Don't Miss
微軟多模態AI 懂看圖推理
By 信報財經新聞 on March 3, 2023
原文刊於信報財經新聞「StartupBeat創科鬥室」
人工智能（AI）技術再有新突破，微軟研究團隊周三發表多模態大型語言模型（MLLM）KOSMOS-1，據稱可以分析圖像內容、解決視覺難題、執行視覺文本識別、通過視覺智商測試，以及理解自然語言指令，程式碼發布在軟件代碼託管平台GitHub平台上。
微軟團隊認為，多模態AI集成不同輸入模式，包括文本、音頻、圖像及影片等，為構建「通用人工智能」（AGI）的關鍵步驟，足以處理複雜問題及推理任務。例如貼一張斑馬相片，KOSMOS-1懂得回答「牠在非洲居住」，曉得說「斑馬過馬路遇到麻煩」等笑話。不過，其推理能力不算太高，只能在Raven IQ智能測試，順利答中22%的問題。
ChatGPT開放API一折搶客
此外，美企OpenAI昨宣布，開發人員現在可通過API（應用程式介面），將ChatGPT及Whisper（語音轉文字）模型，集成到旗下應用程式及產品中，例如Snap旗下My AI for Snapchat+、Shopify旗下Shop等。最新版本的gpt-3.5-turbo模型，收費為每1000代幣（即大約700個英文字）0.002美元，相當於現有GPT-3.5模型的一折定價，相當具市場競爭力。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
Related Posts
