علی‌بابا مدل هوش مصنوعی جدید خود را رونمایی کرد: انقلابی در استدلال تصویری!

به گزارش نگاه فناوری:علی‌بابا، غول فناوری چین، گام بلندی در رقابت جهانی هوش مصنوعی برداشت. این شرکت با معرفی مدل جدید هوش مصنوعی خود که قابلیت استدلال تصویری پیشرفته‌ای دارد، نشان داد که آماده رقابت با بزرگ‌ترین بازیگران این عرصه است.

مدل جدید که توانایی تحلیل و درک عمیق تصاویر را دارد، می‌تواند تحول بزرگی در صنایعی مانند سلامت، خرده‌فروشی و امنیت ایجاد کند. این حرکت علی‌بابا در حالی صورت می‌گیرد که چین به‌طور جدی در حال سرمایه‌گذاری روی فناوری‌های مبتنی بر هوش مصنوعی است.

آیا این مدل جدید می‌تواند جایگاه علی‌بابا را در بازار پررقابت هوش مصنوعی ارتقا دهد؟ کارشناسان معتقدند این فناوری می‌تواند بازی را به‌کلی تغییر دهد

غول فناوری چینی، علی‌بابا، اخیراً از جدیدترین دستاورد خود در زمینه هوش مصنوعی با نام QVQ-Max رونمایی کرد. این مدل که به عنوان یک هوش مصنوعی استدلالگر تصویری معرفی شده، قادر است محتوای تصاویر و ویدیوها را به طور کامل درک کرده و با استفاده از تحلیل و استدلال، اطلاعات جامعی را در مورد آنها ارائه دهد.

بنا بر گزارش منتشر شده در Neowin، علی‌بابا مدعی است که مدل QVQ-Max، شکاف موجود میان مدل‌های هوش مصنوعی مبتنی بر متن و اطلاعات دنیای واقعی موجود در تصاویر را به طور کامل پر می‌کند. این هوش مصنوعی با بهره‌مندی از قابلیت استدلال بصری، می‌تواند واقعیت‌های جهان را مشاهده، درک و درباره آنها تفکر کند.

از جمله قابلیت‌های برجسته این مدل می‌توان به موارد زیر اشاره کرد:

تجزیه‌وتحلیل دقیق تصاویر: QVQ-Max در شناسایی عناصر کلیدی تصاویر و تجزیه‌وتحلیل محتوای آنها عملکرد بسیار خوبی دارد.
تصویرسازی و تولید فیلم‌نامه: این مدل می‌تواند در زمینه‌هایی مانند تصویرسازی و تولید فیلم‌نامه نیز به کار گرفته شود.
حل مسائل پیچیده: با قابلیت درک بصری نمودار ها و تصاویر مربوط به مسائل ریاضی و فیزیک این مدل امکان حل مسائل پیچیده را فراهم می آورد.
علی‌بابا، QVQ-Max را نخستین نسخه از مدل استدلالگر تصویری خود می‌نامد و اعلام کرده است که قصد دارد به مرور زمان و در چند مرحله، قابلیت‌های آن را بهبود بخشد. از جمله برنامه‌های آینده این شرکت، ارتقای دقت تشخیص تصویر، بهبود عملکرد مدل در حل مسائل چندمرحله‌ای و پیچیده و افزودن قابلیت‌هایی مانند تولید محتوای بصری به آن است.

نحوه استفاده از QVQ-Max:

برای بهره‌مندی از امکانات این مدل، کاربران می‌توانند به وب‌سایت chat.qwen.ai مراجعه کرده و پس از انتخاب گزینه QVQ-Max از منوی مدل‌ها، تصویر مورد نظر خود را بارگذاری کرده و سؤالات خود را در مورد آن مطرح کنند.

شایان ذکر است که علی‌بابا پیش‌تر نیز مدل Qwen2.5-Max را به بازار عرضه کرده بود که در آزمون‌های مختلف، عملکردی بهتر از مدل‌های مطرحی مانند V3 دیپ‌سیک، GPT-4o و Llama-3.1-405B متا از خود نشان داده بود.