近期,由艾倫人工智能研究所、伊利諾伊大學(xué)厄巴納-香檳分校和華盛頓大學(xué)的研究人員聯(lián)合開(kāi)發(fā)的“Unified-IO2”標(biāo)志著人工智能能力的一次巨大飛躍。
與之前只能處理雙模態(tài)的前輩不同,Unified-IO2是一款自回歸的多模態(tài)模型,能夠解釋和生成文本、圖像、音頻和視頻等多種數(shù)據(jù)類(lèi)型。作為第一款在多模態(tài)數(shù)據(jù)上從零開(kāi)始訓(xùn)練的模型,其架構(gòu)基于單一的編碼器-解碼器變壓器模型,獨(dú)特設(shè)計(jì)將各種輸入轉(zhuǎn)換為統(tǒng)一的語(yǔ)義空間。這種創(chuàng)新性的方法使得該模型能夠同時(shí)處理不同類(lèi)型的數(shù)據(jù),克服了以往模型在處理多模態(tài)數(shù)據(jù)時(shí)的限制。
Unified-IO2的方法復(fù)雜而創(chuàng)新。它采用共享表示空間來(lái)對(duì)各種輸入和輸出進(jìn)行編碼,通過(guò)使用字節(jié)對(duì)編碼文本和用于編碼稀疏結(jié)構(gòu)(如邊界框和關(guān)鍵點(diǎn))的特殊標(biāo)記來(lái)實(shí)現(xiàn)。圖像通過(guò)預(yù)訓(xùn)練的視覺(jué)變壓器進(jìn)行編碼,線性層將這些特征轉(zhuǎn)換為適用于變壓器輸入的嵌入。音頻數(shù)據(jù)經(jīng)過(guò)類(lèi)似的處理,轉(zhuǎn)換成頻譜圖并使用音頻頻譜變壓器進(jìn)行編碼。模型還包括動(dòng)態(tài)打包和多模態(tài)去噪器目標(biāo)的混合,以增強(qiáng)其處理多模態(tài)信號(hào)的效率和效果。
Unified-IO2不僅在設(shè)計(jì)上令人印象深刻,其性能也同樣令人驚嘆。在超過(guò)35個(gè)數(shù)據(jù)集上進(jìn)行評(píng)估,它在GRIT評(píng)估中創(chuàng)下了新的基準(zhǔn),在關(guān)鍵點(diǎn)估計(jì)和表面法線估計(jì)等任務(wù)上表現(xiàn)出色。在視覺(jué)和語(yǔ)言任務(wù)中,它與許多最近提出的視覺(jué)語(yǔ)言模型相匹敵甚至表現(xiàn)更好。尤其值得注意的是,在圖像生成方面,它在忠實(shí)度方面超越了最接近的競(jìng)爭(zhēng)對(duì)手。該模型還能有效地從圖像或文本中生成音頻,展示了其在廣泛能力范圍內(nèi)的多才多藝。
Unified-IO2的開(kāi)發(fā)和應(yīng)用所得的結(jié)論是深遠(yuǎn)的。它代表了人工智能處理和整合多模態(tài)數(shù)據(jù)方面的顯著進(jìn)步,為人工智能應(yīng)用開(kāi)辟了新的可能性。它在理解和生成多模態(tài)輸出方面的成功突顯了人工智能更有效地解釋復(fù)雜現(xiàn)實(shí)場(chǎng)景的潛力。這一發(fā)展標(biāo)志著人工智能領(lǐng)域的一個(gè)重要時(shí)刻,為未來(lái)更為細(xì)致和全面的模型鋪平了道路。
Unified-IO2象征著人工智能內(nèi)在潛力的信標(biāo),標(biāo)志著向更為整合、多才多藝和強(qiáng)大系統(tǒng)的轉(zhuǎn)變。它成功地駕馭了多模態(tài)數(shù)據(jù)整合的復(fù)雜性,為未來(lái)人工智能模型樹(shù)立了一個(gè)先例,預(yù)示著人工智能將更準(zhǔn)確地反映和與人類(lèi)經(jīng)驗(yàn)的多面性互動(dòng)。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會(huì)上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來(lái)都要半個(gè)月了,現(xiàn)在方便多了!”打開(kāi)“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來(lái)實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽(yáng)成功舉辦。