أحدث مناهج Google للنموذج التأسيسي متعدد الوسائط | بواسطة ايلين بانغو

تعد النماذج التأسيسية متعددة الوسائط أكثر إثارة من النماذج اللغوية الكبيرة. دعنا نراجع التقدم الأخير لأبحاث Google لإلقاء نظرة على حافة النزيف.

خلفية

في حين أن الضجيج على نموذج اللغة الكبيرة (LLM) لا يزال ساخنًا جدًا في الصناعة ، فقد حولت المنظمات البحثية الرائدة أعينها إلى النماذج التأسيسية متعددة الوسائط – النماذج التي لها نفس الحجم وخصائص تعدد الاستخدامات مثل LLM ولكن يمكنها التعامل مع البيانات التي تتجاوز النص فقط ، مثل الصور والصوت وإشارات المستشعر وما إلى ذلك. يعتقد الكثيرون أن النماذج التأسيسية متعددة الوسائط هي المفتاح لفتح المرحلة التالية من تقدم الذكاء الاصطناعي (AI).

في منشور المدونة هذا ، نلقي نظرة فاحصة على كيفية تعامل Google مع النماذج التأسيسية متعددة الوسائط. تم استخلاص المحتوى الذي يتم تناوله في منشور المدونة هذا من الأساليب والرؤى الرئيسية لأبحاث Google الحديثة ، والتي نقدم مراجع لها في نهاية هذه المقالة.

لماذا يجب أن تهتم

النماذج التأسيسية متعددة الوسائط مثيرة ، ولكن لماذا يجب أن تهتم؟ ربما قد تكون:

• ممارس AI / ML يريد مواكبة أحدث تطورات البحث في هذا المجال ، لكن ليس لديك الصبر لتصفح عشرات الأوراق الجديدة ومئات صفحات الاستطلاعات.
• قائد الصناعة الحالي أو الناشئ الذي يتساءل عما هو التالي بعد النماذج اللغوية الكبيرة ، ويفكر في كيفية مواءمة عملك مع الاتجاهات الجديدة في عالم التكنولوجيا.
• قارئ فضولي قد ينتهي به الأمر إلى أن يصبح مستهلكًا لمنتجات الذكاء الاصطناعي متعددة الوسائط الحالية أو المستقبلية ، ويريد الحصول على فهم مرئي وبديهي لكيفية عمل الأشياء خلف الكواليس.

لجميع الجماهير المذكورة أعلاه ، ستوفر هذه المقالة نظرة عامة جيدة لبدء فهمك للنماذج التأسيسية متعددة الوسائط ، والتي تعد حجر الزاوية لمستقبل الذكاء الاصطناعي الذي يسهل الوصول إليه ومفيدًا بشكل أكبر.

هناك شيء آخر يجب ملاحظته قبل الغوص فيه: عندما يتحدث الناس عن النماذج التأسيسية متعددة الوسائط ، فإنهم غالبًا ما يقصدون أن الإدخال متعدد الوسائط ، ويتألف من نصوص ، وصور ، ومقاطع فيديو ، وإشارات ، وما إلى ذلك. ال…