makala

Microsoft ilizindua muundo wa AI unaotambua maudhui ya picha na kurekebisha matatizo ya kuona

Mfano mpya wa AI Kosmos-1 ni Multimodal Large Language Model (MLLM), kuweza kujibu sio tu kwa viashiria vya lugha, lakini pia kwa ishara za kuona, na kwa hivyo kujibu vyema vipindi vya maswali na majibu.

Multimodal Artificial Intelligence (MLLM) inaweza kuwa ufunguo wa ukuzaji wa akili ya jumla ya bandia, teknolojia ambayo inaweza kuchukua nafasi ya wanadamu katika siku zijazo katika kazi au kazi yoyote ya kiakili.

Kosmos-1 ni nini

Kosmos-1 ni mfano wa multimodal uliotengenezwa na watafiti wa Microsoft. Jumatatu iliyopita, ilizinduliwa kama mwanamitindo mwenye uwezo wa:

soma yaliyomo kwenye picha,
kutatua mafumbo ya kuona,
kutambua maandishi katika picha,
alama vizuri kwenye vipimo vya kuona vya IQ
kuelewa maagizo yaliyotolewa kwa lugha ya asili.

Maendeleo yaUbunifu wa akili multimodal inaonekana kama hatua muhimu kuelekea kuunda akili ya jumla ya bandia (AGI) yenye uwezo wa kutekeleza majukumu ya jumla ya kiwango cha binadamu.

Lugha Sio Yote Unayohitaji: Kulinganisha Mtazamo na Miundo ya Lugha

"Kwa kuwa sehemu ya msingi ya akili, mtazamo wa aina nyingi ni hitaji la kufikia akili ya jumla ya bandia, katika suala la upataji wa maarifa na upachikaji wa ulimwengu halisi," watafiti wanaandika katika karatasi yao ya kitaaluma. Lugha Sio Yote Unayohitaji: Kulinganisha Mtazamo na Muundo wa Lugha.

Mfano wa Kosmos-1 unaweza kuchambua picha na kujibu maswali kuzihusu, kusoma maandishi kutoka kwa picha, kuandika maelezo mafupi ya picha, na kupata alama kati ya asilimia 22 na 26 kwenye jaribio la kuona la IQ, kama inavyoonyeshwa katika mifano ya kuona katika Kosmos-1. kusoma.

AGI kwa OpenAI

OpenAI, mshirika mkuu wa biashara wa Microsoft katika akili bandia, ameweka AGI kama lengo lake kuu. Kosmos-1 inaonekana kuwa mpango wa kipekee wa Microsoft, bila usaidizi wa OpenAI.

BlogInnovazione.it