متا لاما؛ هر آنچه که باید درباره مدل هوش مصنوعی مولد و متن باز متا بدانید

شرکت متا، مشابه سایر غول‌های فناوری، مدل‌های اختصاصی هوش مصنوعی مولد خود را به بازار عرضه کرده و به تازگی از محصول جدیدی تحت عنوان «لاما» رونمایی کرده است. لاما به عنوان یکی از معدود مدل‌های متن‌باز در دسترس توسعه‌دهندگان قرار دارد تا بتوانند آن را دانلود کرده و به طور دلخواه مورد استفاده قرار دهند، اگرچه این امر با برخی محدودیت‌ها همراه است. برعکس، مدل‌های مشهور نظیر کلاد از آنتروپیک، جمینی از گوگل، گروک از xAI و اکثر نسخه‌های چت‌جی‌پی‌تی ارائه‌شده توسط اوپن‌ای‌آی تنها از طریق API در دسترس کاربران قرار دارند.

طبق گزارش ایتنا و به نقل از تک‌کرانچ، برای اضافه کردن تنوع و گسترش گزینه‌ها برای توسعه‌دهندگان، متا همکاری با ارائه‌دهندگان خدمات ابری مانند AWS، گوگل کلود و مایکروسافت آژور را آغاز کرده تا نسخه‌های میزبانی‌شده ابری لاما را ارائه کند.

علاوه بر این، متا مجموعه‌ای از ابزارها، کتابخانه‌ها و راهنماهای فنی را به صورت یک کتاب آشپزخانه لاما منتشر کرده تا توسعه‌دهندگان قادر به تخصصی‌سازی، ارزیابی و تطبیق مدل‌ها باشند. با معرفی نسل‌های جدید مانند لاما ۳ و ۴، این زنجیره قابلیت‌ها ارتقا یافته و شامل پشتیبانی بومی از داده‌های چندرسانه‌ای و امکان نشر وسیع‌تر در قالب ابری می‌باشد.

لاما در واقع به خانواده‌ای از مدل‌ها اشاره دارد و نه یک مدل مستقل. جدیدترین نسخه یعنی لاما ۴ که در آوریل ۲۰۲۵ معرفی شده، شامل سه مدل اصلی به نام‌های اسکات، ماوریک و بهیموث است. مدل اسکات با ۱۷ میلیارد پارامتر فعال و پنجره متنی ۱۰ میلیون توکن طراحی شده، در حالی که ماوریک نیز ۱۷ میلیارد پارامتر فعال داشته و قابلیت مدیریت ۱ میلیون توکن را دارد؛ بهیموث که هنوز عرضه نشده، با ۲۸۸ میلیارد پارامتر فعال و ۲ تریلیون پارامتر کل به بازار خواهد آمد. (توکن‌ها به بخش‌های کوچک‌تر نویسی اطلاق می‌شوند که داده‌های متنی را تشکیل می‌دهند.)

مدل‌های لاما ۴ بر روی مجموعه‌ای گسترده از داده‌های متنی، تصویری و ویدئویی بدون نیاز به برچسب آموزش داده شده و توانایی پشتیبانی از بیش از ۲۰۰ زبان را دارند. اسکات و ماوریک به عنوان اولین مدل‌های مولتی‌مدیا با استفاده از معماری «مخلوط متخصصان» شناخته می‌شوند که کارایی محاسباتی را بهبود می‌بخشند.

 

از لحاظ توانمندی‌ها، لاما می‌تواند وظایف مختلفی را از جمله کدنویسی، پاسخگویی به سوالات ریاضی، خلاصه‌سازی متون در بیش از ۱۲ زبان گوناگون و پردازش داده‌های متنی و تصویری انجام دهد. مدل‌های متنوع لاما با توجه به نوع کاربرد، قدرت پاسخ‌دهی، سرعت و پیچیدگی‌های فنی متفاوتی ارائه می‌شوند؛ به عنوان مثال، مدل اسکات برای تجزیه و تحلیل‌های عمیق‌تر و ماوریک برای وظایف متعادل‌تر طراحی شده است.

لاما هم‌اکنون در خدمات چت متا بر روی پلتفرم‌های مختلفی مانند فیسبوک مسنجر، واتساپ، اینستاگرام و Oculus فعال بوده و نسخه‌های سفارشی آن در بیش از ۲۰۰ کشور مورد استفاده قرار می‌گیرند. توسعه‌دهندگان می‌توانند با مراجعه به وب‌سایت لاما و پلتفرم‌هایی همچون Hugging Face به مدل‌ها دسترسی یافته و آن‌ها را سفارشی‌سازی کنند.

متا همچنین ابزارهای امنیتی متنوعی را برای بهبود ایمنی استفاده از لاما ارائه کرده است، از جمله Llama Guard برای مدیریت محتوا، Prompt Guard جهت مقابله با حملات prompt injection و Code Shield برای فیلتر کردن کدهای ناامن. با این وجود، این ابزارها هنوز به طور کامل کارآمد نیستند و برخی گزارش‌ها از مشکلاتی در رفتار هوش مصنوعی متا در گذشته حکایت دارند.

از محدودیت‌های موجود در لاما می‌توان به تأکید بیشتر بر زبان انگلیسی در قابلیت‌های چندرسانه‌ای، استفاده از داده‌های کتاب‌های دارای حق نشر برای فرآیند آموزش و چالش‌های احتمالی در تولید کدهای ناپایدار یا ناامن اشاره کرد.