Microsoft-ը ներկայացրել է AI մոդելը, որը ճանաչում է պատկերի բովանդակությունը և շտկում տեսողական խնդիրները

AI Kosmos-1-ի նոր մոդելը Multimodal է Large Language Model (MLLM), ի վիճակի է արձագանքել ոչ միայն լեզվական ազդանշաններին, այլև տեսողական նշաններին, հետևաբար ավելի լավ արձագանքել հարցուպատասխանին:

Մուլտիմոդալ արհեստական ​​ինտելեկտը (MLLM) կարող է լինել արհեստական ​​ընդհանուր ինտելեկտի զարգացման բանալին, տեխնոլոգիա, որը ապագայում կարող է փոխարինել մարդկանց ցանկացած ինտելեկտուալ առաջադրանքում կամ աշխատանքում:

Ինչ է Կոսմոս-1-ը

Kosmos-1-ը մուլտիմոդալ մոդել է, որը մշակվել է Microsoft-ի հետազոտողների կողմից: Անցյալ երկուշաբթի այն ներկայացվեց որպես մոդել, որն ունակ է.

• կարդալ պատկերների բովանդակությունը,
• լուծել տեսողական հանելուկներ,
• ճանաչել տեքստը պատկերների մեջ,
• լավ գնահատականներ ստանալ տեսողական IQ թեստերում
• հասկանալ բնական լեզվով տրված հրահանգները.

ԶարգացումըԱրհեստական ​​բանականություն մուլտիմոդալը դիտվում է որպես կարևոր քայլ արհեստական ​​ընդհանուր ինտելեկտի (AGI) ստեղծման ուղղությամբ, որը կարող է կատարել ընդհանուր մարդկային մակարդակի առաջադրանքներ:

Լեզուն այն ամենը չէ, ինչ ձեզ հարկավոր է. ընկալումը համապատասխանեցնել լեզվական մոդելներին

«Լինելով ինտելեկտի հիմնարար մաս՝ մուլտիմոդալ ընկալումը անհրաժեշտություն է արհեստական ​​ընդհանուր ինտելեկտի հասնելու համար՝ գիտելիքների ձեռքբերման և իրական աշխարհում ներդրման տեսանկյունից», - գրում են հետազոտողները իրենց ակադեմիական աշխատանքում։ Լեզուն այն ամենը չէ, ինչ ձեզ հարկավոր է. ընկալման համապատասխանեցում լեզվի մոդելի հետ.

Կոսմոս-1 մոդելը կարող է վերլուծել պատկերները և պատասխանել դրանց վերաբերյալ հարցերին, կարդալ պատկերից տեքստ, նկարների վերնագրեր գրել և 22-ից 26 տոկոս գնահատել տեսողական IQ թեստում, ինչպես ցույց է տրված Kosmos-1-ի տեսողական օրինակներում: ուսումնասիրել.

AGI OpenAI-ի համար

OpenAI-ը՝ արհեստական ​​ինտելեկտի ոլորտում Microsoft-ի հիմնական բիզնես գործընկերը, AGI-ն իր հիմնական նպատակն է դրել: Կոսմոս-1-ը կարծես Microsoft-ի բացառիկ նախաձեռնությունն է՝ առանց OpenAI-ի աջակցության:

BlogInnovazione.it