مایکروسافت مدل هوش مصنوعی ماگما را معرفی کرد؛؛؛؛؛ مدلی که برای انجام کارهای دیجیتالی و فیزیکی طراحی شده است.
هوش مصنوعی جدید مایکروسافت با ترکیب فیلم ، زبان و پردازش مکانی نه تنها قادر به درک محیط آن نیست بلکه می تواند روی آن عمل کند.
در شاخص ها ، مدل ماگما در آزمون پاسخ ویدیویی VQAV2 4.1 به ثمر رساند و عملکرد بهتری نسبت به GPT-4V با نمره 1.2 داشت. ماگما برتری خود را در عملکرد کارهای روباتیک با پاپ 87.4 نشان داد.
به گفته توسعه دهندگان ، ماگما در نظر گرفته شده است “برنامه ریزی و اجرای اقدامات با هدف دستیابی به یک هدف خاص”. محققان مایکروسافت می گویند: “MAGA ناوبری رابط کاربری و کنترل ربات را ارائه می دهد و از طریق مدل های پیشرفته ای که مخصوص این کارها طراحی شده اند ، می گذرد.”
چنین قابلیت هایی به ماگما اجازه می دهد تا از رابط های نرم افزاری حرکت کند و سیستم های روباتیک را کنترل کند. با وجود نتایج قابل توجه ، این مدل هنوز در راه حل های پیچیده و طولانی مدت با چالش هایی روبرو است. مایکروسافت می خواهد یک کد Magama را در Gate Haba ارسال کند تا توسعه دهندگان بتوانند آن را بهبود بخشند.
قابلیت های چند جانبه جادویی و راندمان رقابتی آن در ناوبری رابط های مصرف کننده و کنترل روبات ها باعث می شود که آن را با مدل های قبلی متفاوت کند. تیم توسعه دهندگان می گوید: “ماگما پلی بین هوش زبانی ، فضا و زمان ایجاد می کند.”
مقالات مرتبط
رقابت برای پیشگام در دنیای هوش مصنوعی بیشتر و داغ تر و OpenAI می شود ، که از مایکروسافت پشتیبانی مالی دارد ، اخیراً آژانس اطلاعات مصنوعی اپراتور را در دسترس کاربران Chatgpt Pro قرار داده است.
اپراتور هنوز در اروپا در دسترس نیست. اما این عامل این می تواند کارهایی مانند پر کردن فرم ها ، خدمات رزرو و سفارش غذا را انجام دهد.
