Предимство на мултимодалния AI е, че поддържа комуникация с текст,

Предимство на мултимодалния AI е, че поддържа връзка с текст, изображения и видео (снимка: CC0 Public Domain)

Ново потомство изкуствен интелект GPT-4 ще издигне потребителското преживяване на последващо равнище. Хората ще могат да поддържат връзка с AI-базирания езиков модел благодарение на текст, картинки и видео.

Компанията OpenAI, която създава езиковия модел GPT, и нейният спонсор Microsoft ще показват идната седмица нова версия GPT-4 (Generative Pre-trained Transformer 4). Това заяви техническият шеф на немското поделение на Microsoft – Андреас Браун, представен от Heise. Очаква се GPT-4 доста да усъвършенства функционалността на предходната версия GPT-3.5, отваряйки нови благоприятни условия за потребление на генеративния изкуствен интелект.

GPT-4 включва мултимодални модели, които оферират изцяло разнообразни благоприятни условия като генериране на видео, разясни Браун по време на събитие „ AI in Focus – Digital Kickoff ”. Според него, потреблението на огромни езикови модели е довело до „ смяна на играта ”, защото те учат машините да схващат естествения език, което в действителност им разрешава да схващат човешките неща.
още по темата
Технологията доближи ново равнище и към този момент работи на всички езици: можете да зададете въпрос на немски и да получите отговор на италиански. Чрез мултимодалността Microsoft, дружно с OpenAI, ще направи моделите изчерпателни, съобщи Браун.

Главният изпълнителен шеф на Microsoft Германия, Мариан Яник, изясни, че въвеждането на AI не значи редуциране на работни места, не става въпрос за подмяна на служащи, а за осъществяване на повтарящи се задания по друг метод. Ще са нужни доста експерти, с цел да се употребява пълноценно AI, означи Яник и предложи фирмите да основат вътрешни центрове за подготвеност, в които да образоват чиновници в потреблението на изкуствен интелект и да комбинират хрумвания за планове.

Яник също по този начин прикани за „ демократизиране ” на AI, като се базира на лекотата на потребление на езикови модели в продуктовото семейство на Microsoft, по-специално тяхното необятно разпространяване посредством консолидиране на изкуствения разсъдък в платформите Azure, Outlook и Teams.

Предимството на мултимодалния AI е, че може по подобаващ метод да превежда текст освен в изображения, само че и в музика и видео. Освен това самата невронна мрежа може да изпраща като поръчки освен текст, само че също аудио, фотоси и видео. Докато GPT-3.5 разрешава на потребителите да взаимодействат посредством въвеждане на текст, GPT-4, със своите мултимодални благоприятни условия, в идеалния случай може да обезпечи опция за взаимоотношение в голям брой режими, в това число текст, изображения и аудио.

По време на събитието „ AI ​​in Focus ” експертите на компанията дадоха образци за практическото потребление на изкуствения разсъдък. Холгер Кен от Microsoft Германия акцентира, че „ виновният ” AI към този момент е вграден в продуктите на Microsoft и съответните поръчки могат да се обработват в облака посредством API.

Сега телефонните диалози с превръщане на тирада в текст могат да бъдат записвани и към този момент няма потребност от ръчно обобщаване и въвеждане на наличие, разясняват от Microsoft. Това би икономисало 500 работни часа дневно на огромен клиент на Microsoft в Холандия, който получава до 30 000 позвънявания дневно.

Що се отнася до оперативната надеждност и годност на отговорите на изкуствения разсъдък, разработчиците прецизираха, че те няма да са постоянно верни, тъй че е належащо валидиране. В момента се работи върху създаване на карта с индикатори за надеждност за справяне с този проблем. Текстът, препоръчан от модела, е генеративен и затова не е елементарен за инспекция, по тази причина разработчиците построяват противоположна връзка с утвърждение и отрицание.