Microsoft tasvir tarkibini tan oladigan va vizual muammolarni tuzatuvchi AI modelini taqdim etdi

AI Kosmos-1 ning yangi modeli Multimodal hisoblanadi Large Language Model (MLLM), nafaqat lingvistik belgilarga, balki vizual signallarga ham javob bera oladi va shuning uchun savol-javob sessiyalariga yaxshiroq javob beradi.

Multimodal sun'iy intellekt (MLLM) sun'iy umumiy intellektni rivojlantirishning kaliti bo'lishi mumkin, bu texnologiya kelajakda har qanday intellektual vazifa yoki ishda odamlarning o'rnini bosishi mumkin.

Kosmos-1 nima

Kosmos-1 — Microsoft tadqiqotchilari tomonidan ishlab chiqilgan multimodal model. O'tgan dushanba kuni u quyidagilarga qodir model sifatida taqdim etildi:

• rasmlarning mazmunini o'qing,
• vizual jumboqlarni hal qilish,
• rasmlardagi matnni tanib olish,
• vizual IQ testlarida yaxshi ball
• tabiiy tilda berilgan ko'rsatmalarni tushunish.

Ning rivojlanishiSun'iy aql multimodal umumiy inson darajasidagi vazifalarni bajarishga qodir bo'lgan sun'iy umumiy intellektni (AGI) yaratish yo'lidagi hal qiluvchi qadam sifatida qaraladi.

Sizga faqat til kerak emas: idrokni til modellari bilan moslashtirish

"Intellektning asosiy qismi bo'lgan multimodal idrok bilimlarni egallash va real dunyoga joylashtirish nuqtai nazaridan sun'iy umumiy intellektga erishish uchun zaruratdir", deb yozadi tadqiqotchilar o'zlarining ilmiy maqolalarida, Sizga faqat til kerak emas: idrokni til modeli bilan moslashtirish.

Kosmos-1 modeli tasvirlarni tahlil qilishi va ular haqidagi savollarga javob berishi, rasmdagi matnni o‘qishi, tasvirlarga taglavhalar yozishi va vizual IQ testida 22-26 foiz ball to‘plashi mumkin, masalan, Kosmos-1dagi vizual misollarda ko‘rsatilgan. o'rganish.

OpenAI uchun AGI

Sun'iy intellekt bo'yicha Microsoftning asosiy biznes hamkori bo'lgan OpenAI AGIni o'zining asosiy yo'nalishi sifatida belgiladi. Kosmos-1 OpenAI yordamisiz Microsoft-ning eksklyuziv tashabbusi bo'lib ko'rinadi.

BlogInnovazione.it