एलोन मस्क के xAI द्वारा ग्रोक 1.5 विज़न AI मॉडल का अनावरण किया गया

एलोन मस्क का आर्टिफिशियल इंटेलिजेंस (एआई) फर्म एक्सएआई ने एक नए एआई मॉडल का अनावरण किया है जिसे डब किया गया है ग्रोक 1.5 दृष्टि. यह बड़ा भाषा मॉडल (एलएलएम) हाल ही में जारी ग्रोक 1.5 मॉडल का एक उन्नत संस्करण है। इस अपग्रेड के साथ, एआई मॉडल अब कंप्यूटर विज़न से लैस है, जो इसे विजुअल मीडिया को इनपुट के रूप में स्वीकार करने में सक्षम बनाता है। यह छवियों को संसाधित कर सकता है और इसके बारे में प्रश्नों का उत्तर दे सकता है। विशेष रूप से, यह घोषणा OpenAI के कुछ ही दिनों बाद आई पुर: इसका अपना कंप्यूटर विज़न-संचालित GPT-4 मॉडल है।

यह घोषणा xAI के आधिकारिक X (पहले ट्विटर के नाम से जाना जाता था) अकाउंट द्वारा की गई थी। फर्म ने एक साझा किया ब्लॉग भेजा नए एआई मॉडल का विवरण दिया और इसके कुछ बेंचमार्क स्कोर साझा किए। चूंकि हाल ही में दृष्टि क्षमताओं को जोड़ा गया था अनावरण किया ग्रोक 1.5 मॉडल, अधिकांश विवरण समान रहते हैं। इसमें 1,28,000 टोकन की समान संदर्भ विंडो है और सामान्य बेंचमार्क स्कोर भी समान रहने की संभावना है।

xAI ने कंपनी द्वारा विकसित बेंचमार्क पर परीक्षण किए गए ग्रोक 1.5 विज़न के बेंचमार्क स्कोर भी साझा किए। AI फर्म इसे RealWorldQA बेंचमार्क कहती है और यह “वास्तविक दुनिया की स्थानिक समझ” को मापती है। इसने एमएमएमयू, मैथविस्टा, चार्टक्यूए और अन्य जैसे कई अन्य बेंचमार्क में भी मॉडल का परीक्षण किया। जबकि ग्रोक ने बेहतर प्रदर्शन किया ओपनएआई RealWorldQA में विजन और जेमिनी 1.5 प्रो के साथ GPT-4, इसने MMMU और चार्टQA में कम स्कोर किया।

अज्ञात लोगों के लिए, कंप्यूटर विज़न कंप्यूटर विज्ञान की एक शाखा है जो कंप्यूटर (और एआई मॉडल) को छवियों और वीडियो का उपयोग करके वास्तविक दुनिया में वस्तुओं को पहचानने और समझने की क्षमता से लैस करती है। इसे कंप्यूटरों को मनुष्यों की तरह दृश्य संकेतों को देखने और संसाधित करने में मदद करने के लिए डिज़ाइन किया गया है। मल्टीमॉडल एआई मॉडल के उदय के साथ, कई कंपनियां अब दृष्टि-केंद्रित मॉडल विकसित करने पर ध्यान केंद्रित कर रही हैं। गूगल का मिथुन राशि 1.5 प्रो और ओपनएआई के जीपीटी-4 विजन के साथ दोनों में यह क्षमता है।

यह तकनीक अनुप्रयोगों की एक विस्तृत श्रृंखला भी प्रदान करती है। भारतीय कैलोरी ट्रैकिंग और पोषण फीडबैक प्लेटफॉर्म हेल्थीफाई ने हाल ही में स्नैप नामक एक फीचर जोड़ा है जहां उपयोगकर्ता किसी खाद्य पदार्थ या व्यंजन की तस्वीर क्लिक कर सकते हैं, और विजन-संचालित एआई चैटबॉट के साथ जीपीटी -4 सुझाव देता है कि नुस्खा को कैसे स्वास्थ्यवर्धक बनाया जा सकता है, और कितना अतिरिक्त कैलोरी जलाने के लिए व्यायाम करना आवश्यक है। भविष्य में, कंप्यूटर विज़न वाले एआई मॉडल बीमारियों के निदान, सेल्फ-ड्राइविंग कारों के निर्माण और बहुत कुछ में सहायता कर सकते हैं।