Microsoft, görüntü məzmununu tanıyan və vizual problemləri həll edən süni intellekt modelini təqdim etdi

AI Kosmos-1-in yeni modeli Multimodaldır Large Language Model (MLLM), təkcə linqvistik siqnallara deyil, həm də vizual siqnallara cavab verməyə və buna görə də sual-cavab sessiyalarına daha yaxşı cavab verməyə qadirdir.

Multimodal süni intellekt (MLLM) süni ümumi intellektin inkişafının açarı ola bilər, bu texnologiya gələcəkdə hər hansı bir intellektual işdə və ya işdə insanları əvəz edə bilər.

Kosmos-1 nədir

Kosmos-1, Microsoft tədqiqatçıları tərəfindən hazırlanmış multimodal modeldir. Keçən bazar ertəsi o, aşağıdakıları bacaran bir model olaraq təqdim edildi:

• şəkillərin məzmununu oxumaq,
• vizual tapmacaları həll etmək,
• şəkillərdəki mətni tanımaq,
• vizual IQ testlərində yaxşı nəticə əldə edin
• təbii dildə verilən təlimatları başa düşmək.

İnkişafıSüni intellekt multimodal ümumi insan səviyyəli vəzifələri yerinə yetirməyə qadir olan süni ümumi intellektin (AGI) yaradılması istiqamətində mühüm addım kimi qiymətləndirilir.

Dil sizə lazım olan tək şey deyil: qavrayışın dil modelləri ilə uyğunlaşdırılması

Tədqiqatçılar öz akademik məqalələrində yazır: “Zəkanın əsas hissəsi olan multimodal qavrayış, biliklərin əldə edilməsi və real dünyaya yerləşdirilməsi baxımından süni ümumi intellektə nail olmaq üçün zəruridir”. Dil sizə lazım olan tək şey deyil: qavrayışı dil modeli ilə uyğunlaşdırmaq.

Kosmos-1 modeli şəkilləri təhlil edə və onlar haqqında suallara cavab verə, təsvirdən mətn oxuya, şəkillər üçün başlıqlar yaza və Kosmos-22-dəki vizual nümunələrdə göstərildiyi kimi vizual İQ testində 26-1 faiz bal toplaya bilər. öyrənmək.

OpenAI üçün AGI

Microsoft-un süni intellekt sahəsində əsas biznes partnyoru olan OpenAI AGI-ni əsas diqqət mərkəzi kimi qoyub. Kosmos-1, OpenAI-nin köməyi olmadan Microsoft-un eksklüziv təşəbbüsü kimi görünür.

BlogInnovazione.it