مائیکروسافٹ نے ایک AI ماڈل کی نقاب کشائی کی جو تصویری مواد کو پہچانتا ہے اور بصری مسائل کو حل کرتا ہے۔

AI Kosmos-1 کا نیا ماڈل ملٹی موڈل ہے۔ Large Language Model (MLLM)، نہ صرف لسانی اشارے بلکہ بصری اشارے کا بھی جواب دینے کے قابل، اور اس لیے سوال و جواب کے سیشنز کا بہتر جواب دیتا ہے۔

ملٹی موڈل مصنوعی ذہانت (ایم ایل ایل ایم) مصنوعی جنرل انٹیلی جنس کی ترقی کی کلید ہو سکتی ہے، ایک ایسی ٹیکنالوجی جو مستقبل میں کسی بھی فکری کام یا کام میں انسانوں کی جگہ لے سکتی ہے۔

Kosmos-1 کیا ہے؟

Kosmos-1 ایک ملٹی موڈل ماڈل ہے جسے مائیکرو سافٹ کے محققین نے تیار کیا ہے۔ گزشتہ پیر کو، اسے ایک ماڈل کے طور پر پیش کیا گیا جو قابل ہے:

• تصاویر کے مواد کو پڑھیں،
• بصری پہیلیاں حل کرنا،
• تصاویر میں متن کو پہچانیں،
• بصری آئی کیو ٹیسٹ میں اچھا اسکور حاصل کریں۔
• قدرتی زبان میں دی گئی ہدایات کو سمجھیں۔

کی ترقیمصنوعی ذہانت ملٹی موڈل کو ایک مصنوعی جنرل انٹیلی جنس (AGI) بنانے کی طرف ایک اہم قدم کے طور پر دیکھا جاتا ہے جو انسانی سطح کے عمومی کام انجام دینے کے قابل ہو۔

زبان صرف آپ کی ضرورت نہیں ہے: زبان کے ماڈلز کے ساتھ تاثر کو سیدھ میں لانا

"ذہانت کا ایک بنیادی حصہ ہونے کے ناطے، علم کے حصول اور حقیقی دنیا میں سرایت کے لحاظ سے، مصنوعی عمومی ذہانت کے حصول کے لیے ملٹی موڈل پرسیپشن ایک ضرورت ہے،" محققین اپنے تعلیمی مقالے میں لکھتے ہیں، زبان صرف آپ کی ضرورت نہیں ہے: زبان کے ماڈل کے ساتھ تاثر کو سیدھ میں لانا.

Kosmos-1 ماڈل تصاویر کا تجزیہ کر سکتا ہے اور ان کے بارے میں سوالات کا جواب دے سکتا ہے، تصویر سے متن پڑھ سکتا ہے، تصویروں کے لیے کیپشن لکھ سکتا ہے، اور بصری IQ ٹیسٹ میں 22 سے 26 فیصد کے درمیان سکور کر سکتا ہے، جیسا کہ Kosmos-1 میں بصری مثالوں میں دکھایا گیا ہے۔ مطالعہ

OpenAI کے لیے AGI

OpenAI، مصنوعی ذہانت میں مائیکروسافٹ کے اہم کاروباری شراکت دار، نے AGI کو اپنی بنیادی توجہ کے طور پر مقرر کیا ہے۔ Kosmos-1 OpenAI کی مدد کے بغیر مائیکروسافٹ کا ایک خصوصی اقدام معلوم ہوتا ہے۔

BlogInnovazione.it