतात आणि अधिक सुलभ आहेत, ज्यामुळे AI चा विकास अधिक टिकाऊ आणि सर्वसमावेशक बनतो.
मायक्रोसॉफ्टची Phi-4 मालिका मल्टीमॉडल प्रोसेसिंग आणि कार्यक्षम, लोकल डिप्लॉयमेंटमध्ये एक महत्त्वपूर्ण प्रगती दर्शवते. Phi-4 मिनी इंस्ट्रक्ट आणि Phi-4 मल्टीमॉडल मॉडेल्ससह, ही मालिका शक्तिशाली AI क्षमतांना मोठ्या प्रमाणात, क्लाउड-आधारित पायाभूत सुविधांपर्यंत मर्यादित न ठेवता नवीन युगात आणते.
LLMWare आणि Qualcomm च्या संयुक्त विद्यमाने स्नॅपड्रॅगन एक्स सिरीज प्रोसेसरवर आधारित AI PC साठी 'मॉडेल HQ' सादर, जेणेकरून उद्योग-व्यवसायांना ऑन-डिव्हाइस AI चा वापर करणे सोपे होईल.
मायक्रोसॉफ्टने नवीन AI मॉडेल लाँच केले आहे, जे डिव्हाइसवर स्पीच, व्हिजन आणि टेक्स्टवर प्रक्रिया करते. हे पूर्वीच्या मॉडेल्सपेक्षा कमी कम्प्युटेशनल मागणीसह येते, ज्यामुळे डिव्हाइसवर AI वापरणे सोपे होते.
मायक्रोसॉफ्टने फाय-4 सादर केले आहे, हे AI मॉडेल्स आकाराने लहान असूनही उच्च कार्यक्षमता देतात. हे मॉडेल कमी कॉम्प्युटिंग पॉवर वापरून टेक्स्ट, इमेज आणि स्पीचवर प्रक्रिया करतात.
मायक्रोसॉफ्टने लहान भाषा मॉडेल (SLMs) च्या फाय कुटुंबातील नवीन सदस्य, फाय-4-मल्टीमॉडल आणि फाय-4-मिनी सादर केले आहेत. हे मॉडेल्स प्रगत AI क्षमतांनी युक्त आहेत, जे ॲप्लिकेशन डेव्हलपमेंटमध्ये क्रांती घडवतील.
मायक्रोसॉफ्टने Phi-4 नावाचे 14 अब्ज पॅरामीटर्स असलेले लहान भाषेचे मॉडेल सादर केले आहे, जे गणितीय तर्काच्या क्षेत्रात प्रगती करण्यासाठी डिझाइन केलेले आहे. हे मॉडेल Azure AI Foundry वर उपलब्ध आहे आणि अलीकडेच Hugging Face वर MIT परवान्याअंतर्गत खुले करण्यात आले आहे. Phi-4 हे गणितीय तर्कात त्याच्या आकारमानापेक्षा मोठ्या मॉडेल्सपेक्षाही सरस ठरते, कारण ते प्रशिक्षणामध्ये अनेक नवीन तंत्रज्ञानाचा वापर करते. यात सिंथेटिक डेटा प्री-ट्रेनिंग आणि मिड-ट्रेनिंग, ऑरगॅनिक डेटा व्यवस्थापन आणि नवीन पोस्ट-ट्रेनिंग योजनांचा समावेश आहे.
