माइक्रोसफ्टले एक एआई मोडेल अनावरण गर्‍यो जसले छवि सामग्री पहिचान गर्दछ र दृश्य समस्याहरू समाधान गर्दछ

एआई कोसमोस–१ को नयाँ मोडल मल्टिमोडल हो Large Language Model (MLLM), भाषिक संकेतहरूमा मात्र नभई भिजुअल संकेतहरूमा पनि प्रतिक्रिया दिन सक्षम छ, र त्यसैले प्रश्न र उत्तर सत्रहरूमा राम्रो प्रतिक्रिया दिन।

मल्टीमोडल आर्टिफिसियल इन्टेलिजेन्स (एमएलएलएम) कृत्रिम सामान्य बुद्धिको विकासको लागि कुञ्जी हुन सक्छ, एउटा प्रविधि जसले भविष्यमा कुनै पनि बौद्धिक कार्य वा काममा मानिसलाई प्रतिस्थापन गर्न सक्छ।

Kosmos-1 के हो

Kosmos-1 माइक्रोसफ्ट अनुसन्धानकर्ताहरु द्वारा विकसित एक बहुविध मोडेल हो। गत सोमबार, यो सक्षम मोडेलको रूपमा अनावरण गरिएको थियो:

• छविहरूको सामग्री पढ्नुहोस्,
• भिजुअल पजलहरू समाधान गर्नुहोस्,
• छविहरूमा पाठ चिन्न,
• भिजुअल IQ परीक्षणहरूमा राम्रो स्कोर
• प्राकृतिक भाषामा दिइएको निर्देशनहरू बुझ्नुहोस्।

को विकासकृत्रिम खुफिया मल्टिमोडललाई सामान्य मानव स्तरका कार्यहरू गर्न सक्षम आर्टिफिसियल जनरल इन्टेलिजेन्स (AGI) सिर्जना गर्ने दिशामा महत्वपूर्ण कदमको रूपमा लिइन्छ।

भाषा तपाईलाई चाहिने सबै होइन: भाषा मोडेलहरूसँग धारणा पङ्क्तिबद्ध गर्दै

"बुद्धिमत्ताको आधारभूत भाग भएकोले, ज्ञान प्राप्ति र वास्तविक-विश्व एम्बेडमेन्टको सन्दर्भमा कृत्रिम सामान्य बुद्धि हासिल गर्न बहुविध धारणा आवश्यक छ," अनुसन्धानकर्ताहरूले आफ्नो शैक्षिक पत्रमा लेख्छन्, भाषा तपाईलाई चाहिने सबै होइन: भाषा मोडेलसँग धारणा पङ्क्तिबद्ध गर्दै.

Kosmos-1 मोडेलले छविहरूको विश्लेषण गर्न र तिनीहरूको बारेमा प्रश्नहरूको जवाफ दिन, छविबाट पाठ पढ्न, छविहरूको लागि क्याप्सनहरू लेख्न, र दृश्य IQ परीक्षणमा 22 र 26 प्रतिशतको बीचमा स्कोर गर्न सक्छ, जस्तै Kosmos-1 मा दृश्य उदाहरणहरूमा प्रदर्शन गरिएको। अध्ययन।

OpenAI को लागि AGI

ओपनएआई, आर्टिफिसियल इन्टेलिजेन्समा माइक्रोसफ्टको प्रमुख व्यापार साझेदारले एजीआईलाई आफ्नो प्राथमिक फोकसको रूपमा सेट गरेको छ। Kosmos-1 OpenAI को सहायता बिना माइक्रोसफ्टको एक विशेष पहल जस्तो देखिन्छ।

BlogInnovazione.it