سمسون

اپل مدعی شد در نوشتن شرح تصاویر پاسخگویی به سوالات بصری و استنتاج زبان طبیعی در مدل‌های خود به پیشرفت‌های جدیدی دست اشکار کرده است.

به نقل از سرویس اخبار فناوری و تکنولوژی تکنا، محققان اپل برای آموزش مدل‌های زبان بزرگ روی متن و عکس راه حلهای جدیدی را ابداع کرده‌اند که از طریق آن سیستم‌های هوش مصنوعی با قوت و انعطاف پذیری زیاد تر گسترش می‌یابند. اپل در مقاله تحقیقاتی خود خبرداد انواع مختلفی داده‌های آموزشی و معماری‌های متنوع به طور ترکیبی برای آموزش هوش مصنوعی منفعت گیری کرده و این داده‌ها علتپیشرفت کارکرد این سیستم در طیف وسیعی از معیارهای هوش مصنوعی خواهد شد.

محققان اپل در این مورد اظهار کردند: تلاش کردیم تا در مقیاس بزرگ برای پیش آموزش چند وجهی از ترکیبی دقیق مربوط به عکس، کپشن، متن، عکس مداخله‌ای و داده‌های متنی منفعت گیری کرده و به پیشرفت‌های مهم دست اشکار کنیم.

آموزش این مدل‌ها بر پایه داده‌های متنی همراه با اطلاعات بصری و زبانی انجام گرفته و مدل‌های تازه اپل توانسته‌اند برتری‌هایی در وظایفی از قبیل نوشتن، شرح تصاویر، پاسخگویی به سوالات بصری و یا استنتاج زبان طبیعی داشته باشند. به حرف های محققان اپل انتخاب رمزگذار عکس و این چنین وضوح تصاویر به گفتن ورودی روی کارکرد مدل‌ها تاثییر بسیاری خواهد داشت.

این محققان اعتقاد دارند بزرگترین مدل ساخته شده با ۳۰ میلیارد پارامتر اکنون در فهمیدن عرصه تصاویر توانایی خیره کننده‌ای داشته و مطابق این شرایط و بر پایه تصاویر ورودی می‌تواند استدلال چند مرحله‌ای از خود اراعه دهد. در حالی تحقیقات زیاد تر روی مدل‌های تازه اپل ادامه اشکار می‌کند که این شرکت به جستوجو اندوخته‌گذاری‌های زیاد تر در عرصه هوش مصنوعی است تا بتواند از رقبایی همانند مایکروسافت آمازون و گوگل در ادغاب این قابلیت‌ها پیشی گرفته و رقابت مناسبی را با آنها انجام دهد. اکنون این شرکت روی یک مدل زبانی بزرگ به نام Ajax و یک چت بات به نام Apple GPT برای منفعت گیری داخلی کار می کند.