GPT-4 Vision dépassé ? Découvrez les alternatives open source de LLaVA 1.5 qui prennent d’assaut le marché !
LLaVA 1.5 : Une alternative open source à GPT-4 Vision
L’intelligence artificielle générative connaît une évolution rapide grâce aux modèles langage multimodaux (LMM), représentés par des initiatives telles que GPT-4 Vision d’OpenAI. Ces modèles révolutionnent notre interaction avec les systèmes d’IA en intégrant des textes et des images.
Cependant, la nature fermée et commerciale de certaines de ces technologies peut entraver leur adoption universelle. C’est dans ce contexte que la communauté open source propose une alternative prometteuse à GPT-4 Vision avec le modèle LLaVA 1.5.
La mécanique des LMM
Les LMM fonctionnent grâce à une architecture multicouche. Ils combinent un modèle pré-entraîné pour encoder les éléments visuels, un grand modèle de langage (LLM) pour décrypter et répondre aux instructions de l’utilisateur, ainsi qu’un connecteur multimodal pour relier la vision et le langage.
Leur formation se déroule en deux étapes : une première phase d’alignement entre la vision et le langage, suivie d’un ajustement fin pour répondre aux requêtes visuelles. Ce processus, bien qu’efficace, nécessite souvent des ressources computationnelles importantes et une base de données précise et riche.
Les atouts de LLaVA 1.5
LLaVA 1.5 s’appuie sur le modèle CLIP pour l’encodage visuel et Vicuna pour le langage. Le modèle original, LLaVA, utilisait les versions textuelles de ChatGPT et GPT-4 pour l’ajustement visuel, générant ainsi 158 000 exemples d’entraînement.
LLaVA 1.5 va plus loin en connectant le modèle de langage et l’encodeur visuel grâce à un perceptron multicouche (MLP), enrichissant sa base de données d’entraînement avec des questions-réponses visuelles. Cette mise à jour, qui comprend environ 600 000 exemples, a permis à LLaVA 1.5 de surpasser d’autres LMM open source sur 11 des 12 benchmarks multimodaux.
L’avenir des LMM open source
La démonstration en ligne de LLaVA 1.5, accessible à tous, présente des résultats prometteurs même avec un budget limité. Cependant, il convient de noter que l’utilisation des données générées par ChatGPT limite son utilisation à des fins non commerciales.
Malgré cette limitation, LLaVA 1.5 ouvre la voie à l’avenir des LMM open source. Sa rentabilité, sa capacité à générer des données d’entraînement de manière évolutive et son efficacité dans l’ajustement des instructions visuelles en font un prélude aux innovations à venir.
LLaVA 1.5 n’est que le début d’une évolution qui accompagnera les avancées de la communauté open source. En anticipant des modèles plus performants et accessibles, nous pouvons envisager un futur où la technologie de l’IA générative sera accessible à tous, révélant ainsi le potentiel illimité de l’intelligence artificielle.