7 января – ИА SM.News. Ученые из OpenAI объяснили, что работы над искусственным интеллектом должны быть направлены на восприятие окружающего мира, поэтому он должен изучать различные концепции сразу в двух модальностях – визуальной и текстовой. Разработчики представили сразу две нейронные сети: преображение текста в картинку, а также классификация изображений по описанию. Об этом пишет Ferra.
Нейронную сеть, которая может самостоятельно создавать изображения на основе запроса пользователя, называется DALL-E. Ее особенность заключается в том, что искусственный интеллект не просто находит подходящие картинки на страницах в интернете, а создает их вручную, используя полученные сведения о заданных параметрах.
Ученые отметили, что на данный момент нейросеть понимает только английский язык, поэтому все входящие запросы должны осуществляться только с его использованием. На изображениях показаны результаты по запросам «кресло в форме авокадо» или «молодой редис в пачке прогуливается с собакой».
Вторая часть проекта называется CLIP. По словам разработчиков, она показывает удивительные результаты по распознаванию любых визуальных элементов. ИИ запросто понимает, что находится на изображении и может отнести его к любой категории, которая задается изначально. CLIP в несколько раз превосходит другие нейронные сети, например, ImageNet или ResNet, так как выделяется быстротой реагирования без дополнительных уточнений со стороны программистов.
