Theo yapay zekâ haberlerini bu akşam deneyebileceğiniz şeylere dönüştürür.
Böyle hikâyelerin ardındaki modelleri ve stilleri keşfet — ücretsiz hesap, anında galeri.
Kataloğu keşfetBir arkadaşını seç ve bu haber hakkındaki görüşünü öğren
IBM, yapay zeka modellerinin tüm temel modelin yeniden eğitilmesini gerektirmek yerine, küçük, özel adaptör modüllerini değiştirerek güncellenmesine olanak tanıyan önemli bir güncelleme olan Granite Switch 4.1.1'i kullanıma sundu. Bu değişiklik, yaratıcıların yeni yetenekleri ve düzeltmeleri iş akışlarına çok daha hızlı entegre edebilecekleri anlamına geliyor; geleneksel model güncellemelerinin ağır hesaplama maliyeti ve zamanı olmadan.
Granite Switch 4.1.1'in özü, IBM'in «adaptör değişimi» olarak adlandırdığı şeyi gerçekleştirme yeteneğidir. Küçük bir değişiklik veya iyileştirme gerektiğinde devasa bir temel modeli sıfırdan yeniden eğitmek yerine, geliştiriciler artık daha küçük, göreve özel adaptörler eğitebilirler. Bu adaptörler daha sonra temel modele yüklenir ve çekirdek mimarisini değiştirmeden davranışını değiştirir. Bir yapay zeka sanatı yaratıcısı için bu, özel modeller veya özel stiller için daha çevik geliştirme döngülerine doğrudan dönüşür. Belirli bir sanatsal estetik için bir modeli ince ayar yaptığınızı ve doku üretimini geliştirebilecek yeni bir veri kümesinin ortaya çıktığını hayal edin. Adaptör değişimiyle, bu yeni doku verileri üzerinde küçük bir adaptör eğitebilir ve tüm model için maliyetli, günler süren bir ince ayar sürecine başlamak yerine mevcut modelinize uygulayabilirsiniz.
Granite Switch 4.1.1'de adaptör değişiminin nasıl çalıştığını gösteren açıklayıcı diyagram.
Görsel: Hugging Face Blog
Bu yaklaşım, sık ve hedeflenmiş güncellemelerin kritik olduğu niş uygulamalar için özellikle faydalıdır. Örneğin, belirli bir karakterin varyasyonlarını oluşturmak için yapay zeka kullanan bir karakter tasarımcısı, yüz ifadelerini veya giyim detaylarını ince bir şekilde ayarlamak isteyebilir. Tam bir ince ayarı yeniden çalıştırmak yerine, bu özel ayarlamalar için küçük bir adaptör geliştirebilirler. Bu, karakter tasarımları üzerinde yinelemeyi önemli ölçüde daha verimli hale getirir ve Charmloop'un karakter oluşturma paketi gibi araçlarda hızlı deneme ve iyileştirmeye olanak tanır.
Yaratıcılar için en acil fayda, hesaplama yükünün azalmasıdır. Büyük bir temel modeli eğitmek binlerce dolara mal olabilir ve güçlü GPU'larda günler veya haftalar sürebilir. Buna karşılık, küçük bir adaptörü eğitmek, çok daha ucuz donanımlarda saatler, hatta dakikalar içinde yapılabilir. Bu maliyet verimliliği, özellikle üst düzey bilgi işlem kaynaklarına sınırlı erişimi olabilecek bağımsız yaratıcılar veya küçük stüdyolar için daha fazla deneme yolu açar. Yapay zeka modellerini özelleştirme ve güncelleme yeteneğini demokratikleştirir, geleneksel model-bir-monolit-olarak paradigmasının ötesine geçer.
Ayrıca, bu güncelleme dağıtım sürecini kolaylaştırır. Bir adaptör eğitildikten sonra, yazılım eklentilerinin çalışma şekline benzer şekilde, çalışma zamanında hızlı bir şekilde yüklenebilir ve değiştirilebilir. Bu, çeşitli stiller veya model yetenekleri sunan bir platformun, kullanıcıların tamamen yeni modeller indirmesini gerektirmeden tekliflerinin belirli yönlerini güncelleyebileceği anlamına gelir. Belirli stillerle görüntüler oluşturan yaratıcılar için bu, yeni stilistik varyasyonlara veya çıktı kalitesini artıran hata düzeltmelerine daha hızlı erişim anlamına gelebilir, bu da yeni estetik yönleri keşfetmeyi veya mevcut olanları iyileştirmeyi kolaylaştırır. Modellerin nasıl geliştirildiği ve dağıtıldığı hakkında daha fazla bilgiyi rehberler bölümümüzde bulabilirsiniz.
IBM'in Granite Switch 4.1.1 ile yaklaşımı, yapay zekada modülerliğe yönelik daha geniş bir endüstri trendini yansıtıyor; modelleri statik eserler olarak değil, gelişen yazılım bileşenleri olarak ele alıyor. Yapay zeka ortamı olgunlaştıkça, model bakımındaki bu tür gelişmeler, hızlı inovasyona ve kullanıcı taleplerine ayak uydurmak için kritik hale gelecektir.
«Granite Switch 4.1.1, büyük dil modellerine yazılım benzeri bir güncelleme mekanizması getirerek hedeflenmiş, verimli değişikliklere olanak tanır.»
— Hugging Face Blog
