，基于 ChatGPT 的必應(yīng)聊天已經(jīng)讓不少用戶感受到了 AI 的強大，而微軟于近日推出了更為強悍的全能型 AI--Kosmos-1。ChatGPT 是純文本 LLM，而它是更強大的多模式大型語言模型。

Kosmos-1 可以分析圖像的內(nèi)容、解決視覺難題、執(zhí)行視覺文本識別、通過視覺智商測試以及理解自然語言指令等等。

IT之家從報道中獲悉，Kosmos-1 可以處理文本、音頻、圖像和視頻等內(nèi)容，構(gòu)建一個全能型的人工智能，可以像人類思維一樣來處理任務(wù)。

研究人員在他們的學(xué)術(shù)論文中寫道:“作為智能的基本組成部分，多模態(tài)感知是實現(xiàn)人工智能的必要條件”。Kosmos-1 論文中的視覺示例顯示模型分析圖像并回答有關(guān)圖像的問題，從圖像中讀取文本，為圖像編寫標(biāo)題，并以 22-26% 的準(zhǔn)確度進(jìn)行視覺智商測試。

微軟表示，它計劃向開發(fā)人員提供 Kosmos-1，盡管該論文引用的 GitHub 頁面在本文發(fā)表時沒有明顯的 Kosmos 特定代碼。