این مدل نخستین خروجی آزمایشگاه Superintelligence متا است.

متا نخستین خروجی آزمایشگاه Superintelligence خود را معرفی کرد؛ مدلی چندعامله و چندحالته که قرار است پایه نسل جدید محصولات هوش مصنوعی این شرکت باشد و مستقیماً با ChatGPT و Claude رقابت کند؛ این مدل Muse Spark نام دارد.

مدل Muse Spark اولین محصول رسمی Meta Superintelligence Labs است؛ واحدی که سال گذشته پس از نارضایتی «مارک زاکربرگ»، مدیرعامل متا، از عملکرد مدل‌های Llama شکل گرفت. طبق گزارش‌ها، زاکربرگ معتقد است متا در رقابت با مدل‌های شرکت آنتروپیک و OpenAI عقب افتاده و نیاز به یک بازسازی جدی دارد.

در همین راستا، متا با جذب «الکساندار وانگ»، مدیرعامل سابق Scale AI، و سرمایه‌گذاری ۱۴.۳ میلیارد دلاری برای تصاحب ۴۹ درصد از این شرکت، عملاً زیرساخت داده و تیم خود را تقویت کرد. پژوهشگرانی از شرکت‌هایی مانند گوگل نیز به این پروژه پیوسته‌اند.

مدل هوش مصنوعی جدید Muse Spark متا
Muse Spark اولین مدل از خانواده جدید Muse است؛ این سری قرار است دومین تلاش بزرگ متا در حوزه هوش مصنوعی بعد از Llama باشد. این مدل فعلاً به‌عنوان نسخه‌ای سبک‌وزن و مناسب کاربران عادی منتشر شده، اما متا وعده داده نسخه‌های قدرتمندتر آن در آینده ارائه خواهند شد.

این مدل هم‌اکنون از طریق وب‌سایت meta.ai و اپلیکیشن Meta AI در دسترس است و عرضه آن به‌صورت تدریجی از آمریکا آغاز شده؛ البته قرار است به‌زودی به پلتفرم‌هایی مثل فیسبوک، اینستاگرام و واتس‌اپ و حتی عینک‌های هوشمند متا نیز بیاید.

یکی از ویژگی‌های اصلی Muse Spark، ارائه دو حالت Instant و Thinking است. در حالت Thinking، مدل زمان بیشتری برای تحلیل و استدلال صرف می‌کند تا پاسخ دقیق‌تری ارائه دهد. قابلیتی که پیش‌تر در برخی مدل‌های رقیب هم دیده شده است.

متا همچنین اعلام کرده در آینده حالت پیشرفته‌تری به نام Contemplating اضافه خواهد شد که مخصوص حل مسائل پیچیده‌تر است. در این حالت، مدل از چندین عامل هوش مصنوعی به‌صورت موازی استفاده می‌کند تا بدون افزایش محسوس تأخیر، کیفیت پاسخ را بالا ببرد.

Muse Spark یک مدل چندحالته است؛ یعنی می‌تواند متن، تصویر، صدا و ویدیو را پردازش کند. همچنین متا تأکید کرده این مدل در پاسخ به سؤالات بصری حوزه‌های علمی (STEM) عملکرد ویژه‌ای دارد.

یکی از مهم‌ترین جهت‌گیری‌های Muse Spark، پاسخ به سؤالات حوزه سلامت است. Meta می‌گوید ترکیب درک چندحالته و استدلال پیشرفته، این مدل را برای پاسخ به پرسش‌های پزشکی (حتی مبتنی‌بر تصویر و نمودار) مناسب می‌کند.