O GPT-4 está entre nós
Além de ficar entre os 10% melhores colocados em um exame da ordem para humanos, a nova versão do GPT agora é capaz de analisar também imagens.
Notícias
PaLM-E, IA multimodal do Google, aplica modelos de linguagem para executar tarefas físicas e visuais
A estratégia que o modelo aplica envolve utilizar um modelo de linguagem pré-treinado para alimentá-lo com encodings de diferentes modais de informação, habilitando a inteligência artificial a executar tarefas que dependem do canal visual.
IA generativa cria imagens diretamente a partir da atividade cerebral
O método aplica o modelo Stable Diffusion para converter leituras de ressonância magnética funcional do cérebro nas imagens que uma pessoa estava vendo quando a atividade cerebral foi registrada.
PromptPG habilita GPT a resolver problemas matemáticos em formato tabular
O método usa princípios da aprendizagem por reforço para ajudar os modelos de linguagem a entender dados matemáticos apresentados como tabelas.
Inteligência artificial vai ajudar sonda lunar a escolher rota para exploração
A sonda, que deve pousar na Lua no segundo trimestre, vai usar uma inteligência artificial para classificar o tipo de terreno e assim decidir por onde seguir em sua rota de exploração.
FRIDA é um robô pintor capacitado com IA generativa
O sistema é treinado para otimizar em conjunto tanto a etapa de geração do conteúdo, em um ambiente simulado, quanto a etapa de planejamento da execução da pintura, gerando arte que mistura prompts de texto e imagens de referência mais parecidas com quadros pintados por pessoas.
Representação única multimodal ajuda inteligência artificial a aprender conceitos compartilhados entre vídeo e áudio
A técnica usa um mesmo espaço de representação para que um conceito presente em um clipe de vídeo e um clipe de áudio possa ser codificado da mesma maneira, assim aproximando a tarefa de representar conceitos da forma humana.
MusicML, IA generativa do Google que produz música a partir de descrições de texto
A ferramenta adapta um modelo generativo de música para usar condicionamento por texto, produzindo novas músicas a partir de prompts com diferentes níveis de detalhamento.
VALL-E é o modelo generativo da Microsoft que produz discursos em forma de áudio
O modelo usa um prompt de áudio e um prompt de texto para “transferir” a voz do áudio para o novo texto.
Novas GPUs domésticas da NVIDIA vão fazer upscaling nativo de vídeos exibidos no navegador
Os processadores gráficos vão proporcionar aumento de resolução para qualquer vídeo exibido em um navegador, desde resoluções tão baixas quanto 360p, o que vai incluir as plataformas de hospedagem de vídeos e os serviços de streaming.