Microsoft debutta con Phi-4, un nuovo modello di IA generativa – Ecco il pacchetto
- Microsoft ha lanciato Phi-4, un'IA generativa che vanta 14 miliardi di parametri.
- Si prevede che il modello IA concorrerà con altri modelli popolari come GPT-4o Mini, Gemini e Claude, nonostante sia "più piccolo".
- Phi-4 è secondo quanto riportato ben attrezzata per gestire problemi matematici.
Microsoft ha svelato Phi-4, l'ultima iterazione della sua serie Phi di modelli di intelligenza artificiale generativa (IA). L'architettura semplificata incorpora progressi nella risoluzione di problemi matematici.
Secondo i rapporti, il nuovo modello, che vanta 14 miliardi di parametri, mira a competere con altri modelli IA compatti come GPT-4o Mini, Gemini 2.0 Flash e Claude 3.5 Haiku.
Secondo il blog di Microsoft, Phi-4 è disponibile con accesso limitato attraverso la piattaforma Microsoft Azure AI Foundry ed è limitato a scopi di ricerca ai sensi di un accordo di licenza di ricerca Microsoft.
Phi-4: Prestazioni migliorate nel ragionamento matematico
Microsoft ha posizionato Phi-4 come leader nella risoluzione di problemi matematici, citando sostanziali guadagni di prestazioni rispetto sia ai suoi predecessori che ai modelli comparabili. L'azienda è fiduciosa nelle capacità del modello IA dopo che Phi-4 avrebbe ottenuto i massimi voti in diversi benchmark standardizzati.
Nel test GPQA, ha ottenuto 56,1, superando i 40,9 di GPT-4o e i 49,1 di Llama-3. Sul benchmark MATH, Phi-4 ha raggiunto 80,4, riflettendo le sue capacità avanzate nell'affrontare problemi matematici complessi. Si è anche distinto nei benchmark di codifica, ottenendo un punteggio di 82,6 su HumanEval.
Inoltre, Phi-4 ha dimostrato la sua abilità in scenari del mondo reale, inclusi alti punteggi su problemi dalle Competizioni di Matematica Americana (AMC-10/12) dell'Associazione Matematica Americana. Questi risultati indicano potenziali applicazioni nella ricerca scientifica, ingegneria e modellazione finanziaria, campi in cui l'accuratezza e il ragionamento matematico sono critici.
Mentre modelli più grandi come GPT-4o di OpenAI e Gemini Ultra di Google operano con centinaia di miliardi o persino trilioni di parametri, Phi-4 dimostra che architetture più piccole e semplificate possono raggiungere prestazioni superiori in compiti specializzati.
Microsoft accredita i progressi di Phi-4 all'integrazione di dati sintetici di alta qualità insieme a dataset di contenuti generati da esseri umani, nonché a miglioramenti non divulgati effettuati durante il post-training. Questi sforzi riflettono una tendenza più ampia nel settore dell'IA, dove i team di ricerca si concentrano sempre di più su innovazioni nell'uso di dati sintetici e ottimizzazione post-training.
Il CEO di Scale AI, Alexandr Wang, ha recentemente evidenziato questo cambiamento, osservando che il settore ha raggiunto un "muro dei dati di pre-addestramento", aggiungendo che le aziende ora correranno per sviluppare modelli di IA più efficienti.
Il potere di calcolo è importante, ma lo sono anche i dati, e abbiamo raggiunto un muro dei dati di pre-addestramento.
— Alexandr Wang (@alexandr_wang) Dicembre 12, 2024
Preparatevi al boom dei dati post-addestramento. Le aziende correranno per ottenere i migliori dati di frontiera: multimodali, agentic, di ragionamento complesso e altro ancora.
Seguite i dati, trovate i vincitori.
7/8
IA responsabile e funzionalità di sicurezza
Microsoft continua a enfatizzare lo sviluppo responsabile delle soluzioni di IA, integrando robuste misure di sicurezza in Phi-4 e nei suoi predecessori. Attraverso Azure AI Foundry, gli utenti hanno accesso a strumenti progettati per valutare e mitigare i rischi in tutto il ciclo di vita dello sviluppo di IA.
Questi strumenti includono gli scudi per i prompt, che proteggono da input inappropriati o dannosi, il rilevamento di materiali protetti per identificare contenuti sensibili nelle uscite e il rilevamento del fondamento fattuale per garantire che le uscite siano accurate e pertinenti dal punto di vista fattuale.
Inoltre, ci sono funzionalità integrate nel toolkit Content Safety di Azure AI, consentendo agli sviluppatori di applicare filtri e monitorare le applicazioni per qualità, sicurezza e integrità dei dati. Gli avvisi in tempo reale forniscono interventi tempestivi per affrontare problemi come prompt avversari e deviazioni dei contenuti.
Azure AI Foundry supporta ulteriormente le valutazioni iterative dei modelli con metriche integrate e personalizzate, dando agli sviluppatori la flessibilità di perfezionare le loro applicazioni IA per le prestazioni ottimali.
I cervelli più intelligenti del crypto leggono già la nostra newsletter. Vuoi unirti a loro? Unisciti a loro.
Dichiarazione di responsabilità. Le informazioni fornite non costituiscono consigli di trading. Cryptopolitan.com non si assume alcuna responsabilità per eventuali investimenti effettuati sulla base delle informazioni fornite in questa pagina. Si consiglia vivamente di effettuare ricerche indipendenti e/o consultare un professionista qualificato prima di prendere qualsiasi decisione di investimento.
Florence Muchai
Florence si occupa di notizie relative a criptovalute, gaming, tecnologia e AI da oltre 6 anni. I suoi studi in Informatica presso l'Università Meru di Scienze e Tecnologia e in Gestione delle Emergenze e Diplomazia Internazionale presso il MMUST le hanno fornito eccellenti competenze linguistiche, osservative e tecniche. Florence ha lavorato al VAP Group e come editor per diverse testate specializzate in criptovalute.
