.){kind=link}
Ушул жуманын башында изилдөөчүлөр Microsoft Сүрөттөрдү мазмун үчүн талдап, визуалдык табышмактарды чечип, визуалдык текстти таанууну, визуалдык IQ тесттерин тапшырып, табигый тил көрсөтмөлөрүн түшүнө алган Kosmos-1 мультимодалдык жасалма интеллект моделин тартуулады. Изилдөөчүлөрдүн айтымында, мындай AI моделдери адамдын деңгээлиндеги биргелешкен милдеттерди аткара ала турган жасалма жалпы интеллектти (AI) түзүүнүн биринчи кадамы. Башкача айтканда, бул технология адамды кандайдыр бир интеллектуалдык тапшырмада алмаштыра алат. Бул OpenAI, негизги бизнес өнөктөштүн айтылган максаты Microsoft жасалма интеллект тармагында.
Бул учурда, Космос-1 компаниянын жеке өнүктүрүү болуп саналат Microsoft. Изилдөөчүлөр аларды түзүүнү "мультимодалдык кең тил модели" (MLLM) деп аташат, анткени анын тамыры ChatGPT сыяктуу LLM сыяктуу тексттик гана табигый тилди иштетүүдө жатат. моделдин киргизүү сүрөттөрдү кабыл алуу үчүн, изилдөөчүлөр адегенде LLM түшүнө ала турган Токендерди (негизинен текст) атайын бир катар сүрөттөрдү айландыруу керек.
Космос-1 Интернеттен алынган маалымат базасында, анын ичинде The Pile (800 ГБ англисче текст булагы) жана Common Crawlден үзүндүлөр боюнча үйрөтүлгөн. Андан кийин модель кепти түшүнүү, кепти генерациялоо, оптикалык белгилерди таануусуз текстти классификациялоо, сүрөткө жазуу, визуалдык суроого жооп берүү, веб-баракчадагы суроолорго жооп берүү жана локализация менен сүрөт классификациясы боюнча бир нече тесттер менен сыналган. Ылайык Microsoft, «Космос-1» бул сыноолордун копчулугундо азыркы кездеги моделдерден озуп чыкты.
Айрыкча, Raven's Progressive Reaction тести кызыктуу болду, ал фигуралардын ырааттуулугун көрсөтүү жана субъекттен ырааттуулукту бүтүрүүнү сурануу менен визуалдык IQ деңгээлин өлчөйт. Космос-1 22% учурда туура жооп бере алган.
Келечектеги оптималдаштыруу менен бул алгачкы кадамдар AI моделдерине медианын каалаган формасын кабылдап, таасир этүүгө мүмкүндүк берип, жасалма жардамчылардын мүмкүнчүлүктөрүн кыйла кеңейтип, андан да олуттуу натыйжаларды бере алат.
Ошондой эле окуңуз: