Kosmos-2는 Embodiment AI에 혁신적일 수 있습니다.
- Microsoft가 자금을 지원하는 새로운 연구는 AI 물리적 특성을 탐구합니다.
- 언어 모델인 Kosmos-2는 공간 개념을 인식하도록 훈련되었습니다.
- 그것은 또한 공간에 대한 자체 지식과 함께 제공됩니다.
마이크로소프트는 최근 AI 연구 자금 조달에 많은 예산을 투입하고 있습니다. 범고래 13B Microsoft가 자금을 지원하고 모인 연구원 팀이 빌드한 후 대중에게 오픈 소스입니다.
롱멤 AI 모델에서 무제한 컨텍스트 길이에 대한 Microsoft의 희망입니다. 또한 Redmond에 기반을 둔 거대 기술 기업이 자금을 지원한 연구 결과이기도 합니다.
파이-1코딩을 위한 새로운 언어 모델인 는 스스로 지식을 학습하고 개발할 수 있습니다. Microsoft는 이를 위한 연구 자금을 지원했습니다.
그리고 Embodiment AI는 AI 개발의 다음 퀘스트인 것 같습니다. 그러나 Microsoft는 AI에 대한 또 다른 연구를 통해 답을 얻을 수 있습니다. 이번에는 코스모스-2, Embodiment AI의 기반이 되는 새로운 AI 모델.
Microsoft의 Kosmos-2는 Embodiment AI 프로토타입입니다.
Embodiment AI에 대해 처음 듣는 것일 수도 있습니다. 글쎄, 그 이름은 그 자체로 꽤 암시적입니다. 그렇다면 Embodiment AI가 무엇인지 물어보실 수 있습니다.
Embodiment AI는 물리적인 몸을 가지고 의미 있는 방식으로 세상과 상호 작용할 수 있는 지능형 에이전트 개발에 중점을 둔 인공 지능 분야입니다.
이 개념은 신체가 에이전트가 학습하고 결정을 내리는 방식에서 중요한 역할을 한다는 생각을 기반으로 합니다.
즉, AI가 몸을 가지고 움직이면 이것으로부터 배우고 응답하고 답변을 형성하고 그에 따라 상호 작용할 수 있습니다. 그리고 우리가 공상과학의 영역에 진입했다고 생각한다면 입장을 고수하십시오. AI는 항상 물리적이 되어야 했습니다.
연구에 따르면 Kosmos-2는 객체 설명(예: 경계 상자)을 인식하고 텍스트를 시각적 세계에 접지시키는 새로운 기능을 가능하게 하는 언어 모델입니다. 연구원들은 참조 표현을 Markdown의 링크, 즉 "텍스트 범위"로 표현했습니다. 여기서 개체 설명은 위치 토큰의 시퀀스입니다.
그들은 다중 모드 말뭉치와 함께 모델을 훈련시키기 위해 접지된 이미지-텍스트 쌍(GrIT라고 함)의 대규모 데이터를 구성했습니다. 이 모델은 Kosmos-2에서 MLLM의 기존 기능을 통합하는 것 외에도 접지 기능을 애플리케이션에 통합합니다.
이것은 언어가 공간을 인식하고 자체 인식, 행동 및 세계 모델링을 제시하는 단계로 나아갔다는 것을 의미합니다. 연구원들은 이런 식으로 Kosmos-2가 물리적 AI의 기반이라고 생각합니다. 당신은 연구를 읽을 수 있습니다 여기.
Microsoft Kosmos 2에 대해 어떻게 생각하십니까? AI에 물리적 형태가 있으면 좋을까요? 아래 의견란에 알려주십시오.
