Microsoft представила модель штучного інтелекту, яка розпізнає вміст зображення та виправляє візуальні проблеми

Нова модель ШІ Космос-1 є мультимодальною Large Language Model (MLLM), здатний реагувати не лише на мовні сигнали, а й на візуальні сигнали, а отже, краще реагувати на сеанси запитань і відповідей.

Мультимодальний штучний інтелект (MLLM) може стати ключем до розвитку загального штучного інтелекту, технології, яка в майбутньому зможе замінити людину в будь-якому інтелектуальному завданні чи роботі.

Що таке Космос-1

Космос-1 — мультимодальна модель, розроблена дослідниками Microsoft. Минулого понеділка він був представлений як модель, здатна:

• читати зміст зображень,
• розгадувати візуальні головоломки,
• розпізнавати текст на зображеннях,
• отримати хороші результати в тестах візуального IQ
• розуміти інструкції, подані природною мовою.

РозвитокШтучний інтелект мультимодальність розглядається як важливий крок до створення штучного загального інтелекту (AGI), здатного виконувати загальні завдання людського рівня.

Мова — це не все, що вам потрібно: узгодження сприйняття з мовними моделями

«Будучи фундаментальною частиною інтелекту, мультимодальне сприйняття є необхідністю для досягнення загального штучного інтелекту з точки зору отримання знань і впровадження в реальний світ», — пишуть дослідники у своїй науковій статті. Мова — це не все, що вам потрібно: узгодження сприйняття з мовною моделлю.

Модель Kosmos-1 може аналізувати зображення та відповідати на запитання про них, читати текст із зображення, писати підписи до зображень і набирати від 22 до 26 відсотків у візуальному тесті IQ, як показано у візуальних прикладах у Kosmos-1. вивчення.

AGI для OpenAI

OpenAI, ключовий діловий партнер Microsoft у галузі штучного інтелекту, встановив AGI своїм головним фокусом. Космос-1, здається, є ексклюзивною ініціативою Microsoft без допомоги OpenAI.

BlogInnovazione.it