Microsoft avalikustas AI mudeli, mis tuvastab pildi sisu ja parandab visuaalseid probleeme

AI Kosmos-1 uus mudel on multimodaalne Large Language Model (MLLM), mis suudab reageerida mitte ainult keelelistele, vaid ka visuaalsetele näpunäidetele ning seetõttu paremini vastata küsimuste ja vastuste seanssidele.

Multimodaalne tehisintellekt (MLLM) võib olla tehisintellekti arendamise võti – tehnoloogia, mis võiks tulevikus asendada inimest mis tahes intellektuaalses ülesandes või töös.

Mis on Kosmos-1

Kosmos-1 on Microsofti teadlaste poolt välja töötatud multimodaalne mudel. Eelmisel esmaspäeval esitleti seda mudelina, mis on võimeline:

• lugeda piltide sisu,
• lahendada visuaalseid mõistatusi,
• tunneb ära piltidel oleva teksti,
• visuaalse IQ testides head tulemused
• mõistavad loomulikus keeles antud juhiseid.

Programmi arendamineTehisintellekt multimodaalset peetakse ülioluliseks sammuks tehisintellekti (AGI) loomise suunas, mis on võimeline täitma üldisi inimtasandi ülesandeid.

Keel pole kõik, mida vajate: taju vastavusse viimine keelemudelitega

"Olles intelligentsuse põhiosa, on multimodaalne tajumine vajalik üldise tehisintellekti saavutamiseks teadmiste omandamise ja reaalse maailma kinnistamise seisukohalt," kirjutavad teadlased oma akadeemilises töös. Keel pole kõik, mida vajate: taju vastavusse viimine keelemudeliga.

Kosmos-1 mudel suudab analüüsida pilte ja vastata nende kohta käivatele küsimustele, lugeda pildilt teksti, kirjutada piltidele pealdisi ja saada visuaalses IQ testis 22–26 protsenti, nagu on näidatud Kosmos-1 visuaalsetes näidetes. Uuring.

AGI OpenAI jaoks

OpenAI, Microsofti tehisintellekti peamine äripartner, on seadnud AGI oma peamiseks fookuseks. Kosmos-1 näib olevat Microsofti eksklusiivne algatus, ilma OpenAI abita.

BlogInnovazione.it