دمیس هاسابیس، مدیرعامل گوگل دیپ‌مایند، در پادکست Possible که توسط یکی از بنیان‌گذاران لینکدین میزبانی می‌شد، اعلام کرد که گوگل قصد دارد مدل‌های هوش مصنوعی جمنای (Gemini) را با مدل‌های ساخت ویدیو Veo ادغام کند تا توانایی این مدل‌ها در درک دنیای فیزیکی بهبود یابد.
نکات کلیدی:
- هدف مدل‌های جمنای: از ابتدا به‌طور خاص برای چندوجهی بودن طراحی شده‌اند تا بتوانند درک بهتری از دنیای واقعی داشته باشند. این مدل‌ها قادر به تولید صدا، تصویر و متن هستند.
- ادغام با مدل‌های Veo: این مدل‌های جدید به‌دلیل مشاهده و تحلیل داده‌های ویدیویی از یوتیوب، قادر خواهند بود مفاهیم پیچیده‌ای مانند قوانین فیزیکی را شناسایی کنند.
- آموزش با داده‌های یوتیوب: هاسابیس اشاره کرد که داده‌های ویدیویی Veo 2 عمدتاً از یوتیوب استخراج می‌شوند و این مدل می‌تواند مفاهیم پایه‌ای را از این ویدیوها بیاموزد.
- گسترش دسترسی به داده‌های یوتیوب: گوگل شرایط خدمات خود را گسترش داده تا امکان دسترسی بیشتر به داده‌های یوتیوب برای آموزش مدل‌های هوش مصنوعی خود فراهم شود.
این ادغام مدل‌ها به گوگل کمک می‌کند تا دستیار دیجیتالی چندوجهی‌ای بسازد که قادر است در دنیای واقعی به کاربران کمک کند، و به‌طور کلی پیشرفت‌هایی در صنعت هوش مصنوعی برای ایجاد مدل‌هایی با توانایی‌های چندمنظوره را نشان می‌دهد.
موضوعات: فناوری, گوگل, هوش مصنوعی
