.){kind=link}
Í byrjun þessarar viku voru vísindamenn frá Microsoft kynnti Kosmos-1, fjölþætt gervigreindarlíkan sem getur greint myndir fyrir efni, leyst sjónrænar þrautir, framkvæmt sjónræna textagreiningu, tekið sjónræn greindarpróf og skilið leiðbeiningar um náttúrulegt tungumál. Að sögn vísindamannanna eru slík gervigreind líkön fyrsta skrefið í átt að því að búa til gervi almenna greind (AI) sem getur framkvæmt sameiginleg verkefni á mönnum. Það er, þessi tækni mun geta komið í stað manns í hvaða vitsmunalegu verkefni sem er. Og þetta er yfirlýst markmið OpenAI, lykilviðskiptafélaga Microsoft á sviði gervigreindar.
Í þessu tilviki er Kosmos-1 eingöngu persónuleg þróun fyrirtækisins Microsoft. Rannsakendur kalla sköpun þeirra „multimodal broad language model“ (MLLM) vegna þess að rætur þess liggja í texta-eingöngu náttúrulegu málvinnslu eins og LLM, eins og ChatGPT. Til þess að líkanið geti tekið við innsláttarmyndum verða vísindamenn fyrst að breyta myndunum í sérstaka röð tákna (aðallega texta) sem LLM getur skilið.
Kosmos-1 var þjálfað á gagnagrunni af internetinu, þar á meðal útdrætti úr The Pile (800 GB ensku textaforrit) og Common Crawl. Líkanið var síðan prófað með nokkrum prófum fyrir talskilning, talmyndun, textaflokkun án sjónræns eðlisgreiningar, myndatexta, sjónræn spurningasvörun, svörun vefsíðuspurninga og myndflokkun með staðfærslu. Samkvæmt Microsoft, Kosmos-1 fór fram úr núverandi gerðum í mörgum þessara prófana.
Sérstaklega áhugavert var Raven's Progressive Reasoning prófið, sem mælir sjónræn greindarvísitölu með því að setja fram röð af formum og biðja viðfangsefnið að klára röðina. Kosmos-1 gat gefið rétt svar í 22% tilvika.
Þessi fyrstu skref, sem með hagræðingu í framtíðinni, gætu skilað enn markverðari árangri, sem gerir gervigreindum líkönum kleift að skynja og hafa áhrif á hvers kyns miðla, sem stækkar til muna getu gervi aðstoðarmanna.
Lestu líka: