マイクロソフト、視覚的なコンテンツも認識するマルチモーダルAI「Kosmos-1」を発表

今回は「マイクロソフト、視覚的なコンテンツも認識するマルチモーダルAI「Kosmos-1」を発表」についてご紹介します。

関連ワード (ソフトウェア等) についても参考にしながら、ぜひ本記事について議論していってくださいね。

本記事は、ZDNet Japan様で掲載されている内容を参考にしておりますので、より詳しく内容を知りたい方は、ページ下の元記事リンクより参照ください。


 Microsoftは、同社がマルチモーダル大規模言語モデル(MLLM)と呼ぶ新たな人工知能(AI)モデル「Kosmos-1」を発表した。Kosmos-1は言葉によるプロンプトに答えるだけでなく、視覚的なキュー(きっかけ)にも対応できるようになっている。このため、画像に説明を付けたり、画像に関連した質問に回答するなどの、さまざまなタスクに利用できる。

 OpenAIの「ChatGPT」によって、GPTモデルなどの大規模言語モデル(LLM)というコンセプトとともに、テキストプロンプトや入力を出力へと変換する処理に関する可能性が一般に知られるようになった。

 MicrosoftのAI研究者らは「Language Is Not All You Need: Aligning Perception with Language Models」(必要なのは言葉だけではない:知覚と言語モデルの整合)という論文の中で、人々が対話能力に感銘を受ける一方、LLMは依然として画像や音声でのプロンプトといったマルチモーダルな入力に苦戦していると述べている。そして、ChatGPTのような能力を汎用人工知能(AGI)のレベルに引き上げるには、マルチモーダル知覚、すなわち現実世界における知識獲得と、「グラウンディング」(現実世界での意味とコンピューター内部のシンボルの関連付け)が必要だと示唆している。

 この論文には「より重要なのは、マルチモーダルな入力を実現することで、マルチモーダルな機械学習(ML)や、ドキュメントインテリジェンス、ロボティクスといった、より価値の高い領域へ言語モデルの応用範囲が大きく広がるという点だ」と記されている。

 Alphabet傘下のロボティクス企業であるEveryday Robotsと、Google ResearchのBrain Teamは2022年にLLMを用いて、人間が指示した物理的なタスクをロボットに実行させ、グラウンディングの役割を示して見せた。このアプローチには、現実世界において与えられたコンテキスト内で実行可能なタスクにおける言語モデルのグラウンディングが含まれていた。一方Microsoftも、同社の「Prometheus」というAIモデルでグラウンディングを使用し、OpenAIのGPTモデルと、「Bing」検索順位や検索結果に基づく現実世界のフィードバックを統合している。

 Microsoftによると、同社のKosmos-1は汎用モーダリティーの知覚や、指示の遂行(ゼロショット学習)、コンテキスト内での学習(Few-Shot《フューショット:少ないデータでの》学習)が可能だという。また論文には「目標は、知覚とLLMを整合させることで、モデルが見たり聞いたりできるようにすることだ」と記されている。

 プロンプトに対するKosmos-1の出力デモンストレーションには、にんまり笑った口の描かれた紙が猫の口元に差し出されている写真も使われていた。その際のプロンプトは「この写真が面白い理由を説明してください」であり、Kosmos-1の回答は「猫が、笑っているように見えるマスクをしている」というものだった。

COMMENTS


Recommended

TITLE
CATEGORY
DATE
オフィス・自宅に続く“第三の拠点”を確保 コワーキングスペース利用中の企業が「テレキューブ」も活用するワケ
PR
2021-03-02 23:40
AWSのスタートアップ支援会見に経産省が登壇した意味とは
IT関連
2022-11-03 16:10
DNP、グループ社員3万人に「生成AI」の利用環境を構築
IT関連
2023-06-02 18:14
ソフトバンクG孫社長がNVIDIAへのArm売却断念の経緯を決算会見で説明、2022年度内に再上場目指す
IT関連
2022-02-09 19:37
旭化成、DXは次のステップに–「デジタル創造期」で経営革新に注力
IT関連
2022-12-15 01:49
研究成果の迅速な公開とオープンサイエンス推進に向け、本格的プレプリント(査読前論文)サーバーJxivが3月24日公開
IT関連
2022-03-16 06:38
欧州の家電見本市「IFA 2021」リアル開催へ 「業界に新たな勢いと弾みもたらす」
くらテク
2021-05-11 14:42
京アニ、18日に追悼動画を配信 放火事件からまもなく2年で 現地での追悼は「固くご辞退」
くらテク
2021-07-06 09:11
JPCERT/CC、「Volt Typhoon」関連型サイバー攻撃への注意喚起情報を発表
IT関連
2024-06-27 06:30
Node.jsの新LTS版となる「Node.js 16」正式リリース。Apple M1チップ対応、JavaScriptエンジン「V8 9.0」搭載など新機能
JavaScript
2021-04-23 17:49
グーグル、古いPCを無料でよみがえらせる「Chrome OS Flex」を発表
IT関連
2022-02-17 07:22
「Windows 10」次期機能アップデート「21H1」、Betaチャネルでリリース
IT関連
2021-02-19 00:44
ServiceNow、「Now Platform Tokyo」をリリース–新しい業務の在り方を支える新機能
IT関連
2022-10-06 03:51
NASAの火星ヘリコプター「Ingenuity」初飛行に成功
科学・テクノロジー
2021-04-21 03:17