Meta onthult twee nieuwe AI-modellen voor complexe taken

Yesterday 22:42

Meta heeft twee nieuwe kunstmatige intelligentie-modellen aangekondigd, Muse Wonder en Muse Wonder Full, die het bedrijf beschrijft als zijn meest capabele en efficiënte systemen tot nu toe. De modellen zijn ontworpen om verder te gaan dan het beantwoorden van vragen en het genereren van inhoud, met een focus op het uitvoeren van complexe taken voor zowel persoonlijk als professioneel gebruik.

De lancering volgt op een uitgebreide herstructurering van Meta's kunstmatige intelligentiestrategie, die ongeveer 14 maanden geleden begon en werk omvatte aan het Muse Spark-model. De nieuwste systemen zijn bedoeld om praktische activiteiten te ondersteunen, zoals het beoordelen van verzekeringsclaims, het analyseren van financiële informatie, het ontwikkelen van software en het bouwen van toepassingen.

Een centraal kenmerk van de nieuwe modellen is wat Meta actieve geheugen noemt, een functie die is ontworpen om relevante informatie vast te houden over gesprekken en deze op te halen wanneer dat nodig is. Dit kan gebruikers helpen om langere projecten te beheren zonder herhaaldelijk dezelfde achtergrondinformatie te verstrekken, hoewel de bruikbaarheid van een dergelijke functie zal afhangen van hoe nauwkeurig informatie wordt opgeslagen en toegepast.

De modellen bevatten ook een aanpak die wordt beschreven als actieve focus, waardoor ze kunnen blijven werken aan een gedefinieerd doel, alternatieve oplossingen kunnen testen en onderweg fouten kunnen corrigeren. Volgens het bedrijf kunnen ze om bevestiging van de gebruiker vragen voordat ze belangrijke acties ondernemen, een belangrijke waarborg nu AI-systemen meer betrokken raken bij taken met reële gevolgen.

Meta richt zich op toepassingen in gebieden zoals recht, financiën, gezondheidszorg, programmeren en applicatieontwikkeling. In deze velden kunnen AI-systemen mogelijk repetitief werk verminderen en gebruikers helpen grote hoeveelheden informatie te verwerken. Professionele inzet vereist echter ook betrouwbare resultaten, sterke gegevensbescherming en passende menselijke toezicht, vooral wanneer beslissingen de financiën, juridische rechten of gezondheid van mensen kunnen beïnvloeden.

Toegang tot de twee modellen zal verschillen. Muse Wonder is beschikbaar voor ontwikkelaars via Meta's Model API en de Muse Code-service, terwijl Muse Wonder Full aanvankelijk beperkt is tot Muse Code-abonnees. Meta heeft ook aangegeven dat het van plan is om het eerste model binnenkort naar ervaringen op het Muse-platform te brengen.

Beveiliging en privacy zijn enkele van de andere gebieden die door het bedrijf zijn belicht. Meta zegt dat de modellen zijn getraind om te voorkomen dat persoonlijke informatie zonder toestemming wordt gedeeld en om verzoeken af te wijzen die schadelijke activiteiten zouden kunnen vergemakkelijken. Het bedrijf wijst ook op potentiële toepassingen op het gebied van cybersecurity, waaronder het identificeren van softwarekwetsbaarheden en het helpen verbeteren van de bescherming van digitale systemen.

Deze mogelijkheden weerspiegelen een bredere verschuiving in de AI-industrie naar systemen die meerstaps taken kunnen uitvoeren in plaats van alleen te reageren op individuele verzoeken. Dergelijke tools kunnen productiviteitswinsten opleveren, maar ze brengen ook uitdagingen met zich mee op het gebied van nauwkeurigheid, toegangsrechten, verantwoordelijkheid en het risico van onbedoelde acties.

Meta zegt dat de modellen zijn ontwikkeld in lijn met zijn kader voor het opschalen van superintelligentie. De praktische prestaties zullen echter uiteindelijk afhangen van hoe goed ze veeleisende taken buiten gecontroleerde testomgevingen aankunnen en hoe effectief hun waarborgen functioneren in het dagelijks gebruik.

De release markeert een nieuwe stap in Meta's inspanningen om te concurreren in een steeds drukker wordende AI-markt, waar technologiebedrijven investeren in systemen die in staat zijn tot redeneren, het gebruik van tools en het ondersteunen van complexere workflows. Naarmate de toegang uitbreidt, zullen ontwikkelaars en gebruikers in de gaten houden of de nieuwe modellen meetbare verbeteringen kunnen bieden terwijl ze de betrouwbaarheid en beveiliging behouden die nodig zijn voor gevoelige toepassingen.