，基于 ChatGPT 的必應(yīng)聊天已經(jīng)讓不少用戶(hù)感受到了 AI 的強(qiáng)大，而微軟于近日推出了更為強(qiáng)悍的全能型 AI--Kosmos-1。ChatGPT 是純文本 LLM，而它是更強(qiáng)大的多模式大型語(yǔ)言模型。

Kosmos-1 可以分析圖像的內(nèi)容、解決視覺(jué)難題、執(zhí)行視覺(jué)文本識(shí)別、通過(guò)視覺(jué)智商測(cè)試以及理解自然語(yǔ)言指令等等。

IT之家從報(bào)道中獲悉，Kosmos-1 可以處理文本、音頻、圖像和視頻等內(nèi)容，構(gòu)建一個(gè)全能型的人工智能，可以像人類(lèi)思維一樣來(lái)處理任務(wù)。

研究人員在他們的學(xué)術(shù)論文中寫(xiě)道:“作為智能的基本組成部分，多模態(tài)感知是實(shí)現(xiàn)人工智能的必要條件”。Kosmos-1 論文中的視覺(jué)示例顯示模型分析圖像并回答有關(guān)圖像的問(wèn)題，從圖像中讀取文本，為圖像編寫(xiě)標(biāo)題，并以 22-26% 的準(zhǔn)確度進(jìn)行視覺(jué)智商測(cè)試。

微軟表示，它計(jì)劃向開(kāi)發(fā)人員提供 Kosmos-1，盡管該論文引用的 GitHub 頁(yè)面在本文發(fā)表時(shí)沒(méi)有明顯的 Kosmos 特定代碼。