详解多模态 AI

2022 年 11 月,OpenAI 推出了 ChatGPT。它只用了几天时间就以其前所未有的能力席卷了世界。生成式人工智能革命已经开始,每个人都在问同一个问题:下一步是什么?

当时,ChatGPT 和许多其他由大型语言模型 (LLM) 提供支持的生成式 AI 工具旨在处理来自用户的文本输入并生成文本输出。换句话说,它们被认为是单模态的人工智能工具。

今天,如果我们要回答一个问题,下一步是什么?最好的答案可能是多模态学习。这是正在进行的人工智能革命中最有希望的趋势之一。多模态生成式 AI 模型能够组合各种类型的输入,并创建可能还包括多种类型输出的输出。

在本指南中,我们将带您了解多模态 AI 的概念。我们将了解多模态 AI 的定义、其核心概念、底层技术和应用,以及如何在现实世界中实现它们。准备好实现多式联运了吗?让我们开始吧!

了解多模态 AI

虽然大多数先进的生成式人工智能工具仍然无法像人类一样思考,但它们正在提供突破性的结果,使我们更接近通用人工智能(AGI)的门槛。该术语指的是一个假设的人工智能系统,它可以像人类一样理解、学习和应用知识来完成各种任务。

在关于如何实现 AGI 的辩论中,我们需要解决的一个核心问题是人类如何学习。这就引出了人类大脑是如何工作的。长话短说,我们的大脑依靠我们的五种感官从周围环境中收集各种信息。然后,这些信息被存储在我们的记忆中,经过处理以学习新的见解,并用于做出决策。

第一个现代生成式 AI 模型,如 ChatGPT,被认为是单模态的;也就是说,他们只能将一种类型的数据作为输入并生成相同类型的输出。特别是,这些模型中的大多数被设计为处理文本提示并生成文本响应。

这是有道理的,因为这些模型需要大量的数据来训练,而文本不仅是一种可以轻松存储和处理的数据类型,而且也很容易获得。ChatGPT 等工具的大部分训练数据都来自互联网上的不同来源也就不足为奇了。

然而,阅读只是人类学习新事物的各种方式之一,而且对于许多任务来说,并不是最有效的。

多模态学习是人工智能的一个子领域,它试图通过使用大量文本以及其他数据类型(也称为感官数据,如图像、视频或录音)来训练机器来增强机器的学习能力。这使得模型能够学习文本描述与其相关图像、视频或音频之间的新模式和相关性。

多模态学习正在为智能系统开启新的可能性。训练过程中多种数据类型的组合使多模态 AI 模型适用于接收多种输入类型的模态并生成多种类型的输出。例如,ChatGPT 的基础模型 GPT-4 可以接受图像和文本输入并生成文本输出,以及 OpenAI 最近发布的 Sora 文本到视频模型。

多模态人工智能的核心概念

多模态生成式 AI 模型为最先进的 LLM 增加了新的复杂性。这些模型基于一种称为 Transformer 的神经架构。Transformer 由 Google 研究人员开发,依靠编码器-解码器架构和注意力机制来实现数据的高效处理。

这是一个相当复杂的过程,可能难以理解。如果您想了解有关 LLM 和 Transformer 如何工作的更多详细信息,请自行百度。

来源:DataCamp

多模态 AI 依靠数据融合技术来集成不同的数据类型,并构建对基础数据的更完整、更准确的理解。最终目标是通过结合不同数据模式提供的互补信息来做出更好的预测。

单模态与多模态 AI。资料来源:ResearchGate

单模态与多模态 AI

可以实施多种数据融合技术来应对多模态挑战。根据融合发生的处理阶段,我们可以将数据融合技术分为三类:

  • 早期融合。它涉及将不同的模态编码到模型中以创建通用表示空间。此过程会产生单个模态不变输出,该输出封装了来自所有模态的语义信息。
  • 中融合。它涉及在不同的预处理阶段组合模态。这是通过在神经网络中创建专门为数据融合目的而设计的特殊层来实现的。
  • 晚期融合。它涉及创建多个模型来处理不同的模态,并将每个模型的输出组合到一个新的算法层中。

没有一种单一的数据融合技术最适合所有类型的场景。相反,所选择的技术将取决于手头的多模式任务。因此,可能需要反复试验才能找到最合适的多模态 AI 管道。

支持多模态 AI 的技术

多模态人工智能是在人工智能的多个子领域积累知识的结果。近年来,人工智能从业者和学者在以多种格式和方式存储和处理数据方面取得了令人瞩目的进展。

在下面,您可以找到推动多模态 AI 热潮的领域列表:

深度学习

深度学习是人工智能的一个子领域,它采用一种称为人工神经网络的算法来处理复杂的任务。当前的生成式人工智能革命是由深度学习模型驱动的,特别是 transformer,这是一种神经架构。

多模态人工智能的未来也将取决于该领域的新进展。特别是,非常需要研究以找到增强变压器功能的新方法,以及新的数据融合技术。

自然语言处理 (NLP)

NLP是人工智能中的一项关键技术,弥合了人类交流和计算机理解之间的差距。它是一个多学科领域,使计算机能够解释、分析和生成人类语言,从而实现人与机器之间的无缝交互。

由于与机器通信的主要方式是通过文本,因此 NLP 对于确保生成式 AI 模型(包括多模态模型)的高性能至关重要也就不足为奇了。

计算机视觉

图像分析,也称为计算机视觉,包括一组计算机可以“看到”和理解图像的技术。该领域的进展允许开发多模态 AI 模型,这些模型可以将图像和视频作为输入和输出进行处理。

音频处理

一些最先进的生成式 AI 模型能够将音频文件作为输入和输出进行处理。音频处理的可能性范围从解释语音信息到同声传译和音乐创作。

多模态AI的应用

多模态学习使机器能够获得新的“感官”,从而提高其准确性和解释能力。这些权力为跨部门和行业的无数新应用打开了大门,包括:

增强生成式 AI

大多数第一代生成式 AI 模型都是文本到文本的,能够处理用户的文本提示并提供文本答案。GPT-4 TurboGoogle Gemini 或 DALL-E 等多模态模型带来了新的可能性,可以改善输入和输出端的用户体验。无论是接受多种模式的提示还是生成各种格式的内容,多模式 AI 代理的可能性似乎都是无限的。

自动驾驶汽车

自动驾驶汽车严重依赖多模态人工智能。这些汽车配备了多个传感器,以各种格式处理来自周围环境的信息。多模态学习是这些车辆以有效和高效的方式组合这些来源以实时做出情报决策的关键。

生物医学

来自生物库、电子健康记录、临床成像和医疗传感器的生物医学数据以及基因组数据的可用性不断提高,正在推动医学领域多模态人工智能模型的创建。这些模型能够处理这些以多种方式出现的各种数据源,以帮助我们解开人类健康和疾病的奥秘,并做出明智的临床决策。

地球科学与气候变化

地面传感器、无人机、卫星数据和其他测量技术的快速发展正在提高我们了解地球的能力。多模态人工智能对于准确组合这些信息至关重要,并创建新的应用程序和工具,可以帮助我们完成各种任务,例如温室气体排放监测、极端气候事件预测和精准农业。

实施多模态 AI 解决方案的挑战

多模态人工智能的繁荣为企业、政府和个人带来了无限的可能性。但是,与任何新兴技术一样,在日常运营中实施它们可能具有挑战性。

首先,您需要找到符合您特定需求的用例。从概念到部署的转变并不总是那么容易,特别是如果你缺乏正确理解多模态人工智能背后的技术细节的人。然而,鉴于目前数据素养差距,找到合适的人将模型投入生产可能既困难又昂贵,因为公司愿意支付高额费用来吸引如此有限的人才。

最后,在谈到生成式人工智能时,必须提到可负担性。这些模型,尤其是多模态模型,需要大量的计算资源才能工作,这意味着金钱。因此,在采用任何生成式 AI 解决方案之前,重要的是要估计您要投资的资源。

多模态人工智能的风险

与任何新技术一样,我们必须使用多模态 AI 模型来应对几个潜在的陷阱:

  • 缺乏透明度。 算法的不透明性是与生成式人工智能相关的主要问题之一。这也适用于多模态 AI。这些模式通常被标记为“黑匣子”模型,因为它们很复杂,这使得无法监控它们的推理和内部工作原理。
  • 多模态 AI 垄断。 鉴于开发、培训和运营多式联运模型所需的大量资源,市场高度集中在拥有必要专业知识和资源的大型科技公司中。幸运的是,越来越多的开源 LLM 正在进入市场,这使得开发人员、AI 研究人员和社会更容易理解和操作 LLM。
  • 偏见和歧视。根据用于训练多模态 AI 模型的数据,它们可能包含偏见,可能导致不公平的决定,这些决定往往会加剧歧视,尤其是针对少数群体的歧视。如前所述,透明度对于更好地理解和解决潜在的偏见至关重要。
  • 隐私问题。多模态 AI 模型使用来自多个来源和格式的大量数据进行训练。在许多情况下,它可能包含个人数据。这可能会导致与数据隐私和安全相关的问题和风险。
  • 道德考虑。 多模态人工智能有时会导致对我们的生活产生严重影响的决定,对我们的基本权利产生重大影响。
  • 环境考虑。研究人员和环境监管机构对与训练和操作生成式人工智能模型相关的环境足迹表示担忧。专有多模态人工智能模型的所有者很少发布有关模型消耗的能源和资源的信息,也很少发布相关的环境足迹信息,这对于这些工具的快速采用来说是非常成问题的。

多模态 AI 的未来

多模态人工智能无疑是生成式人工智能革命的下一个前沿领域。多模态学习领域的快速发展正在推动各种目的的新模型和应用程序的创建。我们才刚刚开始这场革命。随着新技术的发展,将越来越多的新模式结合起来,多模态人工智能的范围将扩大。

然而,权力越大,责任越大。多模态人工智能带来了严重的风险和挑战,需要解决这些风险和挑战,以确保公平和可持续的未来。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/770513.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Acer宏碁暗影骑士擎AN515-58笔记本电脑工厂模式原厂Win11系统ISO镜像安装包下载

宏基AN515-58原装出厂OEM预装Windows11系统工厂包,恢复出厂时开箱状态一模一样,带恢复还原功能 链接:https://pan.baidu.com/s/1iCVSYtList-hPqbyTyaRqQ?pwdt2gw 提取码:t2gw 宏基原装系统自带所有驱动、NITROSENSE风扇键盘灯…

4.2 循环语句loop,等差数列求和

汇编语言 1. 循环语句loop loop指令的格式是:loop 标号,CPU执行loop指令的时候,要进行两部操作 cx cx - 1;判断cx中的值,不为0则转至标号处执行程序,如果为0则向下执行 循环使用loop来实现,循环次数存…

一文看尽Mac上运行Windows的所有可能:虚拟机、云电脑 更多

需求背景 大学期间我一直用的是windows,经历了从wind8到wind11的时代。 21年我转型干了产品,拿着surface、Thinkpad办公,生产力跟身边MacBook的同事相比大打折扣;于是我入手了一款macbook。一用上就回不了头,苹果的妙控键盘、触摸板真的是梦幻的办公组合。我本人也没有在…

04、Lua 数据类型

Lua 数据类型 Lua 数据类型nil(空)boolean(布尔)number(数字)string(字符串)table(表)function(函数)thread(线程&#xf…

目标跟踪研究

我以前以为是靠高帧率实现目标识别的,现在才意识到目标跟踪也扮演着重要的角色 目录 1.目标跟踪问题简述2. 目标追踪综述3.目标跟踪-匈牙利匹配4.目标追踪-距离计算5.待续1.目标跟踪问题简述 目标跟踪 要实现跟踪,也就是需要了解前后帧之间的关系,那自然需要一个队列来保存…

vue中动态路由是什么该如何实现

在 Vue 中,动态路由是指根据不同的参数或条件,生成不同的路由配置。实现动态路由可以通过以下步骤: 1. **定义动态路由规则**: - 在路由配置文件(通常是 router/index.js)中,使用路由的 pat…

Typora结合PicGo + Github搭建个人图床

目录 一 、GitHub仓库设置 1、新建仓库 2、创建Token 并复制保存 二、PicGo客户端配置 1、下载 & 安装 2、配置图床 三、Typora配置 一 、GitHub仓库设置 1、新建仓库 点击主页右上角的 号创建 New repository 填写仓库信息 2、创建Token 并复制保存 点击右上角…

神经网络深度学习梯度下降算法优化

【神经网络与深度学习】以最通俗易懂的角度解读[梯度下降法及其优化算法],这一篇就足够(很全很详细)_梯度下降在神经网络中的作用及概念-CSDN博客 https://blog.51cto.com/u_15162069/2761936 梯度下降数学原理

JavaSE(上)-Day10

JavaSE(上)-Day10 多态多态中成员变量的调用多态中成员方法的调用多态的优缺点 包final关键字权限访问修饰符代码块 多态 什么是多态:对象的多种形态多态的前提是:有继承或实现关系;子类重写父类的方法,父…

QGraphicsView实现图片放大、缩小、鼠标拖动、以鼠标点放大缩小

1. 工程配置文件 pro 1 QT core gui2 3 greaterThan(QT_MAJOR_VERSION, 4): QT widgets4 5 CONFIG c116 7 # The following define makes your compiler emit warnings if you use8 # any Qt feature that has been marked deprecated (the exact warnings9 # depend…

使用免费ChatGPT提升工作效率

ChatGPT无限次数: 点击直达 智能工作利器ChatGPT:提升工作效率 在当今信息爆炸的时代,快速高效地撰写论文对于科研工作者来说至关重要。智能工具ChatGPT的出现为我们提供了强大的支持,它不仅能够提升工作的效率,还能够帮助我们更…

Oracle 使用PLSQL 导出 一个表的insert 语句

1. 使用工具 plsql 的方法,如图示 2. 操作界面(按ctrl键鼠标可多选表) 3. 然后就看到了插入语句 原文:https://www.cnblogs.com/jinanxiaolaohu/p/9192766.html

基于直方图相似性的图像分类算法FPGA实现,包括tb测试文件和MATLAB辅助验证

目录 1.算法运行效果图预览 2.算法运行软件版本 3.部分核心程序 4.算法理论概述 5.算法完整程序工程 1.算法运行效果图预览 MATLAB测试结果: FPGA测试结果: 上述仿真图中,红色XX表示图像读取完毕。因此输出XX。当图像输出完成之后&…

Elasticsearch 索引模板、生命周期策略、节点角色

简介 索引模板可以帮助简化创建和二次配置索引的过程,让我们更高效地管理索引的配置和映射。 索引生命周期策略是一项有意义的功能。它通常用于管理索引和分片的热(hot)、温(warm)和冷(cold)数…

科技类媒体邀约资源有哪些?科技公司做活动如何做好宣传?

传媒如春雨,润物细无声,大家好,我是51媒体网胡老师。 科技类媒体邀约资源包括了各类专注于科技报道的平台和渠道,科技公司可以通过多样化的宣传策略来提升活动的影响力。 科技类媒体资源的邀约通常涉及多种不同的平台和形式&…

基于nodejs+vue高校自习室预约系统的设计与实现python-flask-django-php

本系统在设计过程中,很好地发挥了该开发方式的优势,让实现代码有了良好的可读性,而且使代码的更新和维护更加的方便,操作简单,对以后的维护减少了很多麻烦。系统的顺利开发和实现,对于高校自习室预约这一方…

命令模式(请求与具体实现解耦)

目录 前言 UML plantuml 类图 实战代码 模板 Command Invoker Receiver Client 前言 命令模式解耦了命令请求者(Invoker)和命令执行者(receiver),使得 Invoker 不再直接引用 receiver,而是依赖于…

msvcp100.dll是什么东西?电脑msvcp100.dll丢失的六种解决方法

最近,我在电脑上打开一款软件时,遇到了一个问题:找不到msvcp100.dll丢失问题,为了解决这个问题,我进行了深入的学习和研究,并在此分享msvcp100.dll丢失的解决方法。 一,msvcp100.dll是什么&…

AI:133-基于深度学习的工业质检自动化

AI:133-基于深度学习的工业质检自动化 1.背景介绍 随着工业自动化水平的不断提高,工业质检成为了一个重要的环节。传统的工业质检主要依靠人工进行,不仅效率低下,而且容易受到主观因素的影响。近年来,随着深度学习技…

Visual Studio QT6 工程引入组件模块,例如:QtXml

QT 工程引入 QtXml QT 版本 6.6.1 Visual Studio 版本 Microsoft Visual Studio Community 2022 (64 位) - Current 版本 17.7.5 打开 Visual Studio 项目工程选择 工具栏 - 扩展 - QT VS Tools -Qt Project Settings 勾选 xml 后点击确定 点击应用即可 注意:配置环…