微軟推出Kosmos-1，比ChatGPT更強(qiáng)大？

01

比ChatGPT更強(qiáng)大的AI應(yīng)用來了？

最近，微軟推出了全能型人工智能模型——Kosmos-1。與局限于文本內(nèi)容（ LLM）的ChatGPT相比，Kosmos-1屬于多模式大型語言模型（MLLM），目前能同時(shí)理解文字與圖像內(nèi)容，未來會整合更多的輸入模式，如音頻、視頻。

從上圖Kosmos-1的應(yīng)用中我們可以很直觀的看出，Kosmos-1和ChatGPT一樣具有多輪對話能力、邏輯推理能力等像人類一樣的思維能力，并在此基礎(chǔ)上增加了圖片的輸入模式。

02

除了視覺對話，Kosmos-1還能怎么用？我們來看一下微軟研究員在《Language Is Not All You Need》這篇學(xué)術(shù)論文中所展示的Kosmos-1的應(yīng)用示例。

圖1～2展示了Kosmos-1的圖像解釋說明能力，有點(diǎn)像小時(shí)候我們做的看圖說話類題目；圖3～6展示了Kosmos-1的視覺應(yīng)答能力，其中包含圖像、網(wǎng)頁、數(shù)學(xué)公式的識別及應(yīng)答；圖7～8展示了Kosmos-1的數(shù)字識別能力。

對了，Kosmos-1還是第一個(gè)能完成零樣本瑞文智商測試的AI，只是準(zhǔn)確率還不高，經(jīng)過指令調(diào)教之后，準(zhǔn)確率為26%。

和ChatGPT一樣，AI不懂的東西我們可以去教它。比如，Kosmos-1無法從圖片判斷出是哪種啄木鳥，或者說，它并不知道三趾啄木鳥和絨毛啄木鳥的區(qū)別，這時(shí)候我們可以告訴它這兩類啄木鳥的特征分別是什么，幫助它進(jìn)行判斷。

總的來說，Kosmos-1目前既可以進(jìn)行語言理解、語言對話等語言任務(wù)，也可以實(shí)現(xiàn)圖像說明、視覺識別、視覺對話、視覺智商測試等視覺任務(wù)，相當(dāng)全能。

03

前有與OpenAI合作的ChatGPT，后有更全能的Kosmos-1，微軟在人工智能的賽道上可謂風(fēng)騷絕代。

要知道，在移動互聯(lián)網(wǎng)時(shí)代，這位老大哥是落后的。

微軟成立于 1975 年，憑借著強(qiáng)大的 Windows 操作系統(tǒng)以及軟件領(lǐng)域的實(shí)力，坐上了科技界的頭把交椅。

1998年，谷歌誕生了。

隨著移動互聯(lián)網(wǎng)的崛起，谷歌的安卓系統(tǒng)成為了主流。在自己的強(qiáng)項(xiàng)——操作系統(tǒng)上輸給了后起之秀，微軟對自己錯失良機(jī)懊悔不已。

后來微軟推出了必應(yīng)，想在谷歌擅長的搜索引擎領(lǐng)域分一杯羹，但結(jié)局大家也都知道——真的只是分了一小杯羹。

而自CEO納德拉上任后，微軟的愿景描述中加入了AI。微軟將自身的發(fā)展戰(zhàn)略從「移動為先、云為先」修改為「智能云和智能邊緣計(jì)算」。

這次布局的成果我們也看到了，在以聊天機(jī)器人為代表的AI之戰(zhàn)第一回合中，微軟更勝一籌。接下來谷歌會如何反擊，我們拭目以待。

04

微軟的發(fā)展歷程告訴我們，暫時(shí)的落后并不可怕，不要糾結(jié)已經(jīng)失利的當(dāng)下，而要關(guān)注充滿機(jī)遇的未來。及早布局，才能彎道超車。

而我也很有幸見證這一切，一邊感慨著科技巨頭們的精彩過往，一邊期待著下一個(gè)超越ChatGPT和Kosmos-1的人工智能。

我并不確定你會不會忽然地出現(xiàn)在街角的咖啡店，但通用人工智能會出現(xiàn)在下一個(gè)街角，是確定的。

文中部分圖片來自論文《Language Is Not All You Need: Aligning Perception with Language Models》

生成海報(bào)

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀點(diǎn)，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。