Microsoft сурет мазмұнын танитын және көрнекі мәселелерді түзететін AI моделін ұсынды

AI Kosmos-1 жаңа моделі мультимодальды болып табылады Large Language Model (MLLM), лингвистикалық белгілерге ғана емес, сонымен қатар көрнекі белгілерге де жауап бере алады, сондықтан сұрақ-жауап сессияларына жақсырақ жауап береді.

Мультимодальдық жасанды интеллект (MLLM) жасанды жалпы интеллект дамуының кілті болуы мүмкін, бұл технология болашақта кез келген зияткерлік тапсырмада немесе жұмыста адамдарды алмастыра алады.

Космос-1 дегеніміз не

Kosmos-1 — Microsoft зерттеушілері әзірлеген мультимодальды модель. Өткен дүйсенбіде ол мыналарға қабілетті модель ретінде таныстырылды:

• суреттердің мазмұнын оқу,
• визуалды жұмбақтарды шешу,
• суреттердегі мәтінді тану,
• визуалды IQ сынақтарында жақсы ұпай жинаңыз
• табиғи тілде берілген нұсқауларды түсіну.

ДамуыЖасанды интеллект мультимодальды жалпы адам деңгейіндегі тапсырмаларды орындауға қабілетті жасанды жалпы интеллект (AGI) құру жолындағы шешуші қадам ретінде қарастырылады.

Сізге тек тіл ғана қажет емес: қабылдауды тіл үлгілерімен сәйкестендіру

«Интеллекттің іргелі бөлігі бола отырып, мультимодальды қабылдау білім алу және нақты әлемді енгізу тұрғысынан жасанды жалпы интеллектке қол жеткізу қажеттілігі болып табылады», - деп жазады зерттеушілер өздерінің академиялық мақалаларында, Сізге тек тіл ғана қажет емес: қабылдауды тіл үлгісімен сәйкестендіру.

Kosmos-1 моделі суреттерді талдай алады және олар туралы сұрақтарға жауап бере алады, кескіннен мәтінді оқи алады, суреттерге субтитрлер жаза алады және Kosmos-22-дегі көрнекі мысалдарда көрсетілгендей көрнекі IQ тестінде 26-1 пайыз ұпай жинай алады. оқу.

OpenAI үшін AGI

Microsoft корпорациясының жасанды интеллект саласындағы негізгі іскер серіктесі OpenAI AGI-ны басты мақсат етіп қойды. Kosmos-1 OpenAI көмегінсіз Microsoft корпорациясының эксклюзивті бастамасы болып көрінеді.

BlogInnovazione.it