業界消息AI時代新聞

2023 微軟的AI新殺著,圖像都能應對的 Kosmos-1

近期,微軟推出了一款名為Kosmos-1的多模態大型語言模型(MLLM),據稱該模型可以分析圖像內容,不僅可以進行文字辨識和視覺智商測試,還能夠理解自然語言指令。微軟使用網路上的多模態語料庫來訓練Kosmos-1,該語料庫包括文字和圖像的組合以及文本資料等。為了讓Kosmos-1能夠讀懂圖像資料,研究人員需要先將圖像轉換為一系列特殊的標記,以便語言模型理解。

微軟展示了Kosmos-1理解圖像的範例,顯示該模型能夠分析圖像並回答與圖像內容相關的問題,也能夠閱讀圖像中的文字或為圖像做註解。Kosmos-1在瑞文斯頓推理測驗中的表現也很有趣,該測驗要求參與者通過呈現具特定序列的圖形完成另一個相同序列,以評估其視覺智商。Kosmos-1在測試中的正確率僅為22%,但仍優於隨機猜測的17%正確率。微軟認為,整合語言、行動和多模態認知的AI技術將推動AGI通用人工智慧的發展,這也是OpenAI早先設定的發展目標。

參考內容:https://arxiv.org/pdf/2302.14045.pdf

TechApple.com 編輯部

堅持製作專業科技內容,全員擁有多種不同技術知識的特異科技媒體團隊。 電郵:editor@techapple.com