Günlük ve haftalık bültenlerimize katılarak, sektör lideri AI haberleri hakkında en son güncellemeleri ve özel içerikleri edinin. Daha Fazla Bilgi Edinin
Microsoft, metin, görüntü ve sesi aynı anda işleyen yeni bir yüksek verimlilikte AI model sınıfını tanıttı. Yeni Phi-4 modelleri, bugün piyasaya sürüldü ve bu küçük dil modellerinin (SLM’ler) geliştirilmesinde bir atılım temsil ediyor. Bu modeller, daha büyük AI sistemlerinde bulunan yetenekleri sunuyor.
Phi-4 Modellerinin Gücü
Phi-4-Multimodal, sadece 5.6 milyar parametreye sahip iken, Phi-4-Mini ise 3.8 milyar parametre ile, benzer boyuttaki rakiplerini geride bırakıyor ve bazı görevlerde iki katı büyüklüğündeki modellerle eş ya da daha iyi performans sergiliyor. Microsoft’un teknik raporuna göre bu başarı sağlanmış durumda.
Geliştiricilere Yenilikçi Çözümler
Microsoft’un Generative AI Başkan Yardımcısı Weizhu Chen, “Bu modeller, geliştiricilere ileri düzey AI yetenekleri sunmak için tasarlandı,” diyor. “Phi-4-Multimodal, metin, ses ve görüntüyü aynı anda işleyebilme yeteneğiyle, yenilikçi ve bağlama duyarlı uygulamaların yaratılması için yeni imkanlar sağlıyor.” Bu teknik başarı, şirketlerin standart donanımda veya “kenar” cihazlarında çalışabilen AI modellerine yöneldiği bir dönemde gerçekleşiyor. Bu, maliyetleri düşürürken veri gizliliğini de korumayı sağlıyor.
Phi-4’ün Yenilikçi Tasarımı
Peki, Phi-4-Multimodal modelini farklı kılan nedir? Bu model, metin, görüntü ve ses girişlerini tek bir modelde işleyebilmesi için seçilen yenilikçi “mixture of LoRAs” tekniğini kullanıyor. Araştırma raporuna göre, “LoRaların karışımını kullanarak, Phi-4-Multimodal çok modlu yeteneklerini geliştirirken modalités arasındaki müdahaleleri azaltıyor.” Bu yenilik, modele güçlü dil yeteneklerini korumasını sağlıyor.
Phi-4, Hugging Face OpenASR sıralamasında 6.14% kelime hatası oranıyla birinci sırada yer alıyor, bu da onu özel ses tanıma sistemleri gibi WhisperV3‘e göre daha üst bir konuma getiriyor.
Küçük Ama Etkili: Phi-4-Mini
Phi-4-Mini, kompakt boyutuna rağmen metin tabanlı görevlerde olağanüstü yeteneklere sahip. Microsoft, bu modelin “benzer boyuttaki modellerden daha iyi performans gösterdiğini ve iki katı büyüklüğündeki modellerle başa baş olduğunu” bildiriyor. Özellikle, modelin matematik ve kodlama görevlerinde gösterdiği başarı dikkat çekici. Araştırma raporuna göre “Phi-4-Mini, uzun bağlamlı üretimi optimize etmek için grup sorgu dikkatini içeriyor.”
Phi-4-Mini, GSM-8K matematik ölçeğinde %88.6 puan alarak çoğu 8 milyar parametreli modelden daha iyi sonuç alıyor. Bu model, benzer boyuttaki rakiplerle kıyaslandığında yalnızca %64’lük bir skorla MATH benchmark’ında önemli bir fark yaratıyor.
Gerçek Dünyada Phi-4’ün Etkisi
Capacity, verileri birleştirmek için AI Answer Engine uygulamasını geliştirirken Phi ailesinden faydalandı. Capacity’nin Ürün Müdürü Steve Frederickson, “İlk deneyimlerimizden, Phi’nin olağanüstü doğruluğu ve kullanıma alınmasının ne kadar kolay olduğunu belirtmek istiyorum.” dedi. Capacity, rakip iş akışlarına kıyasla %4.2 maliyet tasarrufu sağladığını ve aynı ya da daha iyi kalite sonuçlar aldıklarını bildiriyor.
Sonuç: AI’nın Geleceği
Uzun yıllardır AI geliştirme, “büyüklük iyidir” anlayışı ile şekilleniyordu. Daha fazla parametre, daha büyük modeller ve daha büyük hesaplama talepleri ile çalışma alışkanlıkları belirlenmişti. Ancak Microsoft’un Phi-4 modelleri, gücün sadece ölçekte değil, verimlilikte olduğunu kabul ettiriyor. Bu modeller, yalnızca veri merkezleri için değil, standard donanımlarda çalışan, standart cihazlar üzerinde de kullanılan bir AI sağlıyor.
Bunlar sadece AI’nın daha verimli hale gelmesi hakkında değil; aynı zamanda erişim açısından daha ulaşılabilir hale gelmesi için de bir adım. Microsoft, Phi-4 modelini yaygın kullanıma sunarak, bunu Edge cihazlarında ve güvenliğin kritik olduğu yerlerde kullanılmasına imkan tanıyor. gerçekten zamanla oluşturulması gerekirse, AI’nın bir yetenek olabileceğini gösteriyor. Önemli olan, Phi-4’ün nerede ne yapabileceği.
