微軟推出了一種識別圖像內容並修復視覺問題的人工智能模型

AI Kosmos-1 的新型號是多式聯運 Large Language Model （MLLM），不僅能夠響應語言提示，還能響應視覺提示，因此能夠更好地響應問答環節。

多模式人工智能 (MLLM) 可能是通用人工智能發展的關鍵，這種技術在未來可以在任何智力任務或工作中取代人類。

什麼是 Kosmos-1

Kosmos-1 是微軟研究人員開發的多模態模型。 上週一，它作為一款能夠：

• 閱讀圖像的內容，
• 解決視覺難題，
• 識別圖像中的文字，
• 在視覺智商測試中取得好成績
• 理解以自然語言給出的指令。

的發展人工智能 多模式被視為創建能夠執行一般人類任務的通用人工智能 (AGI) 的關鍵一步。

語言不是你所需要的全部：將感知與語言模型相結合

研究人員在他們的學術論文中寫道：“作為智能的基本組成部分，多模態感知是實現人工智能的必要條件，就知識獲取和現實世界嵌入而言，” 語言不是你所需要的全部：將感知與語言模型相結合.

Kosmos-1 模型可以分析圖像並回答有關它們的問題，從圖像中讀取文本，為圖像編寫標題，並在視覺智商測試中得分在 22% 到 26% 之間，如 Kosmos-1 中的視覺示例所示學習。

OpenAI 通用人工智能

微軟在人工智能領域的主要業務合作夥伴 OpenAI 已將 AGI 作為其主要關注點。 Kosmos-1 似乎是微軟的獨家倡議，沒有 OpenAI 的幫助。

BlogInnovazione.it