تک جدید دریچه‌ای به دنیای بزرگ فناوری
هوش مصنوعی مایکروسافت با معرفی مدل‌های جدید سری Phi 4 وارد مرحله تازه‌ای از رقابت با مدل‌های حجیم و پرهزینه شده است. این شرکت با تمرکز بر بهره‌وری و کوچک‌سازی مدل‌های خود، گام بلندی در گسترش فناوری هوش مصنوعی برداشته است.
مایکروسافت با مدل‌های کوچک‌تر Phi 4 در رقابت هوش مصنوعی پیشتازی می‌کند
مدل‌های جدید مایکروسافت شامل Phi 4 mini reasoning، Phi 4 reasoning و Phi 4 reasoning plus هستند که با بهره‌گیری از تکنیک‌هایی نظیر یادگیری تقویتی و تقطیر مدل‌ها، توانایی انجام وظایف پیچیده استدلالی را در حجمی بسیار کمتر نسبت به مدل‌های مرسوم دارند. مهم‌ترین تمایز این مدل‌ها با مدل‌های قبلی، قدرت انجام محاسبات سنگین استدلالی بدون نیاز به زیرساخت‌های عظیم سخت‌افزاری است.
مدل Phi 4 reasoning دارای ۱۴ میلیارد پارامتر بوده و بر پایه داده‌های باکیفیت وب و مجموعه داده‌های گزینش‌شده OpenAI آموزش دیده است. این مدل به‌ویژه برای حوزه‌هایی همچون علوم، ریاضیات و رایانش طراحی شده که به قدرت استدلال بالا نیاز دارند. همچنین نسخه Phi 4 reasoning plus با تغییرات استراتژیک برای بهبود عملکرد در وظایف خاص بهینه‌سازی شده و طبق گزارش‌های داخلی مایکروسافت، حتی از مدل غول‌پیکر R1 با ۶۷۱ میلیارد پارامتر نیز در برخی سنجش‌ها بهتر عمل می‌کند.
تحول در دنیای هوش مصنوعی با مدل‌های کوچک‌تر اما قدرتمند
مطابق با گزارش منبع، ویژگی چشمگیر سری Phi 4 نسبت عملکرد به اندازه‌ی آن‌هاست. مایکروسافت توانسته با کوچک‌سازی مدل‌ها، عملکرد قابل توجهی را حتی در دستگاه‌هایی با منابع محدود مانند گوشی‌های هوشمند و ابزارهای اینترنت اشیا (IoT) فراهم کند.
این موضوع، کاربرد هوش مصنوعی را گسترش داده و محدودیت‌های سخت‌افزاری سابق را کنار زده است. اکنون توسعه‌دهندگان قادرند برنامه‌هایی با قابلیت‌های مدل‌های سنگین، ولی با مصرف منابع پایین‌تر ایجاد کنند.
گسترش استفاده از هوش مصنوعی؛ هدف نهایی مایکروسافت
مایکروسافت با رویکردی جدید، تمرکز خود را بر طراحی مدل‌هایی کوچک اما توانمند گذاشته است. این استراتژی نه‌تنها دسترسی گسترده‌تر به هوش مصنوعی مایکروسافت را ممکن می‌سازد، بلکه صنایع مختلف را از وابستگی به زیرساخت‌های گران و پرمصرف نجات می‌دهد. مدل‌های سری Phi 4 قرار است در آینده نزدیک وارد حوزه‌هایی نظیر آموزش، کدنویسی و یادگیری ماشین شوند و تحول عظیمی را در مقیاس گسترده رقم بزنند.
