מייקראָסאָפֿט אַנוויילד אַן אַי מאָדעל וואָס אנערקענט בילד אינהאַלט און פיקסיז וויזשאַוואַל פּראָבלעמס

די נייַע מאָדעל פון אַי קאָסמאָס-1 איז אַ מולטימאָדאַל Large Language Model (MLLM), קענען צו ריספּאַנד ניט בלויז צו לינגגוויסטיק קיוז, אָבער אויך צו וויזשאַוואַל קיוז, און דעריבער ריספּאַנד בעסער צו קשיא-און-ענטפֿער סעשאַנז.

מולטימאָדאַל קינסטלעך סייכל (MLLM) קען זיין דער שליסל צו דער אַנטוויקלונג פון קינסטלעך גענעראַל סייכל, אַ טעכנאָלאָגיע וואָס קען אין דער צוקונפֿט פאַרבייַטן מענטשן אין קיין אינטעלעקטואַל אַרבעט אָדער אַרבעט.

וואָס איז קאָסמאָס-1

קאָסמאָס-1 איז אַ מולטימאָדאַל מאָדעל דעוועלאָפּעד דורך מייקראָסאָפֿט ריסערטשערז. לעצטע מאנטאג, עס איז געווען אַנוויילד ווי אַ מאָדעל וואָס איז ביכולת צו:

• לייענען דעם אינהאַלט פון די בילדער,
• סאָלווע וויזשאַוואַל פּאַזאַלז,
• דערקענען טעקסט אין בילדער,
• כעזשבן געזונט אויף וויזשאַוואַל יק טעסץ
• פֿאַרשטיין ינסטראַקשאַנז געגעבן אין נאַטירלעך שפּראַך.

די אַנטוויקלונג פון דיאַרטיפיסיאַל ינטעלליגענסע מולטימאָדאַל איז געזען ווי אַ קריטיש שריט צו שאַפֿן אַ קינסטלעך אַלגעמיינע סייכל (AGI) וואָס איז ביכולת צו דורכפירן אַלגעמיינע טאַסקס אויף מענטש מדרגה.

שפּראַך איז ניט אַלע איר דאַרפֿן: אַליינינג מערקונג מיט שפּראַך מאָדעלס

"זייַענדיק אַ פונדאַמענטאַל טייל פון סייכל, מולטימאָדאַל מערקונג איז אַ נייטיקייַט צו דערגרייכן קינסטלעך אַלגעמיינע סייכל, אין טערמינען פון וויסן אַקוואַזישאַן און פאַקטיש-וועלט עמבעדמאַנט," די ריסערטשערז שרייַבן אין זייער אַקאַדעמיק פּאַפּיר, שפּראַך איז ניט אַלע איר דאַרפֿן: אַליינינג מערקונג מיט שפּראַך מאָדעל.

די קאָסמאָס-1 מאָדעל קענען אַנאַלייז בילדער און ענטפֿערן פֿראגן וועגן זיי, לייענען טעקסט פון אַ בילד, שרייַבן קאַפּשאַנז פֿאַר בילדער און כעזשבן צווישן 22 און 26 פּראָצענט אויף אַ וויזשאַוואַל יק פּראָבע, אַזאַ ווי דעמאַנסטרייטיד אין די וויזשאַוואַל ביישפילן אין די קאָסמאָס-1. לערנען.

AGI פֿאַר OpenAI

OpenAI, מייקראָסאָפֿט ס שליסל געשעפט שוטעף אין קינסטלעך סייכל, האט באַשטימט AGI ווי זיין ערשטיק פאָקוס. קאָסמאָס-1 איז אַ ויסשליסיק איניציאטיוו פון מייקראָסאָפֿט אָן די הילף פון OpenAI.

BlogInnovazione.it