Molmo: Alternativas Gratuitas e de Código Aberto às Gigantes de Tecnologia em IA

O Allen Institute for AI (Ai2) é uma organização de pesquisa sem fins lucrativos com sede em Seattle. Eles anunciaram o Molmo, uma família de modelos de IA multimodal. Esses modelos foram projetados para competir com as ofertas de gigantes da tecnologia como OpenAI, Google e Anthropic, conforme relatado pela MIT Technology Review.

O termo “multimodal” refere-se à capacidade de lidar com vários tipos de dados, incluindo texto, imagens, áudio, vídeo e até mesmo informações sensoriais.

Com o lançamento do Molmo, a Ai2 pretende oferecer uma alternativa que não é apenas gratuita, mas também verdadeiramente de código aberto, conforme relatado pelo TechCrunch (TC).

Dentre os modelos Molmo, o maior deles tem 72 bilhões de parâmetros. A Ai2 afirma que esse modelo pode superar o GPT-4o da OpenAI. Estima-se que o GPT-4o tenha mais de um trilhão de parâmetros. Essa comparação de desempenho é baseada em testes que avaliam a compreensão de imagens, gráficos e documentos, conforme relatado pela MIT Technology Review.

A Ai2 atribui o sucesso do Molmo aos seus métodos inovadores de treinamento, que priorizam dados de alta qualidade ao invés de depender de grandes quantidades.

De fato, o foco da Ai2 está em um conjunto de dados mais seletivo, composto por apenas 600.000 imagens cuidadosamente selecionadas, minimizando imprecisões comumente encontradas em modelos tradicionais que utilizam grandes conjuntos de dados colhidos na internet, conforme observado pelo TC.

Ani Kembhavi, diretora sênior de pesquisa na Ai2, observou que essa abordagem ajuda a reduzir erros e confusões nas saídas de IA, conforme relatado pelo MIT.

Para aqueles interessados em explorar o modelo, um demo público está disponível que também pode ser acessado por dispositivos móveis.

Importante ressaltar, Molmo é totalmente gratuito e de código aberto, capaz de funcionar localmente sem a necessidade de extensos recursos computacionais. A intenção por trás deste lançamento é capacitar desenvolvedores e criadores para construir aplicações e serviços impulsionados por IA, sem a necessidade de obter permissões ou pagar grandes corporações de tecnologia, como observado por TC.

“Estamos mirando pesquisadores, desenvolvedores, desenvolvedores de aplicativos, pessoas que não sabem como lidar com esses [grandes] modelos. Um princípio-chave ao visar uma gama tão ampla de público é o princípio-chave que temos promovido há algum tempo, que é: torná-lo mais acessível”, disse Ali Farhadi, o CEO da Ai2.

Ele ressaltou o compromisso da organização com a acessibilidade, afirmando: “Estamos liberando tudo o que fizemos. Isso inclui dados, limpeza, anotações, treinamento, código, pontos de controle, avaliação. Estamos liberando tudo sobre isso que desenvolvemos.”

WIRED observa que a criação de agentes de IA eficazes requer modelos multimodais confiáveis. Melhorar as habilidades de raciocínio, como demonstrado pelo modelo o1 da OpenAI, pode ser a chave para alcançar isso. O próximo desafio é integrar esse raciocínio em modelos multimodais.

Esta abordagem abrangente visa democratizar o acesso às tecnologias avançadas de IA, permitindo que um público mais amplo inove neste campo que evolui rapidamente.