Greinar

Microsoft afhjúpaði gervigreind líkan sem þekkir myndefni og lagar sjónræn vandamál

Nýja gerðin af AI Kosmos-1 er Multimodal Large Language Model (MLLM), fær um að bregðast ekki aðeins við tungumálavísbendingum, heldur einnig sjónrænum vísbendingum, og svarar því betur við spurningum og svörum.

Multimodal gervigreind (MLLM) gæti verið lykillinn að þróun gervi almennrar greindar, tækni sem gæti í framtíðinni komið í stað manna í hvaða vitsmunalegu verkefni eða starfi sem er.

Hvað er Kosmos-1

Kosmos-1 er fjölþætt líkan þróað af Microsoft vísindamönnum. Síðasta mánudag var það afhjúpað sem líkan sem getur:

lestu innihald myndanna,
leysa sjónrænar þrautir,
þekkja texta í myndum,
skora vel í sjónrænum greindarprófum
skilja leiðbeiningar sem gefnar eru á náttúrulegu máli.

ÞróunArtificial Intelligence litið á fjölþætti sem mikilvægt skref í átt að því að búa til gervi almenna greind (AGI) sem getur sinnt almennum verkefnum á mönnum.

Tungumál er ekki allt sem þú þarft: Aðlaga skynjun við tungumálalíkön

„Þar sem fjölþætt skynjun er grundvallarþáttur upplýsingaöflunar er nauðsyn til að ná fram gervi almennri greind, hvað varðar þekkingaröflun og raunheimsfestingu,“ skrifa rannsakendur í fræðilegri grein sinni, Tungumál er ekki allt sem þú þarft: Aðlaga skynjun við tungumálamódel.

Kosmos-1 líkanið getur greint myndir og svarað spurningum um þær, lesið texta úr mynd, skrifað myndatexta fyrir myndir og skorað á milli 22 og 26 prósent í sjónrænu greindarprófi, eins og sýnt er í sjónrænu dæmunum í Kosmos-1 nám.

AGI fyrir OpenAI

OpenAI, lykilviðskiptaaðili Microsoft í gervigreind, hefur sett AGI sem aðaláherslu sína. Kosmos-1 virðist vera einkaframtak Microsoft, án aðstoðar OpenAI.

BlogInnovazione.it