Liquid AI Rilis Model Generatif Berbasis LFM

pibitek.biz -Liquid AI Inc., sebuah startup AI yang merupakan spinoff dari MIT, secara resmi merilis rangkaian model AI generatif pertamanya. Model-model ini menonjol karena menggunakan arsitektur yang berbeda dari model-model pesaing. Model-model baru ini diberi nama "Liquid Foundation Models" atau LFM, dan diklaim memiliki kinerja yang luar biasa, menyamai atau bahkan melampaui beberapa LLM terbaik yang tersedia saat ini. Liquid AI, yang bermarkas di Boston, didirikan oleh tim peneliti dari Massachusetts Institute of Technology, termasuk Ramin Hasani, Mathias Lechner, Alexander Amini, dan Daniela Rus.

Mereka dikenal sebagai pionir dalam konsep "jaringan saraf cair", yang merupakan kelas model AI yang berbeda dari model berbasis Generative Pre-trained Transformer (GPT) yang kita kenal saat ini, seperti seri GPT dari OpenAI dan model Gemini milik Google LLC. Misi Liquid AI adalah menciptakan model serbaguna yang sangat mumpuni dan efisien, yang dapat digunakan oleh berbagai organisasi, baik besar maupun kecil. Untuk mencapai tujuan tersebut, Liquid AI membangun sistem AI berbasis LFM yang dapat beroperasi di berbagai skala, mulai dari tepi jaringan hingga penyebaran tingkat perusahaan.

Menurut Liquid AI, LFM mewakili generasi baru sistem AI yang dirancang dengan fokus pada kinerja dan efisiensi. LFM menggunakan memori sistem yang minimal sambil memberikan daya komputasi yang luar biasa, seperti yang dijelaskan oleh perusahaan. LFM didasarkan pada sistem dinamis, aljabar linier numerik, dan pemrosesan sinyal. Hal ini membuat LFM ideal untuk menangani berbagai jenis data berurutan, termasuk teks, audio, gambar, video, dan sinyal. Liquid AI pertama kali muncul di berita pada bulan Desember ketika perusahaan ini memperoleh pendanaan tahap awal senilai $37,6 juta.

Pada saat itu, Liquid AI menjelaskan bahwa LFM didasarkan pada arsitektur Liquid Neural Network (LNN) yang lebih baru, yang awalnya dikembangkan di Laboratorium Ilmu Komputer dan AI MIT. LNN didasarkan pada konsep neuron buatan, atau node untuk mentransformasi data. Model pembelajaran mendalam tradisional membutuhkan ribuan neuron untuk melakukan tugas komputasi, sedangkan LNN dapat mencapai kinerja yang sama dengan jumlah neuron yang jauh lebih sedikit. Hal ini dicapai dengan menggabungkan neuron tersebut dengan formulasi matematika inovatif, memungkinkan LNN untuk melakukan lebih banyak hal dengan lebih sedikit sumber daya.

Liquid AI mengklaim bahwa LFM mempertahankan kemampuan adaptif dan efisien ini, memungkinkan LFM untuk melakukan penyesuaian secara real-time selama inferensi tanpa overhead komputasi yang besar yang terkait dengan LLM tradisional. Akibatnya, LFM dapat menangani hingga 1 juta token secara efisien tanpa dampak yang berarti pada penggunaan memori. Liquid AI merilis tiga model dalam rangkaian modelnya, yaitu: LFM-1B, LFM-3B, dan LFM-40B. LFM-1B merupakan model padat dengan 1,3 miliar parameter, yang dirancang untuk lingkungan yang terbatas sumber dayanya.

LFM-3B, yang sedikit lebih kuat dengan 3,1 miliar parameter, dirancang untuk penyebaran tepi, seperti aplikasi seluler, robot, dan drone. LFM-40B merupakan model "campuran ahli" yang jauh lebih kuat dengan 40,3 miliar parameter, dirancang untuk disebarkan di server cloud untuk menangani kasus penggunaan yang paling kompleks. Liquid AI menyatakan bahwa model-model barunya telah menunjukkan "hasil yang mutakhir" pada sejumlah tolok ukur AI yang penting, dan yakin bahwa model-model ini akan menjadi pesaing yang tangguh bagi model AI generatif yang ada, seperti ChatGPT.

Meskipun LLM tradisional mengalami peningkatan tajam dalam penggunaan memori ketika melakukan pemrosesan konteks panjang, model LFM-3B secara signifikan mempertahankan jejak memori yang jauh lebih kecil, menjadikannya pilihan yang sangat baik untuk aplikasi yang memerlukan pemrosesan sejumlah besar data berurutan. Contoh kasus penggunaan meliputi chatbot dan analisis dokumen, menurut perusahaan. Dalam hal kinerja, LFM menunjukkan hasil yang mengesankan, dengan LFM-1B mengungguli model berbasis transformer dalam kategori ukuran yang sama.

Sementara itu, LFM-3B mampu bersaing dengan model seperti Phi-3.5 milik Microsoft Corp. Dan keluarga Llama milik Meta Platforms Inc. Adapun LFM-40B, efisiensi model ini bahkan mampu mengungguli model yang lebih besar, sambil menjaga keseimbangan yang tak tertandingi antara kinerja dan efisiensi. Liquid AI menyatakan bahwa model LFM-1B menunjukkan kinerja yang sangat dominan pada tolok ukur seperti MMLU dan ARC-C, menetapkan standar baru untuk model dengan 1 miliar parameter. Liquid AI menyediakan model-modelnya melalui akses awal melalui platform seperti Liquid Playground, Lambda (melalui API Chat dan aplikasi), dan Perplexity Labs.

Hal ini akan memberi kesempatan bagi organisasi untuk mengintegrasikan model-model tersebut ke dalam berbagai sistem AI dan melihat bagaimana performanya dalam berbagai skenario penyebaran, termasuk perangkat tepi dan on-premises. Salah satu hal yang sedang dikerjakan Liquid AI saat ini adalah mengoptimalkan model LFM agar dapat berjalan di hardware khusus buatan Nvidia Corp., Advanced Micro Devices Inc., Apple Inc., Qualcomm Inc., dan Cerebras Computing Inc., sehingga pengguna dapat memperoleh kinerja yang lebih tinggi dari model-model tersebut menjelang ketersediaan umum.

Liquid AI menyatakan bahwa perusahaan akan merilis serangkaian postingan blog teknis yang membahas mekanisme dari setiap model secara mendalam menjelang peluncuran resmi. Selain itu, Liquid AI mendorong "red teaming", dengan mengundang komunitas AI untuk menguji LFM hingga batasnya, untuk melihat apa yang dapat dan belum dapat dilakukan oleh LFM. Model Liquid AI ini terlihat menjanjikan untuk memberikan alternatif yang lebih efisien dan efektif untuk LLM tradisional. LFM memiliki kemampuan untuk menangani data berurutan dengan sangat baik, dan terbukti mampu bersaing dengan model yang lebih besar, bahkan mengungguli beberapa model dalam tolok ukur tertentu.

Akan menarik untuk melihat bagaimana model-model ini berkembang dan digunakan dalam berbagai aplikasi dalam jangka panjang. Model Liquid AI adalah bukti kemajuan pesat di bidang AI generatif. Model ini menawarkan perspektif baru tentang cara mendesain dan melatih model AI, membuka kemungkinan baru untuk aplikasi praktis di berbagai industri. Meskipun model ini tampak menjanjikan, penting untuk mengingat bahwa model ini masih dalam tahap awal pengembangan. Liquid AI sedang dalam proses menyempurnakan model-model ini dan memperluas kemampuannya.

Model ini baru diuji pada berbagai tolok ukur dan kasus penggunaan yang terbatas, dan penting untuk menilai kemampuannya secara menyeluruh sebelum digunakan secara luas. Meskipun begitu, potensi LFM sangat besar. Model ini dapat merevolusi cara kita berinteraksi dengan data, dan mendorong inovasi di berbagai bidang, mulai dari perawatan kesehatan hingga keuangan. Model Liquid AI menawarkan janji untuk mengatasi beberapa keterbatasan LLM tradisional, seperti penggunaan memori yang besar dan waktu inferensi yang lambat.

Model ini dirancang untuk menjadi lebih efisien dan skalabel, memungkinkan penggunaan yang lebih luas di berbagai perangkat dan lingkungan. Namun, penting untuk dicatat bahwa model Liquid AI juga memiliki kelemahannya. Model ini masih dalam tahap pengembangan awal dan belum matang sepenuhnya. Model ini juga belum diuji secara ekstensif dalam berbagai skenario dunia nyata. Meskipun begitu, LFM memiliki potensi yang besar dan pantas diawasi dengan saksama. Pengembangan LFM menunjukkan bahwa lanskap AI terus berkembang dan ada ruang untuk inovasi baru.

Model ini bisa menjadi solusi yang tepat untuk berbagai tantangan yang dihadapi oleh LLM tradisional, dan membuka jalan untuk pengembangan model yang lebih efisien dan efektif. Model Liquid AI menawarkan perspektif baru tentang cara mendesain dan melatih model AI. Model ini menjanjikan untuk mengatasi beberapa keterbatasan LLM tradisional dan membuka kemungkinan baru untuk aplikasi praktis di berbagai industri. Meskipun model ini menjanjikan, penting untuk mempertimbangkan potensi dampaknya pada masyarakat.

Penting untuk memastikan bahwa pengembangan dan penggunaan model AI generatif dilakukan secara bertanggung jawab dan etis. Model ini harus dirancang untuk melindungi privasi dan keamanan data pengguna, dan tidak boleh digunakan untuk tujuan yang merugikan. Liquid AI memiliki tanggung jawab untuk memastikan bahwa LFM digunakan untuk kebaikan umat manusia.