ChatGPT 不过如此，Kosmos-1 更胜一筹？微软这波又赢了

就在上周，微软继推出 new bing 之后，在 AIGC 领域再爆重磅炸弹：推出比 ChatGPT 更加全能的 AI —— AI--Kosmos-1

image.png

Kosmos，该词源于希腊语 kosmos，意思是：宇宙、和谐、表示一个有序且和谐的系统，与另外一个单词 chaos （混乱）相对。 怎么读？

image.png

本瓜：科哦日摸斯~~

ChatGPT 只能是纯文本对话，而这个 Kosmos-1 可以处理文本、音频、图像和视频等内容！！

ChatGPT 是【大型语言模型】（LLM） ，Kosmos-1 是【多模式大型语言模型】（MLLM）

来看看它的表现，一图胜千言：

image.png

CRAZY，在原先文本对话的基础上，再加图片的理解、音频的理解等，确实更进一步。

它原理如何？

咱们用魔法打败魔法，让兄弟产品 new bing 来作解释：

image.png

image.png

image.png

image.png

原理还是有点复杂，主要的观点：

KOSMOS-1 主干基于 Transformer 的因果语言模型，整合了语言、视觉、语言等模态的输入，对于连续信号模态（例如图像和音频），将输入表示为离散编码。

KOSMOS-1 借助了 PyTorch 框架，这个框架是一个深度学习的优化张量库，可使用 GPU 和 CPU 进行计算。

PyTorch 提供了灵活的动态计算图、自动求导功能、分布式训练和部署等特性，我们可以用它来构建各种神经网络模型，如卷积神经网络、循环神经网络、变分自编码器等。。。

image.png

Kosmos-1 在哪体验？

image.png

目前它还只是一个研究项目，未商用。最新进展在：

• Microsoft Introduces Kosmos-1: A Multimodal Large Language Model That Can Perceive General Modalities, Follow Instructions, And Perform In-Context Learning - MarkTechPost
• Microsoft Introduces Kosmos-1: A Multimodal Large Language Model That Can Perceive General Modalities, Follow Instructions, And Perform In-Context Learning - MarkTechPost

别的不说，微软这波确实走在了前头，首先它们以最快的速度引入 GPT 3.5 到自家 Edge 浏览器中，推出 new bing ，狂拉一波浏览器的使用率，之前这个基本被 Google 吞占了。

而后，又推出 Kosmos-1，将 AI 与图片分析、音频分析结合，可看出其野心。

前两天在 YOUTUBE 上看到一个博主说：微软正准备将 GPT 整合到自己的各类工具中，比如文档写作 office、onenote 等等，这必将带来又一波波爆炸式的产品增长。

凭借 AIGC，微软这波或能弯道超车，在 AI 应用上，超越谷歌、甲骨文等公司。

微软这波又赢了~~

image.png

OK，以上便是本篇分享，希望各位工友喜欢~ 欢迎评论 🤟