Mark Zuckerberg mengumumkan hari ini bahwa Metamedia sosialnya yang berubah menjadi metaverse-nya yang berubahkecerdasan buatan konglomerat, akan meningkatkan asisten AI-nya untuk memberi mereka berbagai suara selebritas, termasuk suara Dame Judi Dench dan John Cena. Namun, peningkatan yang lebih penting untuk ambisi jangka panjang Meta adalah kemampuan baru para modelnya untuk melihat foto pengguna dan informasi visual lainnya.
Meta hari ini juga mengumumkan Llama 3.2, versi pertama dari model AI gratisnya yang memiliki kemampuan visual, memperluas kegunaan dan relevansinya untuk robotika, realitas virtual, dan apa yang disebut agen AI. Beberapa versi Llama 3.2 juga merupakan yang pertama dioptimalkan untuk berjalan di perangkat seluler. Ini dapat membantu pengembang membuat aplikasi bertenaga AI yang berjalan di ponsel pintar dan memanfaatkan kameranya atau menonton layar untuk menggunakan aplikasi atas nama Anda.
“Ini adalah model multimoda sumber terbuka pertama kami, dan ini akan memungkinkan banyak aplikasi menarik yang memerlukan pemahaman visual,” kata Zuckerberg di atas panggung di Connect, sebuah acara Meta yang diadakan di California hari ini.
Mengingat jangkauan Meta yang sangat besar dengan IndonesiaBahasa Indonesia: InstagramBahasa Indonesia: Ada apaDan Kurirpeningkatan asisten ini dapat memberi banyak orang kesempatan pertama untuk merasakan generasi baru asisten AI yang lebih vokal dan visual. Meta mengatakan hari ini bahwa lebih dari 180 juta orang telah menggunakan Meta AI, sebutan untuk asisten AI perusahaan tersebut, setiap minggu.
Zuckerberg mendemonstrasikan sejumlah fitur AI baru di Connect. Dia menunjukkan video di mana sepasang Kacamata pintar Ray Ban menjalankan Llama 3.2 memberikan saran resep berdasarkan bahan-bahan yang terlihat, dan memberikan komentar tentang pakaian yang terlihat di rak di toko. CEO Meta juga memamerkan beberapa fitur AI eksperimental yang sedang dikerjakan perusahaan. Ini termasuk perangkat lunak yang memungkinkan terjemahan langsung antara bahasa Spanyol dan Inggris, sulih suara otomatis video ke berbagai bahasa, dan avatar untuk kreator yang dapat menjawab pertanyaan penggemar atas nama mereka.
Meta akhir-akhir ini memberikan AI-nya posisi yang lebih menonjol di aplikasinya—misalnya, menjadikannya bagian dari bilah pencarian di Instagram dan Messenger. Pilihan suara selebriti baru yang tersedia bagi pengguna juga akan mencakup Awkwafina, Keegan Michael Key, dan Kristen Bell.
Meta sebelumnya memberikan persona selebriti kepada asisten berbasis teks, tetapi karakter ini gagal mendapatkan banyak perhatian. Pada bulan Juli, perusahaan meluncurkan alat yang disebut AI Studio yang memungkinkan pengguna membuat chatbot dengan persona apa pun yang mereka pilih. Meta mengatakan suara baru tersebut akan tersedia bagi pengguna di AS, Kanada, Australia, dan Selandia Baru selama bulan depan. Kemampuan gambar AI Meta akan diluncurkan di AS, tetapi perusahaan tersebut tidak mengatakan kapan fitur tersebut akan muncul di pasar lain.
Versi baru Meta AI juga akan dapat memberikan umpan balik dan informasi tentang foto pengguna; misalnya, jika Anda tidak yakin burung apa yang telah Anda potret, Meta AI dapat memberi tahu Anda spesiesnya. Meta AI juga dapat membantu mengedit gambar dengan, misalnya, menambahkan latar belakang atau detail baru sesuai permintaan. Google merilis alat serupa untuk telepon pintar Pixel dan Google Foto pada bulan April.
Kemampuan baru Meta AI didukung oleh versi terbaru Llama, model bahasa pemrograman besar utama Meta. Model gratis yang diumumkan hari ini mungkin juga memiliki dampak yang luas, mengingat seberapa luas keluarga Llama telah diadopsi oleh para pengembang dan perusahaan rintisan.
Berbeda dengan model OpenAI, Llama dapat diunduh dan dijalankan secara lokal tanpa biaya—meskipun ada beberapa pembatasan pada penggunaan komersial skala besar. Llama juga dapat lebih mudah disempurnakan, atau dimodifikasi dengan pelatihan tambahan, untuk tugas-tugas tertentu.
Patrick Wendell, salah satu pendiri dan VP teknik di Databricks, sebuah perusahaan yang menjadi tuan rumah model AI termasuk Llama, mengatakan banyak perusahaan tertarik pada model terbuka karena memungkinkan mereka melindungi datanya sendiri dengan lebih baik.
Model bahasa yang besar semakin menjadi “multimodal,” yang berarti mereka dilatih untuk menangani audio dan gambar sebagai input serta teks. Hal ini memperluas kemampuan model dan memungkinkan pengembang untuk membangun berbagai jenis aplikasi AI baru di atasnya, termasuk apa yang disebut agen AI yang mampu melaksanakan tugas-tugas yang berguna di komputer atas nama mereka. Llama 3.2 seharusnya memudahkan pengembang untuk membangun agen AI yang dapat, misalnya, menjelajahi web, mungkin mencari penawaran untuk jenis produk tertentu ketika diberi deskripsi singkat.
“Model multimodal merupakan hal yang penting karena data yang digunakan oleh masyarakat dan bisnis bukan hanya berupa teks, namun juga dapat hadir dalam berbagai format, termasuk gambar dan audio atau format yang lebih khusus seperti urutan protein atau buku besar keuangan,” kata Philip Isolaseorang profesor di MIT. “Dalam beberapa tahun terakhir, kita telah beralih dari model bahasa yang kuat menjadi model yang juga berfungsi dengan baik pada gambar dan suara. Setiap tahun, kita melihat lebih banyak modalitas data yang dapat diakses oleh sistem ini.”
“Dengan Llama 3.1, Meta menunjukkan bahwa model terbuka akhirnya bisa menutup kesenjangan dengan model proprietary,” kata Nathan Benaich, pendiri dan mitra umum Air Street Capital, dan penulis buku yang berpengaruh laporan tahunan tentang AIBenaich menambahkan bahwa model multimoda cenderung mengungguli model teks saja yang lebih besar. “Saya bersemangat untuk melihat bagaimana 3.2 terbentuk,” katanya.
Sebelumnya hari ini, Allen Institute for AI (Ai2), sebuah lembaga penelitian di Seattle, merilis model multimodal sumber terbuka canggih yang disebut MolmoMolmo dirilis dengan lisensi yang tidak terlalu ketat dibandingkan Llama, dan Ai2 juga merilis detail data pelatihannya, yang dapat membantu peneliti dan pengembang bereksperimen dan memodifikasi model tersebut.
Meta mengatakan hari ini bahwa mereka akan merilis beberapa ukuran Llama 3.2 dengan kemampuan yang sesuai. Selain dua instansiasi yang lebih canggih dengan 11 miliar dan 90 miliar parameter—ukuran kompleksitas model serta ukurannya—Meta merilis versi 1 miliar dan 3 miliar parameter yang kurang canggih yang dirancang untuk bekerja dengan baik pada perangkat portabel. Meta mengatakan versi ini telah dioptimalkan untuk chip seluler berbasis ARM dari Qualcomm dan MediaTek.
Perombakan AI Meta hadir di saat yang tepat, dengan para raksasa teknologi berlomba-lomba menawarkan AI tercanggih. Keputusan perusahaan untuk merilis model-model terbaiknya secara gratis dapat memberikan keunggulan dalam menyediakan fondasi bagi banyak alat dan layanan AI—terutama saat perusahaan mulai mengeksplorasi potensi agen AI.
