معرفی مدل هوش مصنوعی PAN 2؛ گام بزرگ MBZUAI برای شبیه‌سازی دنیای فیزیکی
مؤسسه IFM از مدل جدید PAN 2 با ۲۹ میلیارد پارامتر رونمایی کرد. این هوش مصنوعی متن‌باز، با ترکیب استدلال مفهومی و ادراکی، برای شبیه‌سازی دقیق رویدادهای فیزیکی در ویدیو طراحی شده است.
مؤسسه IFM که زیرمجموعه دانشگاه MBZUAI محسوب می‌شود، به‌تازگی از مدل PAN 2 رونمایی کرده است؛ یک مدل هوش مصنوعی ۲۹ میلیارد پارامتری که با هدف شبیه‌سازی هوشمند دنیای فیزیکی توسعه یافته است. این مدل با دریافت یک صحنه و دستور متنی، نتیجه آن را به‌صورت ویدیویی شبیه‌سازی می‌کند. هدف اصلی از توسعه این مدل، امکان‌پذیر کردنِ «استدلال شبیه‌ساز» برای توسعه‌دهندگان رباتیک است تا بتوانند برنامه‌های خود را پیش از اجرا در دنیای واقعی، درون محیط مجازی تست کنند.
ساختار فنی PAN 2 بر پایه معماری Diffusion Transformer یا به اختصار MMDiT بنا شده و برای اجرای آن به پردازنده‌های گرافیکی دیتاسنتر نیاز است. طبق گزارش‌های فنی منتشر شده، این مدل توانسته در سناریوهای چندمرحله‌ای، نرخ تکمیل ۳۴ درصدی را ثبت کند که در میان مدل‌های مشابه، عملکرد برجسته‌ای محسوب می‌شود. فرآیند کار این مدل به دو بخش تقسیم می‌شود: «استدلال مفهومی» که توسط یک مدل زبانی (LLM) برای درک رویدادها و دستورات انجام می‌شود و «استدلال ادراکی» که توسط مدل ۲۹ میلیاردی برای تولید خروجی تصویری صورت می‌گیرد.
نکته قابل‌توجه این است که IFM کدهای آموزشی، کدهای استنتاج و وزن‌های این مدل را تحت مجوز متن‌باز Apache 2.0 منتشر کرده است. بررسی‌های آزمایشگاهی نشان می‌دهد که حذف بخش استدلال مفهومی (LLM) باعث سقوط شدید عملکرد مدل می‌شود، که این خود اهمیت ترکیب هوش زبانی با مدل‌های تولید تصویر را نشان می‌دهد. با وجود اینکه مدل‌هایی نظیر MiniMax-H3 همچنان در ترجیحات انسانی و تک‌اقدام‌ها پیشتاز هستند، PAN 2 در زمینه برنامه‌ریزی‌های چندمرحله‌ای به‌عنوان یک راهکار قدرتمند و کاملاً متن‌باز ظاهر شده است.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.
دیدگاه‌ها
دیدگاه شما پس از تأیید مدیر منتشر می‌شود. گفت‌وگوی فارسی و انگلیسی این خبر جداست.