多模態人工智能及其在商業中的應用| 商業中的人工智能 #21

已發表: 2022-10-11

當今可用於商業的人工智能模型與人類智能的不同之處主要在於它們大多是單峰的。 這意味著他們只接受一種類型的信息。 通往完全有能力的人工智能之路的下一步是多模態模型它們結合了各種類型的數據，同樣，人類開發了多種感官來探索他們所生活的世界。但是多模態人工智能在商業中有哪些應用呢？

多模式 AI - 目錄：

當今大多數人工智能模型都基於一種數據進行訓練。 這些可能包括：

這種單峰模型可以快速處理大量信息，並且比人類更好地發現模式。但是，它們有嚴重的局限性。他們對上下文不敏感，也不太擅長處理不尋常和模棱兩可的情況。

多模式模型可以更好地處理這些人工智能最困難的任務。 他們可以像人類一樣，以不同的“感官”探索世界，並從不同的來源學習。通過這樣做，他們將遙遠的事實聯繫起來，並將各種數據組合在一起。

在商業環境中，一個面向未來的多模式人工智能可以處理，例如，公司業務流程的優化、社交媒體帖子的分析、物流組織，甚至倉庫中貨物的物理定位。 通過訪問各種類型的數據，它可以集中管理公司，同時對業務運營的每個可衡量方面都有廣泛而詳細的了解。

一種利用多模態的人工智能模型是 DALL-E 2，它是從文本線索創建的令人驚訝的圖像的作者。然而，當今“多感官”人工智能的能力遠遠超出了構圖的範圍。 今天開發的模型結合了模態對，例如：

已經獲得認可的最令人興奮的工具之一是Synthesia。 這個基於瀏覽器的平台，用於根據輸入的文本創建視頻，提供視覺演示，並附有化身講師。 Synthesia 為以下製造商提供了廣泛的功能：

現在，無需僱用演員、畫外音和演示設計師，只需將多模式 AI 服務用於業務，並在幾分鐘內根據精心編寫的文本創建鏡頭。 通過使用翻譯模塊，您還可以準備多種語言版本的材料。

現代多式聯運模型中最好的是 Gato。 這種由 Deep Mind 開發的深度神經網絡同時從各種來源獲取信息，它比單峰模型學習得更快、更有效。它的一些功能包括：

如今，其中許多功能已經存在於自動駕駛汽車或智能城市等複雜系統中。但是，他們的應用程序還沒有在小型企業領域得到升級。

儘管如此，人們仍然可以想像將多模式功能交付給各種企業。 通過描述來自閉路電視攝像機的圖像，它可以對庫存商品進行分類或識別商店貨架上缺失的產品。對像操作將自動補充事先確定的丟失貨物，無需任何人工參與。

多模態人工智能被寄予厚望。從我們的角度來看，它主要預示著人工智能為企業工作的方式發生了革命性的變化。 代替分佈式、點解決方案來自動化簡單、重複性任務，從各種來源收集數據並從超出人類感知能力的大量數據中得出結論的強大工具的出現即將出現。

也許在未來，人工智能甚至會創建自主公司。 但很快，它將生成實時視聽材料，直接響應客戶提出的產品查詢。

如果您喜歡我們的內容，請在 Facebook、Twitter、LinkedIn、Instagram、YouTube、Pinterest、TikTok 上加入我們忙碌的蜜蜂社區。

作者：羅伯特·惠特尼
JavaScript 專家和指導 IT 部門的講師。他的主要目標是通過教其他人如何在編碼時有效合作來提高團隊生產力。
查看所有帖子