چین میں مصنوعی ذہانت کے چیٹ بوٹس کی مارکیٹ میں بائٹ ڈانس کا ڈوباؤ ایک غالب قوت کے طور پر ابھرا ہے، جس نے علی بابا اور بیدو جیسے قائم شدہ کھلاڑیوں کو پیچھے چھوڑ دیا ہے۔ یہ تبدیلی چینی ٹیک مارکیٹ کی متحرک نوعیت کو ظاہر کرتی ہے، جہاں تیز رفتار جدت اور صارف پر مبنی نقطہ نظر کامیابی کی کلید ہیں۔
مون شاٹ اے آئی نے کیمی کے 1.5 ملٹی موڈل ماڈل کا انکشاف کیا ہے، جو اوپن اے آئی کے مکمل ورژن o1 کے مقابلے میں کارکردگی دکھاتا ہے۔ یہ ماڈل ریاضی، کوڈنگ اور ملٹی موڈل استدلال میں اپنی صلاحیتوں کے لیے نمایاں ہے۔ کیمی کے 1.5 شارٹ ویرینٹ نے جی پی ٹی-4o اور کلاڈ 3.5 سونیٹ کو 550% سے زیادہ سے پیچھے چھوڑ دیا ہے۔ مون شاٹ اے آئی نے اپنی تکنیکی رپورٹ شائع کی ہے، جو مصنوعی عمومی ذہانت کی جانب ایک اجتماعی کوشش کی نشاندہی کرتی ہے۔
آرٹیفیشل انٹیلیجنس جنریٹڈ کنٹینٹ (AIGC) کی فیلڈ تیزی سے ترقی کر رہی ہے۔ اس مضمون میں مائیکروسافٹ اور اوپن اے آئی، بیدو کے ارنی بوٹ اور آئی فلائیٹیک کے سپارک جیسے بڑے لینگویج ماڈلز (LLM) کی ترقی اور نفاذ پر توجہ دی گئی ہے۔ یہ مضمون ایک اہم پیش رفت کو اجاگر کرتا ہے: اوپن اے آئی کی جانب سے ایک ریئل ٹائم اے آئی ایجنٹ کا اجراء جسے صرف 20 منٹ میں تیار کیا جا سکتا ہے۔ یہ پیش رفت اے آئی سے چلنے والی ایپلیکیشنز کے دائرے میں اعلیٰ کارکردگی کی ترقی کے امکان کو ظاہر کرتی ہے۔
بڑے لسانی ماڈلز (LLMs) میں موثر پیمانے پر استدلال ایک اہم چیلنج ہے۔ روایتی توجہ کے طریقہ کار میں کلیدی قدر (KV) کیش ایک بڑی رکاوٹ ہے، جو بیچ سائز اور ترتیب کی لمبائی کے ساتھ خطی طور پر بڑھتی ہے۔ ملٹی میٹرکس فیکٹرائزیشن اٹینشن (MFA) اور MFA-Key-Reuse (MFA-KR) ایک نیا طریقہ کار ہے جو کارکردگی کو بہتر بناتے ہوئے KV کیش کے استعمال کو 93.7 فیصد تک کم کرتا ہے۔ MFA ڈیزائن میں سادگی، آسانی سے دوبارہ پیدا کرنے کی صلاحیت، کم حساسیت اور مختلف پوزیشن ایمبیڈنگ طریقوں کے ساتھ مطابقت رکھتا ہے۔ یہ طریقہ کار ماڈل کی صلاحیت کو زیادہ سے زیادہ کرنے، پیرامیٹر کی کارکردگی کو برقرار رکھنے، اور میموری کے استعمال کو کم سے کم کرنے کے لیے ڈیزائن کیا گیا ہے۔ تجرباتی نتائج سے پتہ چلتا ہے کہ MFA روایتی MHA کے مقابلے میں بڑے پیمانے پر صلاحیتوں کو برقرار رکھتا ہے، جبکہ MFA-KR میموری کے استعمال کو نمایاں طور پر کم کرتا ہے۔
ایوولوشنری اسکیل کا ESM3 ایک انقلابی حیاتیاتی ماڈل ہے جس میں 98 بلین پیرامیٹرز ہیں جو اسے دنیا کا سب سے بڑا ماڈل بناتا ہے۔ یہ ماڈل پروٹین کو سمجھنے اور ان میں ترمیم کرنے کے طریقے میں ایک اہم پیش رفت کی نمائندگی کرتا ہے۔ ESM3 پروٹین کے تین جہتی ڈھانچے اور فنکشن کو ایک مجرد حروف تہجی میں تبدیل کرتا ہے۔ یہ اختراعی طریقہ ہر 3D ڈھانچے کو حروف کی ترتیب کے طور پر پیش کرنے کی اجازت دیتا ہے۔ نتیجتاً، ESM3 ایک پروٹین کی ترتیب، ساخت اور فنکشن پر بیک وقت کارروائی کر سکتا ہے، جوہری سطح کی تفصیلات کو اعلیٰ سطحی ہدایات کے ساتھ جوڑ کر مکمل طور پر نئے پروٹین تیار کرنے کے پیچیدہ اشارے کا جواب دیتا ہے۔ متاثر کن طور پر، ESM3 کی ارتقاء کی نقالی قدرتی ارتقاء کے 5 ٹریلین سالوں کے برابر ہے۔ حال ہی میں، ایوولوشنری اسکیل نے دنیا بھر کے سائنسدانوں کے لیے پروٹین کی پیشن گوئی کو تیز کرنے کے مقصد سے ESM3 API کی مفت دستیابی کا اعلان کیا۔ اس اقدام کا خیرمقدم ٹورنگ ایوارڈ یافتہ اور میٹا کے چیف سائنسدان یان لیکون نے کیا، جنہوں نے ایوولوشنری اسکیل کی کامیابی کو 'ایک بہت اچھی چیز' قرار دیا۔ ESM3 صرف ایک ماڈل سے زیادہ ہے۔ یہ ایٹمی سطح پر پروٹین کو سمجھنے اور تیار کرنے میں ایک پیش رفت ہے، جس سے طبی میدان پر گہرا اثر پڑنے کا وعدہ کیا گیا ہے۔
مائیکروسافٹ نے MatterGen متعارف کرایا ہے، جو غیر نامیاتی مواد کی تخلیق کے لیے ایک انقلابی AI ماڈل ہے۔ یہ ماڈل ایٹم کی اقسام، کوآرڈینیٹس اور پیریوڈک جالیوں کو بہتر بناتا ہے۔ یہ بیٹری کی کارکردگی کو بہتر بنا سکتا ہے اور AGI کی طرف ایک قدم ہے۔
