Microsoft zbuloi një model të AI që njeh përmbajtjen e imazhit dhe rregullon problemet vizuale

Modeli i ri i AI Kosmos-1 është Multimodal Large Language Model (MLLM), i aftë për t'iu përgjigjur jo vetëm sinjaleve gjuhësore, por edhe sinjaleve vizuale, dhe për këtë arsye u përgjigjet më mirë seancave pyetje-përgjigje.

Inteligjenca artificiale multimodale (MLLM) mund të jetë çelësi i zhvillimit të inteligjencës së përgjithshme artificiale, një teknologji që në të ardhmen mund të zëvendësojë njerëzit në çdo detyrë apo punë intelektuale.

Çfarë është Kosmos-1

Kosmos-1 është një model multimodal i zhvilluar nga studiuesit e Microsoft. Të hënën e kaluar, ajo u zbulua si një model i aftë për:

• lexoni përmbajtjen e imazheve,
• zgjidhni enigmat vizuale,
• njohin tekstin në imazhe,
• rezultate të mira në testet vizuale të IQ-së
• kuptojnë udhëzimet e dhëna në gjuhën natyrore.

Zhvillimi iInteligjenca artificiale multimodal shihet si një hap vendimtar drejt krijimit të një inteligjence të përgjithshme artificiale (AGI) e aftë për të kryer detyra të përgjithshme të nivelit njerëzor.

Gjuha nuk është gjithçka që ju nevojitet: Përafrimi i perceptimit me modelet e gjuhës

"Duke qenë një pjesë themelore e inteligjencës, perceptimi multimodal është një domosdoshmëri për të arritur inteligjencën e përgjithshme artificiale, në drejtim të përvetësimit të njohurive dhe përfshirjes në botën reale," shkruajnë studiuesit në punimin e tyre akademik. Gjuha nuk është gjithçka që ju nevojitet: Përafrimi i perceptimit me modelin gjuhësor.

Modeli Kosmos-1 mund të analizojë imazhet dhe t'u përgjigjet pyetjeve rreth tyre, të lexojë tekst nga një imazh, të shkruajë titra për imazhet dhe të shënojë midis 22 dhe 26 përqind në një test vizual të IQ-së, siç tregohet në shembujt vizualë në Kosmos-1 studim.

AGI për OpenAI

OpenAI, partneri kryesor i biznesit i Microsoft në inteligjencën artificiale, ka vendosur AGI si fokusin e tij kryesor. Kosmos-1 duket të jetë një iniciativë ekskluzive e Microsoft, pa ndihmën e OpenAI.

BlogInnovazione.it