|
多模態大模型時代可能真的要來了。 谷歌預告了自己的多模態大模型：Gemini，號稱是"Anything to Anything"，它可以接收任意形式的輸入（文字，語音，圖片，視頻......），然后按照你的要求給出任意形式的輸出。
例如：給它一個視頻，讓它生成一段代碼。
例如：給它一張圖，讓它給你生成一張【圖片+文字】
甚至，它可以進行多語言識別，即使另一種文字是五線譜！
很厲害，有木有！ 從測試效果來看，Gemini是第一個在MMLU（大規模多任務語言理解，是測試人工智能模型的知識和問題解決能力的最流行的方法之一）上超越人類專家的模型，達到了90% 在與GPT4的較量中，無論是在問答、推理、數學還是編程方面，都要優于GPT4.
現在，Gemini有三種模型：
不得不說，這絕對是人工智能發展的一個里程碑，也是谷歌新時代的開始。
參考： 1. https://deepmind.google/technologies/gemini/#introduction |
|
|
