微軟開源多模態(tài)AI基礎(chǔ)模型Magma 革新跨領(lǐng)域智能應(yīng)用

　　北京時間今日凌晨，微軟在官網(wǎng)開源了多模態(tài)AI Agent基礎(chǔ)模型Magma。與傳統(tǒng)Agent相比，Magma具備跨數(shù)字與物理世界的多模態(tài)能力，可自動處理圖像、視頻、文本等多種數(shù)據(jù)類型。此外，Magma內(nèi)置心理預(yù)測功能，能夠準(zhǔn)確推測視頻中人物或物體的意圖及未來行為，顯著提升對時空動態(tài)的理解能力。

　　Magma的應(yīng)用場景廣泛，用戶可借助其自動完成電商訂單、查詢天氣，甚至操作實體機(jī)器人或在真實象棋對弈中獲得幫助。官方表示，Magma能夠幫助AI驅(qū)動的助手或機(jī)器人理解周圍環(huán)境并采取相應(yīng)行動，例如指導(dǎo)家用機(jī)器人整理從未見過的物品，或為虛擬助手生成復(fù)雜任務(wù)的導(dǎo)航說明。

　　作為視覺語言動作(VLA)基礎(chǔ)模型之一，Magma能夠從海量公開視覺和語言數(shù)據(jù)中學(xué)習(xí)知識，融合語言、空間和時間智能，高效應(yīng)對數(shù)字與物理世界中的復(fù)雜任務(wù)與環(huán)境。這一開源模型的發(fā)布，標(biāo)志著AI在跨領(lǐng)域智能應(yīng)用中的又一重大突破。