- MAI-Image-1 ir pirmais attēlu ģenerators, ko izstrādājusi Microsoft AI.
- Tas ir LMArena labāko 10 darbu vidū un prioritāri izvirza reālismu, vizuālo daudzveidību un mazāku atkārtošanos.
- Tas sola lielāku ātrumu salīdzinājumā ar lielākiem modeļiem un koncentrēsies uz drošību un atbildīgu lietošanu.
- Tās integrācija sāksies lietotnē Copilot un pakāpeniski sasniegs Bing Image Creator.
Microsoft prezentēja MAI-Image-1, tā pirmais patentētais teksta-attēla modelis, apņemšanās, kas stiprina uzņēmuma stratēģiju attīstīt iekšējās spējas ārpus ārējiem piegādātājiem. Uzņēmums apliecina, ka sistēma koncentrējas uz reālisms, ātrums un konsekvence rezultātu salīdzinājums ar konsolidētā tirgus alternatīvām.
Šis izlaidums ir iekļauts jauna Microsoft mākslīgā intelekta nodaļa, kuru vadīja Mustafa SuleimansRedmondā viņi uzsver, ka modelis ir apmācīts ar rūpīgi atlasīti dati un ar radošo profesionāļu atsauksmēm, lai samazinātu vispārīgas vai atkārtotas izvades un uzlabot uztveres kvalitāti.
Kas ir MAI-Image-1 un kāpēc tas ir svarīgs?
MAI-Image-1 ir ģenerators Teksta pārveidošana attēlā, ko pilnībā izstrādājusi Microsoft mākslīgais intelekts, kas pievienojas MAI saimei kopā ar MAI-Voice-1 un MAI-1-Preview. Mērķis ir piedāvāt vizuālu dzinēju, kas apvieno fotoreālisms, apgaismojuma kontrole un smalkas detaļas, neapdraudot reakcijas laiku radošajās darbplūsmās.
Uzņēmums uzsver, ka sistēma piešķir prioritāti vizuālā daudzveidība un elastība, lai lietotāji varētu ātri atkārtot darbību, ne vienmēr izmantojot vienus un tos pašus stilus. Runājot par pozicionēšanu, modelis ir iegājis LMArena 10 labākie, publiska platforma, kas salīdzina izejas, izmantojot aklo balsošanu.
Veiktspēja: ātrums un reālisms salīdzinājumā ar lielākiem modeļiem
Saskaņā ar Microsoft teikto, MAI-Image-1 ļauj ātrāk izveidot attēlus nekā daži lielāki modeļi, kas samazina gaidīšanas laiku un paātrina radošo iterāciju. Šis punkts ir ļoti svarīgs komandām, kas strādā ar stingriem termiņiem vai kurām ir jāveic validācija. vizuālie varianti en Tiempo reāls.
Tehniskā uzmanība ir pievērsta tam, dabiskais apgaismojums, atspīdumi un tekstūras, aspekti, kas palielina reālisma uztveri. Uzņēmums arī tiecas uz mazāka tieksme uz atkārtotiem rakstiem un pārāk izteiktiem stiliem, kaut kas nostrādāja no novērtējumi ar radošajiem materiāliem un iekšējā testēšana.
LMArena izstādē modelis ir ierindots starp desmit labākās pozīcijas, ar paziņojumu, kas liecina par labu sākotnējo atsaucību sabiedrības salīdzinājumos. Lai gan šis rādītājs nestāsta visu ainu, tas sniedz agrīns cilvēka preferenču rādītājs salīdzinājumā ar nozares konkurentiem.
Microsoft atzīst, ka joprojām konkurē ar iedibinātākām sistēmām, piemēram, Midjourney vai citu piegādātāju multimodāliem risinājumiem, taču Viņš apgalvo, ka viņa priekšlikums nodrošina līdzsvaru starp kvalitāti un ātrumu. kas var radīt atšķirību praktiskā pielietojumā.
Drošība, novērtēšana un nepārtraukta mācīšanās
Uzņēmums uzstāj uz savu pieeju, atbildīga izmantošanaar drošības pasākumiem, kas paredzēti risku mazināšanai un nodrošināšanai izsekojamība paaudzēsDaļa no plāna ir īstenot atvērtie testi un apkopot kopienas atsauksmes, lai uzlabotu modeļa darbību pirms tā plašākas pieejamības.
Pagaidām Microsoft nav izlaidis visaptverošu komplektu publiskie rādītāji ārpus snieguma LMArena, tāpēc tiek sagaidīts, ka pētnieki un praktiķi publicēs neatkarīgi novērtējumi ar pakāpenisku izvietošanu.
Izvietošana: vispirms Copilot un nonākšana Bing Image Creator platformā
MAI-Image-1 tiks iekļauts tādā veidā, pakāpeniski līdz Windows 11 koppilots un pēc tam Bing Image Creator. Pāreja notiks pakāpeniski un varētu pakāpeniski aizstāt iepriekšējās spējas pamatojoties uz trešo pušu modeļiem, ar nosacījumu, ka to atbalsta ekspluatācijas un drošības testēšana.
Uzņēmums cer, ka modelis sniegs pievienoto vērtību ikdienas darbplūsmas —dizains, mārketings, redakcionālais saturs vai izglītība —, saīsinot laiku starp idejas rašanos un pilnveidošanu. Integrācija ar pārējo MAI ekosistēmu arī cenšas uzlabot multimodālas pieredzes kas apvieno balsi, tekstu un attēlu.
Stratēģiskais konteksts: mazāka atkarība no ārpuses un MAI saime
MAI-Image-1 ieviešana atbilst stratēģijai, kuru Microsoft vēlas īstenot. nostiprināt savus modeļus un vienlaikus uzturēt selektīva sadarbība ar trešajām pusēm. Suleimana ierašanās ir paātrinājusi plānu, kurā jau bija iekļauts MAI-Voice-1 (balss) un MAI-1-Preview (multimodāls).
Šīs iekšējās bāzes izveide paver iespējas optimizēt izmaksas, kontrolēt izlaišanas ātrumu un pielāgot tehnoloģiju tādiem produktiem kā Windows, Copilot vai Microsoft 365. Vidējā termiņā tas arī atvieglo mākslīgā intelekta saskaņošanu ar drošības un atbilstības prasības kas ir nepieciešami biznesa klientiem un valsts pārvaldes iestādēm.
MAI-Image-1 ir taustāms solis ceļā uz mākslīgo intelektu integrētāka un precīzāka Microsoft ekosistēmā. Validācijas, neatkarīgi etaloni un iteratīvi uzlabojumi joprojām pastāv, taču sākotnējā pozicionēšana un koncentrēšanās uz reālisms, daudzveidība un ātrums iezīmē skaidru virzienu viņu evolūcijai.
Esmu tehnoloģiju entuziasts, kurš savas "geek" intereses ir pārvērtis profesijā. Es esmu pavadījis vairāk nekā 10 gadus no savas dzīves, izmantojot jaunākās tehnoloģijas un tīri ziņkārības vadīts ar visu veidu programmām. Tagad esmu specializējies datortehnoloģijās un videospēlēs. Tas ir tāpēc, ka vairāk nekā 5 gadus esmu rakstījis dažādām tīmekļa vietnēm par tehnoloģijām un videospēlēm, veidojot rakstus, kuru mērķis ir sniegt jums nepieciešamo informāciju ikvienam saprotamā valodā.
Ja jums ir kādi jautājumi, manas zināšanas svārstās no visa, kas saistīts ar Windows operētājsistēmu, kā arī Android mobilajiem tālruņiem. Un mana apņemšanās ir jums, es vienmēr esmu gatavs veltīt dažas minūtes un palīdzēt jums atrisināt visus jautājumus, kas jums varētu rasties šajā interneta pasaulē.