畫(huà)像検索、動(dòng)畫(huà)説明から詩(shī)作、文章の続きを書(shū)くことまで、さらに音聲認(rèn)識(shí)、2言語(yǔ)翻訳。バーチャルヒューマンの「小初」がこのほど、世界人工知能大會(huì)2021に登場(chǎng)した。畫(huà)像、文書(shū)、音聲という3モードのスマートな変換と生成を披露した。新華社が伝えた。

小初がこのような能力を持つのは、「紫東太初」と呼ばれるクロスモダリティ汎用型人工知能（AI）プラットフォームによるものだ。中國(guó)科學(xué)院自動(dòng)化研究所が開(kāi)発した同プラットフォームは、國(guó)産化基礎(chǔ)ソフト?ハードウェアを採(cǎi)用し、一つのビッグモデルだけでAIの視覚、テキスト、音聲の複數(shù)シーンにおける理解力を「トレーニング」できる。

中國(guó)科學(xué)院自動(dòng)化研究所の徐波所長(zhǎng)は、「『ビッグデータ＋ビッグモデル?マルチモダリテ?！护F(xiàn)在の単一モデルが単一任務(wù)に対応するAI開(kāi)発パラダイムを変える。マルチモダリティビッグモデルが異なる分野の共通プラットフォーム技術(shù)になり、汎用型AIに向かう重要な道だ」と説明した。

徐氏は「紫東太初は畫(huà)像、文書(shū)、音聲という3つの様式の統(tǒng)一表現(xiàn)を?qū)g現(xiàn)。畫(huà)像から音聲を生成し、音聲から畫(huà)像を生成。AIの動(dòng)畫(huà)音聲吹込、音聲による放送、タイトルのダイジェスト、ポスター創(chuàng)作などより多様なシーンにおける応用を切り開(kāi)く」と述べた。

中國(guó)科學(xué)院自動(dòng)化研究所は中國(guó)語(yǔ)プレ訓(xùn)練モデル、音聲プレ訓(xùn)練モデル、視覚プレ訓(xùn)練モデルを構(gòu)築したうえ、クロスモダリティ語(yǔ)義関連により、3様式プレ訓(xùn)練ビッグモデルを構(gòu)築した。（編集YF）

「人民網(wǎng)日本語(yǔ)版」2021年7月15日