تتوفر الآن نماذج granite-speech-4.1-2b وkanana-2-30b-a3b-instruct وOpenFold3 الآن على Amazon SageMaker JumpStart
تتوفر الآن نماذج granite-speech-4.1-2b من BM وkanana-2-30b-a3b-instruct من Kakao وOpenFold3 من OpenFold Consortium على Amazon SageMaker JumpStart، مما يوسع مجموعة نماذج التأسيس المتاحة لعملاء AWS. توفر هذه النماذج الثلاثة إمكانات متخصصة تشمل التعرف على الكلام متعدد اللغات والذكاء الاصطناعي المستقل ثنائي اللغة والتنبؤ بالبنية الجزيئية الحيوية، مما يمكّن العملاء من نشر حلول الذكاء الاصطناعي عالية الأداء والقابلة للتطوير على البنية التحتية لـ AWS.
وتتناول هذه النماذج تحديات الذكاء الاصطناعي المختلفة للمؤسسات بقدرات متخصصة:
تم تصميم granite-speech-4.1-2b خصيصًا للتعرف التلقائي على الكلام متعدد اللغات (ASR) وترجمة الكلام ثنائي الاتجاه (AST) عبر الإنجليزية والفرنسية والألمانية والإسبانية والبرتغالية واليابانية. يوفر نموذج لغة الكلام المدمج هذا ذو المعلمة 2B معدل خطأ في الكلمات يبلغ 5.33% مع عامل الوقت الفعلي الذي يبلغ تقريبًا 231، مما يجعله أحد أكثر نماذج ASR كفاءة في فئته. تم إصداره ضمن Apache 2.0، وهو يندمج بسلاسة في عمليات سير العمل الصوتية للمؤسسات للنسخ والترجمة ومعالجة الصوت على نطاق واسع.
يتفوق kanana-2-30b-a3b-instruct في التعليمات ثنائية اللغة الكورية والإنجليزية التالية وسير عمل الذكاء الاصطناعي المستقل. تم تطويره بواسطة Kakao، وهو يتبنى بنية متطورة تتميز بالاهتمام الكامن متعدد الرؤوس (MLA) ومزيج من الخبراء (MoE)، مما يؤدي إلى تنشيط 3B فقط من إجمالي المعلمات 30B لكل تمريرة أمامية لتحقيق معدل نقل فائقة. تم تدريبه بعد ذلك من خلال الضبط الدقيق والتعلم المعزز الخاضع للإشراف، وهو يدعم ما يصل إلى 128 ألف رمز عبر توسيع YaRn وهو مصمم للعمل كمتعاون في مجال الذكاء الاصطناعي يفهم السياق ويعمل بشكل استباقي.
يوفر OpenFold3 تنبؤًا بالهيكل المركب الجزيئي الحيوي لجميع الذرات للبروتينات والحمض النووي والحمض النووي الريبي وروابط الجزيئات الصغيرة. يعمل هذا النموذج القائم على الانتشار، الذي طوره اتحاد OpenFold ومختبر القريشي في جامعة كولومبيا، على توسيع التنبؤ بالبنية إلى ما وراء البروتينات الفردية لنمذجة المجمعات متعددة السلاسل والتفاعلات الجزيئية الحيوية غير المتجانسة. إنه يدعم تصميم الأدوية بمساعدة الكمبيوتر وهو قابل للتطبيق عبر مختبرات الأبحاث الأكاديمية والصيدلانية.
من خلال SageMaker JumpStart، يمكن للعملاء نشر أي من هذه النماذج ببضع نقرات فقط لمعالجة حالات استخدام الذكاء الاصطناعي المحددة لديهم.
للبدء في استخدام هذه النماذج، انتقل إلى كتالوج نموذج SageMaker JumpStart في وحدة تحكم SageMaker أو استخدم SageMaker Python SDK لنشر النماذج في حساب AWS الخاص بك. لمزيد من المعلومات حول نشر نماذج التأسيس واستخدامها في SageMaker JumpStart، راجع وثائق Amazon SageMaker JumpStart.