近期,由艾倫人工智能研究所、伊利諾伊大學厄巴納-香檳分校和華盛頓大學的研究人員聯(lián)合開發(fā)的“Unified-IO2”標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)類型。作為第一款在多模態(tài)數(shù)據(jù)上從零開始訓練的模型,其架構(gòu)基于單一的編碼器-解碼器變壓器模型,獨特設計將各種輸入轉(zhuǎn)換為統(tǒng)一的語義空間。這種創(chuàng)新性的方法使得該模型能夠同時處理不同類型的數(shù)據(jù),克服了以往模型在處理多模態(tài)數(shù)據(jù)時的限制。
Unified-IO2的方法復雜而創(chuàng)新。它采用共享表示空間來對各種輸入和輸出進行編碼,通過使用字節(jié)對編碼文本和用于編碼稀疏結(jié)構(gòu)(如邊界框和關(guān)鍵點)的特殊標記來實現(xiàn)。圖像通過預訓練的視覺變壓器進行編碼,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)過類似的處理,轉(zhuǎn)換成頻譜圖并使用音頻頻譜變壓器進行編碼。模型還包括動態(tài)打包和多模態(tài)去噪器目標的混合,以增強其處理多模態(tài)信號的效率和效果。
Unified-IO2不僅在設計上令人印象深刻,其性能也同樣令人驚嘆。在超過35個數(shù)據(jù)集上進行評估,它在GRIT評估中創(chuàng)下了新的基準,在關(guān)鍵點估計和表面法線估計等任務上表現(xiàn)出色。在視覺和語言任務中,它與許多最近提出的視覺語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,它在忠實度方面超越了最接近的競爭對手。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的開發(fā)和應用所得的結(jié)論是深遠的。它代表了人工智能處理和整合多模態(tài)數(shù)據(jù)方面的顯著進步,為人工智能應用開辟了新的可能性。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雜現(xiàn)實場景的潛力。這一發(fā)展標志著人工智能領域的一個重要時刻,為未來更為細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,標志著向更為整合、多才多藝和強大系統(tǒng)的轉(zhuǎn)變。它成功地駕馭了多模態(tài)數(shù)據(jù)整合的復雜性,為未來人工智能模型樹立了一個先例,預示著人工智能將更準確地反映和與人類經(jīng)驗的多面性互動。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹慎對待。投資者據(jù)此操作,風險自擔。
近日,德國柏林國際電子消費品展覽會(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設計及應用方面的創(chuàng)新變革,全球領先的智能終端企業(yè)TCL實業(yè)成功斬獲兩項“IFA全球產(chǎn)品設計創(chuàng)新大獎”金獎,有力證明了其在全球市場的強大影響力。
近日,中國家電及消費電子博覽會(AWE 2024)隆重開幕。全球領先的智能終端企業(yè)TCL實業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項AWE 2024艾普蘭大獎。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“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了21600元。
由世界人工智能大會組委會、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會共同指導,由上海市人工智能行業(yè)協(xié)會聯(lián)合上海人工智能實驗室、上海臨港經(jīng)濟發(fā)展(集團)有限公司、開放原子開源基金會主辦的“2024全球開發(fā)者先鋒大會”,將于2024年3月23日至24日舉辦。