Alibaba пусна модели с изкуствен интелект, които могат да „разбират“ изображения и да водят смислен диалог

Китайският технологичен гигант Alibaba представи два езикови модела – Qwen Large Vision Language Model (Qwen-VL) и Qwen-VL-Chat, които демонстрират усъвършенствани възможности за интерпретация на изображения и диалог на естествен език. Като се има предвид нарастващото търсене на достъп до усъвършенствани алгоритми с изкуствен интелект, появата на езиковите модели на Alibaba може да се окаже точно навреме.

Представените езикови модели не се ограничават до разбиране на текстови данни. Qwen-VL е в състояние да възприема и разбира изображения. Алгоритъмът може да обработва заявки, свързани с различни изображения и да генерира отговори на тях. Qwen-VL-Chat е предназначен за по-сложни взаимодействия. Той може да сравнява няколко изображения, да отговаря на поредица от въпроси и да пише истории въз основа на предоставени от потребителя изображения. Например – потребителят може да попита за местоположението на дадена болница въз основа на снимка на нейната указателна табела и да получи точен отговор на този въпрос.

Едно от предимствата на представените езикови модели е, че те работят с висока точност. Според Alibaba, Qwen-VL значително превъзхожда съществуващите подобни езикови модели с отворен код по няколко критерия за оценка на английски език. Алгоритъмът поддържа и нова функция, наречена „комуникация с множество изображения“, която включва предоставяне от потребителя на няколко изображения, след което се задават свързани въпроси.

Използвайки стандартни бенчмаркове, Alibaba оцени възможностите на новите езикови модели при задачи, вариращи от генериране на коментари към изображения до отговаряне на въпроси към качени изображения. Двата модела бяха тествани и спрямо разработен от Alibaba бенчмарк, който се основава на оценката на GPT-4 – най-усъвършенстваният езиков модел на OpenAI, за да се определят възможностите за диалог и съответствието с човешкото възприятие. Отбелязва се, че Qwen-VL и Qwen-VL-Chat са постигнали най-добри резултати в различните категории.

Като една от първите китайски компании, които представиха система с изкуствен интелект, пускането на Qwen-VL и Qwen-VL-Chat от Alibaba е сигнал за бързия напредък на Китай в изследванията на изкуствения интелект. Като предоставя моделите с отворен код, Alibaba гарантира, че изследователите и компаниите по света ще могат да ги използват за разработване на собствени приложения, без да се налага да се занимават с времеемката и скъпа задача да обучават езикови модели от нулата. Това е стратегически ход, който отразява по-широката тенденция в областта на изкуствения интелект към сътрудничество и споделените ресурси.

Стартирането на проекта се случва точно в условията на ожесточена конкуренция между технологичните гиганти за лидерство в „ИИ надпреварата“. Това е смела стъпка от страна на Alibaba и напомняне, че тя е не само гигант в търговията на дребно, но и внушителен играч в света на технологиите.