Microsoft presenta Phi-4, un nuovo modello di intelligenza artificiale generativa: ecco il pacchetto

Microsoft ha presentato Phi-4, l'ultima versione della serie Phi di modelli di intelligenza artificiale (IA) generativa. L'architettura semplificata incorpora progressi nella risoluzione di problemimatic. 

Secondo quanto riportato, il nuovo modello, che vanta 14 miliardi di parametri, mira a competere con altri modelli AI compatti come GPT-4o Mini, Gemini 2.0 Flash e Claude 3.5 Haiku.

Secondo il blog, Phi-4 è disponibile con accesso limitato tramite la piattaforma Azure AI Foundry di Microsoft ed è riservato a scopi di ricerca in base a un accordo di licenza di ricerca di Microsoft.

Phi-4: Prestazioni migliorate nel ragionamentomatic

Microsoft ha posizionato Phi-4 come leader nella risoluzione di problemimatic, citando sostanziali miglioramenti delle prestazioni rispetto ai suoi predecessori e a modelli comparabili. L'azienda èdent sulle capacità del modello di intelligenza artificiale dopo che Phi-4 ha ottenuto punteggi elevati in diversi benchmark standardizzati. 

Nel test GPQA, ha ottenuto un punteggio di 56,1, superando il 40,9 di GPT-4o e il 49,1 di Llama-3. Nel benchmark MATH, Phi-4 ha ottenuto un punteggio di 80,4, a dimostrazione delle sue avanzate capacità nell'affrontare problemimaticcomplessi. Ha eccelso anche nei benchmark di codifica, ottenendo un punteggio di 82,6 su HumanEval.

Inoltre, Phi-4 ha dimostrato la sua efficacia in scenari reali, ottenendo punteggi elevati nei problemi delle AmericanmaticCompetitions (AMC-10/12) dellamaticAssociation of America. Questi risultati indicano potenziali applicazioni nella ricerca scientifica, nell'ingegneria e nella modellazione finanziaria, campi in cui l'accuratezza e il ragionamentomaticsono fondamentali.

Mentre modelli più grandi come GPT-4o di OpenAI e Gemini Ultra di Google operano con centinaia di miliardi o addirittura trilioni di parametri, Phi-4 dimostra che architetture più piccole e semplificate possono raggiungere prestazioni superiori in attività specializzate. 

Microsoft attribuisce i progressi di Phi-4 all'integrazione di dati sintetici di alta qualità con set di dati di contenuti generati dall'uomo, nonché a miglioramenti non divulgati apportati durante la fase di post-addestramento. Questi sforzi riflettono una tendenza più ampia nel settore dell'IA, dove i team di ricerca si stanno concentrando sempre più sull'innovazione nell'utilizzo dei dati sintetici e sull'ottimizzazione post-addestramento. 

Alexandr Wang, CEO di Scale AI, ha recentemente sottolineato questo cambiamento, sottolineando che il settore ha raggiunto un "muro di dati pre-addestramento", aggiungendo che le aziende ora si impegneranno a sviluppare modelli di intelligenza artificiale più efficienti.

La potenza di calcolo è importante, ma lo sono anche i dati, e abbiamo raggiunto un limite per quanto riguarda i dati pre-addestramento.

Preparatevi al boom dei dati post-addestramento. Le aziende si contenderanno i migliori dati di frontiera: multimodali, agentici, di ragionamento complesso e altro ancora.

Seguite i dati, trovate i vincitori.

7/8

—Alexandr Wang (@alexandr_wang) 12 dicembre 2024

Intelligenza artificiale responsabile e funzionalità di sicurezza

Microsoft continua a porre l'accento sullo sviluppo responsabile delle soluzioni di intelligenza artificiale, integrando solide misure di sicurezza in Phi-4 e nei suoi predecessori. Grazie ad Azure AI Foundry, gli utenti hanno accesso a strumenti progettati per valutare e mitigare i rischi durante l'intero ciclo di vita dello sviluppo dell'intelligenza artificiale. 

Questi strumenti includono protezioni rapide, che proteggono da input inappropriati o dannosi, rilevamento di materiale protetto perdentcontenuti sensibili negli output e rilevamento di fondatezza per garantire che gli output siano effettivamente accurati e pertinenti.

Inoltre, funzionalità che consentono agli sviluppatori di applicare filtri e monitorare le applicazioni per verificarne la qualità, la sicurezza e l'integrità dei dati. Gli avvisi in tempo reale permettono di intervenire tempestivamente per risolvere problemi quali richieste dannose e deviazioni dai contenuti.

Azure AI Foundry supporta inoltre valutazioni iterative dei modelli con metriche sia integrate che personalizzate, offrendo agli sviluppatori la flessibilità di ottimizzare le proprie applicazioni di intelligenza artificiale per ottenere prestazioni ottimali.