比 ChatGPT更强大，微软推出全能型模型 Kosmos-1

文章摘要：Kosmos-1可以处理文本、图像、音频和视频等内容。比如，该模型可分析图像的内容，进行文本识别以及理解自然语言指令等。

从二十世纪初开始，人们就在科幻作品中憧憬人工智能（AI）给社会带来各种各样的便利。但随着技术的发展，这些憧憬也变成了担忧，我们看到了在各种科幻作品中，AI取代或者是奴役人类又或者是毁灭世界。而其中最现实的一点忧虑便是AI取代了大部分人类的工作。今年，随着Chatgpt的横空出世，这些担忧似乎马上要成为现实了。

微软于近日推出了更全能型的多模式大型语言模型Kosmos-1。

Kosmos-1可以处理文本、图像、音频和视频等内容。比如，该模型可分析图像的内容，进行文本识别以及理解自然语言指令等。

论文显示，KOSMOS-1可根据图像回答有关问题、从图像中读取文本、为图像编写标题，根据图形推理（准确度为26%）。相比于纯文本语言模型ChatGPT，多模态语言模型的KOSMOS-1将更适合应对复杂、多元的人工智能技术应用。

同时用于训练Kosmos-数据同样源自网络，同时为了让Kosmos-1能进一步理解图像内容，研究人员通过事先将图像以文字内容加上大量标记，让此大型语言模型可以进一步理解图像内容，以实现多模式大型语言模式。加入图像内容理解能力之后，将有助于Kosmos-1识别文字以外的图像内容，甚至进一步判断动态视频描述内容。

文章为沃丰科技原创，转载需注明来源：https://www.udesk.cn/ucm/report/39687