微软展示 Rumi 项目，通过多模方式提高 AI 理解

【资料图】

人工智能是目前各行各业都比较受欢迎的一项技术，根据8 月 5 日消息得知，微软研究院近日展示了 Project Rumi 项目，结合文本，音频和视频数据，通过多模方法，提高人工智能系统的理解能力，从而更能理解人类的意图。

人工智能系统近年来取得了长足的进步，尤其在自然语言处理（NLP）领域的成长更为惊人。不过现有 NLP AI 主要依赖于文本输入输出，忽略了人类在自然交流中的语调，面部表情，手势和肢体语言等线索，从而在理解方面会存在偏差。

在 AI 专业术语中，这些线索统称为副语言（paralinguistics/ paralanguage）。

微软研究院为了解决这个问题，开发了 Project Rumi，这是一个新颖的框架，旨在通过多模态副语言提示来增强人工智能的理解。该项目包括两个主要部分：多模式副语言编码器和多模式副语言解码器。

推荐DIY文章

RPCSX 项目迈出第一步：在 PC 上“模拟”《血源诅咒》PS4 游戏

新预告放出，《师父》游戏 9 月 7 日上线终极内容更新

Win11更改磁盘驱动器号的方法

石墨文档导入表格教程

QQ浏览器设置兼容模式的方法介绍

腾讯会议录制会议视频教程