Apple fortsætter med at skubbe grænserne for kunstig intelligens (AI), og en nylig offentliggjort artikel fra deres forskningsteams kaster lys over deres arbejde med MM1, en pakke Multimodal Store Sprogmodeller.
Artiklen, med titlen ‘MM1: Metoder, Analyse & Indsigter fra Multimodal LLM For-træning’, udforsker konceptet med at opbygge kraftfulde Multimodal Store Sprogmodeller (MLLMs) og fremhæver vigtigheden af for-træning ved brug af en varieret række data, herunder billede-tekst, vekslende billede-tekst og kun tekst-datasæt. Denne tilgang muliggør for Apple at opnå state-of-the-art få-træningsresultater på tværs af forskellige benchmarks, overgående andre for-træningsteknikker.
I essens udnytter Multimodal Store Sprogmodeller potentialet med flere datasæt, herunder tekst, billedmateriale og potentielt lyd- og videokilder, for at skabe mere avancerede og præcise arbejdsprocesser for AI-applikationer.
Med evnen til at tolke information på tværs af imponerende 30 milliarder parametre demonstrerer MM1 konkurrencedygtig præstation efter tilsynsført finjustering på etablerede multimodale benchmarks. Apples forskere mener, at MLLMs udgør den næste grænse i fundamentale modeller og tilbyder overlegne evner sammenlignet med de store sprogmodeller, der har drevet nylige gennembrud inden for AI-teknologier.
Trods de lovende fremskridt forbliver MM1 et projekt bag lukkede døre, hvilket skaber tvivl om, hvorvidt det nogensinde vil materialisere sig som et produkt for forbrugerne. Ikke desto mindre kan den viden, der er opnået fra MM1, stadig påvirke fremtidige AI-applikationer.
Ofte Stillede Spørgsmål (FAQ)
The source of the article is from the blog newyorkpostgazette.com