هوش مصنوعی MM1 اپل معرفی شد؛ ادغام متن با اطلاعات بصری

مدل هوش مصنوعی اپل می تواند با ادغام اطلاعات متنی و تصویری، عکس ها را بفهمد و به درخواست کاربر در مورد آن ها پاسخ دهد.

- محققان اپل روش جدیدی برای آموزش مدل های زبانی بزرگ (LLM) توسعه داده اند که به طور پیوسته اطلاعات متنی و بصری را ادغام می کند و قادر است تصاویر را با دقت بالایی توصیف کند.

به گزارش سایت قطره و به نقل اززومیت، یافته های اپل که در مقاله ای با عنوان MM1: روش ها، تحلیل و بینش ها از پیش آموزش LLM چند وجهی توضیح داده شده است، رویکرد جدیدی برای ایجاد سیستم های هوش مصنوعی هوشمندتر و انعطاف پذیرتر را نشان می دهد.

نویسندگان مقاله ادعا می کنند که با استفاده از مجموعه داده های متن-تصویر شامل ترکیب عکس و توضیح مربوط به آن و داده های متنی تنها برای تعلیم مدل MM1، استاندارد بهتری برای توانایی هوش مصنوعی در انجام وظایفی مانند شرح تصاویر، پاسخگویی به سؤالات بصری و استنباط زبان طبیعی با سطح دقت بالاتر را ایجاد کرده اند.

تحقیقات اپل بر ترکیب انواع مختلف داده های آموزشی و معماری های مدل تمرکز دارد که به هوش مصنوعی امکان می دهند زبان طبیعی را بر اساس ادغام نشانه های تصویری و زبانی درک و تولید کند.

این قابلیت برای انجام وظایفی که نیازمند فهم عمیق تری از جهان هستند (مانند تفسیر عکس های پیچیده یا پاسخگویی به سؤالاتی که عناصر بصری در آن ها دخیل اند) حیاتی