Il mondo dell’intelligenza artificiale è in fermento grazie al lancio di GPT-4, l’ultimo modello di linguaggio di OpenAI che sta rivoluzionando il campo della comprensione del linguaggio naturale. Per esplorare ulteriormente le potenzialità di GPT-4, un gruppo di dottorandi della King Abdullah University of Science and Technology ha sviluppato MiniGPT-4, un modello open-source altrettanto efficiente e accessibile.
Il funzionamento di MiniGPT-4
MiniGPT-4 utilizza un decoder linguistico avanzato chiamato Vicuna, che si basa su LLaMA e raggiunge il 90% della qualità di ChatGPT valutata da GPT-4. Inoltre, sfrutta il componente visivo pre-addestrato di BLIP-2 e un singolo strato di proiezione per allineare le caratteristiche visive codificate con il modello linguistico Vicuna.
Le potenzialità di MiniGPT-4
Nonostante il nome, MiniGPT-4 ha dimostrato grandi risultati nel compiere compiti complessi di visione-linguaggio, come generare descrizioni dettagliate di immagini, sviluppare siti web a partire da istruzioni scritte e creare giochi e estensioni per Chrome. Tuttavia, per ottenere il massimo delle sue prestazioni, MiniGPT-4 richiede un dataset di alta qualità e ben allineato.
Efficienza e accessibilità di MiniGPT-4
Uno degli aspetti più promettenti di MiniGPT-4 è la sua elevata efficienza computazionale, che richiede solo circa 5 milioni di coppie immagine-testo allineate per l’addestramento. Inoltre, il modello necessita di soli 10 ore di addestramento su 4 GPU A100, rendendolo altamente efficiente e accessibile. Il codice, il modello pre-addestrato e il dataset raccolto sono disponibili per la comunità open-source.