Microsoft 刚刚推出了 Magma,这是一款新型人工智能模型,旨在帮助机器人更智能地观察、理解和行动。与传统的 AI 模型不同,Magma 可以同时处理不同类型的数据——Microsoft 称这是朝着"主动式 AI"(即能够代表用户规划和执行任务的系统)迈出的重要一步。
这个结合了视觉和语言处理的模型,通过视频、图像、机器人数据和界面交互进行训练,使其比以往的模型更加多功能。
在其 Github 页面上,Microsoft 研究团队概述了 Magma 如何执行任务,比如操控机器人和导航用户界面(如点击按钮)等功能。
为了开发这项技术,该公司与马里兰大学、威斯康星大学麦迪逊分校和华盛顿大学的研究人员展开合作。
在各大科技巨头竞相开发能够自动化日常生活更多方面的 AI 代理之际,这项技术应运而生。Google 一直在推进面向机器人的语言模型,而 OpenAI 的 Operator 工具则旨在通过在专用浏览器中进行打字、点击和滚动来处理预订、订购杂货和填写表格等日常任务。
该项目的首席研究员杨建伟 (Jianwei Yang) 告诉 CNET,AI 的未来不仅仅是为聊天机器人开发多模态基础模型。
他表示:"我们认为 AI 的下一个重要步骤在于开发能够无缝理解和交互数字和物理环境的代理。"
他说,Magma 的重要性在于其弥合多模态 AI 代理差距的能力,因为传统 AI 模型在语言智能方面表现出色,但在规划和现实世界行动方面往往力不从心。
他解释道:"如今的机器人往往依赖于特定领域数据的特定任务训练,导致它们处理简单日常任务的能力有限,更不用说适应新任务和环境了。Magma 通过显著提升它们的语言和空间智能改变了这一点,使机器人能够基于数字或物理环境准确有效地执行动作。"
同时,Forrester 首席分析师兼《Random Acts of Automation》作者 Craig Le Clair 表示,这一消息与该市场研究公司预测的"2025 年 25% 的机器人项目将结合认知和物理自动化"相符。不过,他说,关于这个公告和其他类似公告是否代表真正的转折点,还是仅仅是大语言模型的又一次尝试,争论仍在继续。
Le Clair 说:"Microsoft 提供了重要的开发者能力,但现在需要在指导富有成效且安全的人机交互方面展现领导力。"
好文章,需要你的鼓励
Writer首席执行官May Habib指出,企业在构建和扩展AI智能体时面临重大挑战。智能体在构建、运行和改进方式上与传统软件截然不同,需要抛弃传统软件开发生命周期。智能体不会可靠地遵循规则,而是结果导向、具备解释和适应能力。企业需要采用目标导向方法,设计业务逻辑蓝图而非工作流程。质量保证也需要评估非二元行为和实际应用表现。智能体维护需要新的版本控制系统,涵盖提示、模型设置等所有影响行为的因素。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
Salesforce首席执行官马克·贝尼奥夫表示,公司正大力推进人工智能应用,AI代理现在承担了公司30%至50%的工作。他认为员工应适应AI替代人工的趋势,转向更高价值的工作。然而,这一变化导致约1000名员工被裁,虽然公司计划招聘同等数量新员工,但主要专注于销售AI技术。这一趋势在科技行业普遍存在,今年已有超过63000个科技岗位消失,AI被认为是重要原因之一。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。