新火種AI|Meta首發(fā)變色龍?zhí)魬?zhàn)GPT-4o！AI股盤中上漲展現(xiàn)利好態(tài)勢。
作者：小巖
編輯：彩云
前幾天，OpenAI率先推出了GPT-4o，在業(yè)內(nèi)引起了不小的反響。究其原因，是因為GPT-4o的橫空出世再次創(chuàng)立了一個多模態(tài)模型發(fā)展的新范式。
為什么這么說呢？通常情況下，傳統(tǒng)的多模態(tài)基礎(chǔ)模型會為每種模態(tài)采用特定的“編碼器”或“解碼器”，以便將不同的模態(tài)分離開。然而，這種方法大大限制了模型的發(fā)揮，使其有效融合跨模態(tài)信息的能力變差。
而OpenAI所推出的GPT-4o就能有效解決這個問題，因為它是首個端到端訓練的，跨越文本，視覺和音頻的模型，所有的輸入和輸出，都由單個神經(jīng)網(wǎng)絡(luò)處理。GPT-4o與以往的所有模型都不盡相同，也正因此，OpenAI將其稱為“首個原生多模型”。
不過，“首個”的頭把交椅還沒有坐熱乎，OpenAI就遭遇到了Meta的挑戰(zhàn)。就在最近，Meta團隊發(fā)布了混合模態(tài)Chameleon（變色龍） 。它可以在單一神經(jīng)網(wǎng)絡(luò)無縫處理文本和圖像，10萬億token訓練的34B參數(shù)模型性能接近GPT-4V，刷新SOTA。
如此看來，OpenAI的新產(chǎn)品剛推出不久，便遇到了足以與之相抗衡的對手。
Chameleon：多模態(tài)文生圖大模型，Meta在生成式AI方向上的新王牌。
作為Meta獨家推出的王牌產(chǎn)品，Chameleon有什么獨特之處呢？
與GPT-4o一樣，Chameleon采用了統(tǒng)一的Transformer架構(gòu)，使用文本，圖像和代碼混合模態(tài)完成訓練。以類似文本生成的方式，對圖像進行離散“分詞化”，最終生成和推理交錯的文本和圖像序列。
因為使用了這種“早期融合”的方法，所有的pipeline從一開始就被映射到一個共同的表示空間，因此模型可以無縫處理文本和圖像。不過，任何事情都有正反兩面。早期融合的設(shè)計雖然可以使模型做到“無縫銜接”，但與此同時，也給模型訓練帶來了重大的技術(shù)挑戰(zhàn)。對此，Meta研究團隊引入了一系列架構(gòu)創(chuàng)新和訓練技術(shù)。
數(shù)據(jù)結(jié)果表明，在純文本任務中，340億參數(shù)Chameleon的性能和Gemini-Pro相當；在視覺問答和圖像標注基準上，刷新SOTA，性能接近GPT-4V。
性能卓越，架構(gòu)獨特，Chameleon的未來將呈現(xiàn)怎樣的發(fā)展前景？
正如我們前面所提到的那樣，傳統(tǒng)上的文本生成模型會通過多任務指令調(diào)整以提高對各種任務指令的理解能力，而圖像生成模型則專門針對特定任務進行優(yōu)化。但是，Chameleon在圖像和文本生成任務上都采用了大規(guī)模多任務指令微調(diào)，使其性能得到顯著提升。這表明了縮放策略在tokenizer-based圖像生成模型上的通用性。
譬如，以下4張圖像是按照下面的文字說明依次創(chuàng)建的：
（1）撒哈拉沙漠中戴著草帽和霓虹太陽鏡的小仙人掌。
（2）一只人手的特寫照，手模特。高質(zhì)量。
（3）一只主角是浣熊的動漫人物，準備用武士刀進行史詩級戰(zhàn)斗。戰(zhàn)斗姿勢。幻想、插圖
（4）一塊寫著“1991年”的幻想風格停車標志。
此外，Chameleon在架構(gòu)上也具有自己的獨特之處。它使用了解碼器transformer，類似于常見的文本模型，這也是它與GPT-4o的相同之處。但是，Chameleon也具有與眾不同之處。它能夠輸入和生成文本和圖像，這使得其能夠處理多種任務，包括文本引導的圖像生成和編輯，文本到圖像生成，文本任務等，這無疑展現(xiàn)出了Chameleon的出色的性能。
它可以根據(jù)不同的提示生成簡短或長篇的字幕，并回答有關(guān)圖像的問題。
舉例來說，想象一只狗拿著一根棍子。
提示問題：狗拿著什么？
模型生成：棍子
提示：非常詳細地描述給定的圖像
模型生成：在這張圖片中，有一只狗用嘴叼著一根棍子。在畫面的背景中，還有草地和樹。
如今，各式各樣的AI模型如雨后春筍般不斷冒頭，想要在一眾競爭對手中站穩(wěn)腳跟，就必須擁有核心競爭力。目前來看，Meta的Chameleon是很有競爭力的，它的的強大性能為更圖像生成工具帶來了更加連貫，更符合輸入提示的圖像生成能力。它不僅能夠處理復雜對象，還能夠在處理時涵蓋到多個約束條件的提示，展現(xiàn)出卓越的表現(xiàn)。這對于提高圖像生成的創(chuàng)造力和應用于元宇宙等領(lǐng)域有著積極意義。
AI能力進步速度快不快，與其訓練數(shù)據(jù)是否全面，是否具有偏見密切相關(guān)。所以，對于AI技術(shù)的應用，透明度將是加速進步的關(guān)鍵。如今，Chameleon的開源工作為多模態(tài)語言模型鋪平了道路，為更高質(zhì)量的圖像生成和理解邁出了堅實的一步，讓我們看到了更多的希望。
科技巨頭接連出新品帶來強勢利好，人工智能AIETF盤中漲超1.8%。
最近一段時間，AI賽道是相當熱鬧的，一眾科技巨頭爭相推出自己最新的AI大模型。
上周開始，OpenAI和谷歌分別推出了GPT-4o和升級版Gemini 1.5 Pro。在此之后，Meta也不落人后，于近日發(fā)布了“混合模態(tài)”基座模型Chameleon。科技巨頭接連推出新產(chǎn)品無疑形成了強勢利好，使得市場上出現(xiàn)了積極的反饋。
根據(jù)5月20日數(shù)據(jù)反饋，早盤人工智能AIETF（515070）小幅低開后走高，截止北京時間中午12：00，最高漲幅超過1.81%。而持倉股中中國軟件領(lǐng)漲超5%，太極股份，光迅科技，新易盛以及寒武紀等個股跟漲。
2024年的AI行業(yè)處于群雄逐鹿的狀態(tài)，無論是海外的科技巨頭，還是國內(nèi)一線的互聯(lián)網(wǎng)公司，都在積極訓練和迭代自身的模型能力，堪稱神仙打架。它們所推出的模型產(chǎn)品，無論從進階維度，還是從模型能力而言，都已經(jīng)上升到了極高的水準之上。大模型由最初的大語言模型向多模態(tài)不斷進階；從最基本的文本到文生圖，文生視頻的維度不斷擴充。
AI巨頭們連續(xù)發(fā)布的新品勢必會在全世界范圍內(nèi)掀起一波新的AI浪潮，在這波浪潮的帶動下，諸如人工智能AIETF，機器人ETF等AI產(chǎn)業(yè)鏈也會受到催化，從而刺激相關(guān)市場的上漲。
轉(zhuǎn)載請在文章開頭和結(jié)尾顯眼處標注：作者、出處和鏈接。不按規(guī)范轉(zhuǎn)載侵權(quán)必究。
未經(jīng)授權(quán)嚴禁轉(zhuǎn)載，授權(quán)事宜請聯(lián)系作者本人，侵權(quán)必究。
本文禁止轉(zhuǎn)載，侵權(quán)必究。
授權(quán)事宜請至數(shù)英微信公眾號(ID: digitaling) 后臺授權(quán)，侵權(quán)必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）