JAIS 30B Chat, il primo Arabic Large Language Model, è ora disponibile in Microsoft Azure

Core42, che appartiene a G42, una società nota per le sue soluzioni di potenziamento dell’intelligenza artificiale, ha recentemente introdotto il suo nuovissimo Arabic Large Language Model (LLM), JAIS 30B Chat, che può essere utilizzato su Microsoft Azure.

Questa partnership rappresenta un grande passo avanti, poiché offre un’intelligenza artificiale di alto livello a milioni di persone che parlano arabo in tutto il mondo.

Questo annuncio significativo è stato fatto da Satya Nadella, il massimo dirigente di Microsoft, durante Microsoft Build 2024.

La svolta mira a semplificare la distribuzione dell’intelligenza artificiale per sviluppatori e industrie che utilizzano Azure AI Model-as-a-Service. La prima cosa interessante di JAIS è che viene fornito pre-addestrato, quindi non è necessario iniziare da zero.

È come un modello pronto all’uso per comprendere la lingua araba. Tuttavia, ciò che rende JAIS ancora più interessante è la sua personalizzazione.

Ciò significa che, una volta ottenuto il modello di base, è possibile perfezionarlo per adattarlo a compiti o settori specifici, ad esempio finanziario, sanitario o legale, mantenendo intatta l’essenza della lingua araba. JAIS offre una connessione essenziale affinché 422 milioni di parlanti arabi possano interagire con gli utenti finali attraverso soluzioni localizzate.

G42 dice riguardo al modello :

Non si tratta solo di abbattere le barriere linguistiche; questo strumento apre inoltre nuove porte alle opportunità di mercato e promuove l’innovazione multilingue.

JAIS 30B Chat non è un modello medio. Ha un punto di forza speciale nell’intelligenza artificiale generativa ed è particolarmente efficace in attività come conversazioni multilingue e creazione di contenuti.

Questo modello è stato progettato tenendo presente le difficoltà uniche della lingua araba. L’obiettivo è promuovere l’inclusività e colmare importanti lacune tecnologiche. Migliora il pensiero logico in arabo e inglese, lasciando il segno per risultati di alta qualità con 1,63 trilioni di token, in particolare molti arabi.

Ma cosa implica tutto ciò nelle applicazioni quotidiane? JAIS 30B Chat sta cambiando i settori. Migliora la comunicazione e l’efficienza del flusso di lavoro in settori quali l’istruzione e l’assistenza sanitaria.

Assistenza tramite il linguaggio delle immagini per l’apprendimento o la traduzione dei contenuti oltre alla gestione dei pazienti nel settore sanitario: tutto funziona su questo modello di intelligenza artificiale. Si tratta di rendere i servizi più efficienti e gli sforzi creativi più coinvolgenti.

Talal Al Kaissi di Core42 e Ali Dalloul di Microsoft hanno visioni simili. Vogliono utilizzare l’intelligenza artificiale per dare potere a persone e organizzazioni, creare effetti positivi sulla società e far avanzare la tecnologia dell’intelligenza artificiale per renderla disponibile a tutti.

La loro dedizione dimostra che si impegnano a disporre di un catalogo di modelli onnicomprensivo su Azure AI, rendendo JAIS 30B Chat un punto di riferimento nell’innovazione e nella raggiungibilità.

Allora, qual è la risposta finale? La chat JAIS 30B su Microsoft Azure non è solo una svolta tecnologica; rappresenta un collegamento verso il futuro in cui l’intelligenza artificiale domina tutte le parti della nostra esistenza, adattata alle lingue e alle culture umane.

È un periodo interessante per gli sviluppatori, le industrie e tutti coloro che anticipano l’imminente fase dell’evoluzione dell’IA.

Jais-30B è significativamente più grande e addestrato su un ampio set di dati, rendendo pertanto necessaria l’ottimizzazione dell’efficienza di calcolo. Nella fase di pre-addestramento, la parametrizzazione dell’aggiornamento massimo ha consentito la ricerca efficiente degli iperparametri. Invece di spazzare via il Jais-30B, abbiamo eseguito la ricerca su modelli più piccoli e trasferito questi parametri su modelli più grandi. Per la messa a punto, abbiamo sperimentato l’imballaggio di sequenze più piccole nella stessa lunghezza del contesto garantendo che le risorse computazionali siano pienamente utilizzate evitando token imbottiti per sequenza. Queste ottimizzazioni hanno consentito un addestramento più rapido dei modelli di chat Jais-30B e Jais-30B.