Molmo یاد گرفت اشاره کند و عمل کند

شرح خبر

موسسه هوش مصنوعی آلن (Ai2) با انتشار نسخه جدیدی از خانواده مدل‌های بینایی-زبان باز Molmo، گامی بزرگ در جهت بهبود قابلیت‌های اشاره و تعامل با دنیای واقعی برداشته است. MolmoPoint، که در مارس منتشر شد، رویکردی نوین برای اشاره مستقیم به عناصر تصویری ارائه می‌دهد و با انتخاب مستقیم از داده‌های ورودی، دقت و کارایی را به طور چشمگیری افزایش داده است. این مدل رکوردهای جدیدی در بنچمارک‌های اشاره، شناسایی عناصر صفحه و ردیابی اشیا ثبت کرده و امکانات تازه‌ای برای رباتیک، عامل‌های خودمختار و خودکارسازی وظایف در محیط‌های مرورگر فراهم می‌آورد. باز بودن کامل وزنها، داده‌ها و کد Molmo به پژوهشگران در سراسر جهان اجازه داده تا از این مدل برای پروژه‌های متنوعی مانند ردیابی رفتار حیوانات، نظارت بر هوش مصنوعی و کاوش درک روابط مکانی استفاده کنند. موسسه Ai2 نسخه جدیدی از خانواده مدل‌های بینایی-زبان باز Molmo را با نام MolmoPoint معرفی کرد که قابلیت اشاره مستقیم به عناصر تصویری را ارائه می‌دهد. این مدل با انتخاب مستقیم از داده‌های ورودی، دقت و کارایی را در وظایف اشاره، شناسایی عناصر صفحه و ردیابی اشیا بهبود بخشیده است. MolmoPoint رکوردهای جدیدی در بنچمارک‌های مربوطه ثبت کرده و امکانات تازه‌ای برای رباتیک و عامل‌های خودمختار فراهم می‌آورد. باز بودن کامل وزنها، داده‌ها و کد Molmo به پژوهشگران اجازه داده تا از این مدل در پروژه‌های متنوعی استفاده کنند. علاوه بر این، MolmoWeb مجموعه‌ای از عامل‌های چندوجهی وب است که می‌توانند وظایف را در محیط مرورگر به نمایندگی از کاربران انجام دهند. قابلیت اشاره دقیق و کارآمد برای مدل‌های بینایی-زبان از اهمیت بالایی برخوردار است، زیرا این قابلیت پایه‌ای برای تفسیرپذیری، انجام وظایف پیچیده مانند شمارش و توسعه عامل‌های رباتیک و خودمختار محسوب می‌شود. رویکرد نوین MolmoPoint با حذف واسطه‌های متنی و اشاره مستقیم به داده‌های ورودی، دقت و مقاومتی را ارائه می‌دهد که در مدل‌های قبلی دیده نشده بود. این پیشرفت نه تنها عملکرد فنی را ارتقا می‌دهد، بلکه با باز بودن کامل مدل، اکوسیستمی گسترده‌تر برای پژوهش و توسعه سیستم‌های هوش مصنوعی تعاملی ایجاد می‌کند. این پیشرفت می‌تواند بازار رباتیک، خودکارسازی فرآیندها و توسعه عامل‌های هوش مصنوعی را تحت تاثیر قرار دهد. شرکت‌ها می‌توانند از MolmoPoint برای بهبود دقت سیستم‌های خودکار، کاهش هزینه‌های آموزش مدل‌ها و توسعه برنامه‌های کاربردی جدید در زمینه‌های مختلف استفاده کنند. پژوهشگران و استارتاپ‌های ایرانی فعال در حوزه هوش مصنوعی می‌توانند از باز بودن مدل Molmo و ابزارهای همراه آن برای توسعه پروژه‌های محلی و بین‌المللی بهره‌برداری کنند. این امر می‌تواند به کاهش وابستگی به مدل‌های بسته و توسعه اکوسیستم هوش مصنوعی در ایران کمک کند. باز بودن کامل مدل‌ها و داده‌ها می‌تواند چالش‌های حقوقی جدیدی در زمینه مالکیت فکری و استفاده از داده‌ها ایجاد کند. از سوی دیگر، این رویکرد می‌تواند به شفافیت بیشتر و کاهش موانع حقوقی برای پژوهشگران کمک کند. این پیشرفت می‌تواند رقابت بین کشورها و شرکت‌ها در حوزه هوش مصنوعی را تشدید کند. باز بودن مدل‌ها ممکن است به کاهش تسلط شرکت‌های بزرگ فناوری بر این حوزه کمک کند و فرصت‌های بیشتری برای کشورها و سازمان‌های کوچکتر ایجاد نماید. پژوهشی-فنی موسسه Ai2 با معرفی MolmoPoint، رویکردی نوین برای اشاره مستقیم در مدل‌های بینایی-زبان ارائه داد. این پیشرفت دقت و کارایی را بهبود بخشیده و اکوسیستمی گسترده‌تر برای هوش مصنوعی ایجاد می‌کند.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.