في عالم الذكاء الاصطناعي، يتطلب تطوير وكلاء جسديين (Embodied Agents) فعّالين فهم التعليمات متعددة الوسائط (Multimodal Instructions) والتنبؤ بتطورات البيئة من حولهم. هنا يأتي دور iFLYTEK-Embodied-Omni، النموذج الجديد الذي يأتي برؤية مبتكرة.

يجمع هذا النموذج بين عدة عناصر أساسية تشمل الرؤية (Vision)، اللغة (Language)، والعمل (Action) داخل إطار واحد متكامل. يتفرد iFLYTEK-Embodied-Omni بقدرته على معالجة البيانات من مقاطع الفيديو والصور، مما يمكنه من تحقيق تواصل فوري بين مكوناته المختلفة من خلال استخدام انتباه متعدد الوسائط مشترك.

والأهم من ذلك، أن التصميم الخاص لهذا النموذج يعكس تفاعلًا بين "الدماغ" (Brain) و"المخيخ" (Cerebellum): حيث يتولى نموذج الرؤية واللغة ونموذج توليد الفيديو تشكيل الدماغ كمركز لفهم التعليمات، تخطيط المهام، تتبع التقدم، وتوقع حالات الرؤية المستقبلية. بينما يلعب نموذج توليد العمل دور المخيخ لتبديل الأهداف الفرعية المخطط لها إلى مهام عملية قابلة للتنفيذ.

لتطوير هذه القدرات، استخدم الباحثون مجموعة بيانات شاملة تجمع بين مقاطع الفيديو التي تحتوي على أوصاف للعمل وأخرى خالية منها من تجارب بشريّة وتفاعلات روبوتيّة، مما يجعل iFLYTEK-Embodied-Omni نقطة انطلاق قوية لتطبيقات الذكاء الاصطناعي في الحياة اليومية.

إن اعتماد استراتيجية تدريب متعددة المراحل يمكّن من تحسين النماذج المعنية قبل القيام بعملية الضبط النهائي. هذا الابتكار يعد علامة فارقة في مجال تكنولوجيا الذكاء الاصطناعي، حيث يفتح آفاقًا جديدة لمزيد من التطورات المستقبلية.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!