हाल ही में, Meta AI टीम ने वीडियो संयुक्त एम्बेडिंग पूर्वानुमान ढांचे (V-JEPA) मॉडल पेश किया है, यह नवाचार मशीन इंटेलिजेंस के विकास को बढ़ावा देने के उद्देश्य से किया गया है। मनुष्य स्वाभाविक रूप से दृश्य संकेतों से जानकारी को संसाधित कर सकता है, जिससे वह अपने चारों ओर की वस्तुओं और गति पैटर्नों की पहचान कर सकता है। मशीन लर्निंग का एक महत्वपूर्ण लक्ष्य उन मूलभूत सिद्धांतों को उजागर करना है जो मानव को बिना पर्यवेक्षण के सीखने के लिए प्रेरित करते हैं। शोधकर्ताओं ने एक महत्वपूर्ण धारणा प्रस्तुत की - पूर्वानुमान विशेषता सिद्धांत, जो मानता है कि निरंतर संवेदी इनपुट के प्रतिनिधित्वों को एक-दूसरे की पूर्वानुमान क्षमता होनी चाहिए। प्रारंभिक शोध विधियाँ धीमी विशेषता विश्लेषण के माध्यम से हैं।

Meta AI के शोधकर्ताओं ने शैक्षणिक भागीदारों के साथ मिलकर एक नवोन्मेषी प्रणाली विकसित की है - MILS (मल्टीमोडल इटरेटिव LLM समाधानकर्ता)। यह प्रणाली बिना विशेष प्रशिक्षण के बड़े भाषा मॉडलों को चित्रों, वीडियो और ऑडियो को संभालना सिखाने में सक्षम है। MILS प्राकृतिक प्रश्न समाधान क्षमताओं पर निर्भर करता है, न कि विशाल डेटा प्रशिक्षण पर, जो इसकी अनूठी विशेषताओं को दर्शाता है। MILS का कार्यप्रणाली दो AI मॉडलों को जोड़कर कार्य समाधान करना है: एक 'जनरेटर' होता है, जो कार्य समाधान का प्रस्ताव करता है, और दूसरा 'मूल्यांकनकर्ता' है।

मस्तिष्क-यांत्रिकी इंटरफ़ेस (BCI) तकनीक के तेजी से विकास के दौर में, Meta AI का नवीनतम Brain2Qwerty मॉडल इस क्षेत्र में नई आशा लाता है। BCI का उद्देश्य वाक् या मोटर विकारों वाले लोगों के लिए संवाद के साधन प्रदान करना है, लेकिन पारंपरिक विधियों में अक्सर आक्रामक सर्जरी की आवश्यकता होती है, जैसे कि इलेक्ट्रोड का प्रत्यारोपण, जो न केवल चिकित्सा जोखिमों से भरी होती है बल्कि इसके लिए दीर्घकालिक देखभाल की भी आवश्यकता होती है। इसलिए शोधकर्ता गैर-आक्रामक विकल्पों की खोज करने लगे हैं, विशेष रूप से इलेक्ट्रोएन्सेफ्लोग्राफी (EEG) आधारित विधियों पर। हालाँकि, EEG तकनीक का सामना करना पड़ता है...

कृत्रिम बुद्धिमत्ता प्रौद्योगिकी के तेजी से विकास के इस दौर में, विभिन्न हार्डवेयर पर कुशल मॉडल अनुमान को लागू करना डेवलपर्स के लिए एक महत्वपूर्ण चुनौती बन गया है। हाल ही में, डेवलपर Andrei David ने लगभग बीस साल पुरानी Xbox360 गेम मशीन से प्रेरणा ली, और सफलतापूर्वक Meta AI के Llama LLM श्रृंखला के एक हल्के मॉडल - llama2.c को इस पुरानी गेम मशीन पर पोर्ट किया। डेविड ने सोशल मीडिया प्लेटफॉर्म X पर अपने इस उपलब्धि को साझा किया।

बड़े भाषा मॉडल (LLM) ने प्राकृतिक भाषा प्रसंस्करण (NLP) के क्षेत्र में महत्वपूर्ण प्रगति की है, जिससे यह पाठ उत्पन्न करने, संक्षेपण और प्रश्न उत्तर जैसे अनुप्रयोगों में चमक रहा है। हालाँकि, LLM की टोकन स्तर की प्रक्रिया (एक बार में एक शब्द की भविष्यवाणी करना) कुछ चुनौतियों को भी लाती है। यह तरीका मानव संचार के तरीके से विपरीत होता है, जो अक्सर उच्च स्तर की अमूर्तता में कार्य करता है, जैसे वाक्य या विचार। टोकन स्तर मॉडल उन कार्यों में भी अपर्याप्त साबित होते हैं जिन्हें लंबे संदर्भ की समझ की आवश्यकता होती है और यह असंगत आउटपुट भी उत्पन्न कर सकते हैं। इसके अलावा, इन मॉडलों को

हाल के वर्षों में, बड़े भाषा मॉडल (LLMs) ने प्राकृतिक भाषा संसाधन (NLP) के क्षेत्र में महत्वपूर्ण प्रगति की है, जिनका पाठ उत्पादन, सारांश और प्रश्न-उत्तर जैसे क्षेत्रों में व्यापक रूप से उपयोग किया गया है। हालाँकि, ये मॉडल शब्द दर शब्द भविष्यवाणी करने वाले टोकन स्तर की प्रक्रिया पर निर्भर करते हैं, जो संदर्भ को समझने में कठिनाई पैदा करता है और अक्सर असंगत आउटपुट उत्पन्न करता है। इसके अलावा, LLMs को बहुभाषी और मल्टी-मोडल अनुप्रयोगों में फैलाने पर, गणना की लागत और डेटा की आवश्यकता भी अपेक्षाकृत अधिक होती है। इन समस्याओं को हल करने के लिए, Meta AI ने एक बिल्कुल नई विधि का प्रस्ताव दिया है।

मेटा AI ने हाल ही में SPIRIT LM नामक एक बुनियादी मल्टीमोडल भाषा मॉडल को ओपन-सोर्स किया है, जो पाठ और आवाज़ को स्वतंत्र रूप से मिलाने में सक्षम है, ऑडियो और पाठ के मल्टीमोडल कार्यों के लिए नई संभावनाएँ खोलता है। SPIRIT LM 70 अरब पैरामीटर वाले पूर्व-प्रशिक्षित पाठ भाषा मॉडल पर आधारित है, जो निरंतर प्रशिक्षण के माध्यम से पाठ और ऑडियोक कार्यों में मान्यताप्राप्त किया गया है। यह पाठ बड़े मॉडल की तरह पाठ को समझने और उत्पन्न करने में सक्षम है, साथ ही आवाज़ को भी समझने और उत्पन्न करने में सक्षम है, और यहाँ तक ​​कि पाठ और आवाज़ को मिलाकर विभिन्न प्रकार की कृत्रिम रचनाएँ पैदा कर सकता है।

उच्च गुणवत्ता वाले, समय-संवृत्त वीडियो बनाने के लिए बड़ी मात्रा में कंप्यूटिंग संसाधनों की आवश्यकता होती है, विशेष रूप से लंबे समय की अवधि के लिए। नवीनतम डिफ्यूजन ट्रांसफार्मर मॉडल (DiTs) ने वीडियो जनरेशन में महत्वपूर्ण प्रगति की है, लेकिन इसके बड़े मॉडल और अधिक जटिल ध्यान तंत्र पर निर्भरता के कारण इसकी गणना गति धीमी हो गई है, जिससे यह चुनौती और बढ़ गई है। इस समस्या को हल करने के लिए, Meta AI के शोधकर्ताओं ने वीडियो DiTs को तेज़ करने के लिए बिना प्रशिक्षण के एक विधि पेश की है जिसे AdaCache कहा जाता है।

हाल ही में, Meta AI की शोध टीम ने कैलिफ़ोर्निया विश्वविद्यालय बर्कले और न्यूयॉर्क विश्वविद्यालय के शोधकर्ताओं के साथ मिलकर विचार प्राथमिकता अनुकूलन (Thought Preference Optimization, TPO) नामक एक विधि पेश की है, जिसका उद्देश्य निर्देश सम्मिलन के बाद बड़े भाषा मॉडल (LLM) की प्रतिक्रिया गुणवत्ता में सुधार करना है। पारंपरिक मॉडल केवल अंतिम उत्तर पर ध्यान केंद्रित करते हैं, जबकि TPO विधि मॉडल को प्रतिक्रिया उत्पन्न करने से पहले आंतरिक विचार करने की अनुमति देती है, जिससे अधिक सटीक और संगठित उत्तर उत्पन्न होते हैं। यह नई तकनीक

हाल ही में, Meta AI टीम ने LongVU पेश किया है, जो एक अभिनव स्पष्ट-समय अनुकूली संकुचन तंत्र है, जिसका उद्देश्य लंबे वीडियो की भाषा समझने की क्षमताओं को बढ़ाना है। पारंपरिक मल्टी-मोडल बड़े भाषा मॉडल (MLLMs) लंबे वीडियो को प्रोसेस करते समय संदर्भ की लंबाई के प्रतिबंधों का सामना करते हैं, और LongVU विशेष रूप से इस समस्या को सुलझाने के लिए विकसित किया गया है। LongVU की कार्यपद्धति मुख्यतः डुप्लिकेट फ़्रेमों को फ़िल्टर करना, क्रॉस-फ़्रेम टोकन संकुचन आदि द्वारा संदर्भ की लंबाई का कुशलतापूर्वक उपयोग करने पर निर्भर करती है, जो वीडियो के दृश्य विवरणों को बनाए रखते हुए वीडियो के आकार को कम करने में सक्षम है।

हाल ही में, Meta AI ने नए मात्रा वाले Llama 3.2 मॉडल को पेश किया, जिसमें 1B और 3B दो संस्करण शामिल हैं। यह मॉडल विभिन्न उपकरणों पर समायोजन, आसुतकरण और कार्यान्वयन के लिए बनाया गया है। पिछले समय में, Llama जैसे मॉडल प्राकृतिक भाषा समझने और उत्पन्न करने में महत्वपूर्ण उपलब्धियाँ हासिल की हैं, लेकिन इसका विशाल आकार और उच्च कंप्यूटिंग आवश्यकता ने कई संगठनों के लिए इसका उपयोग करना कठिन बना दिया है। प्रशिक्षण समय लंबा, ऊर्जा खपत अधिक और महंगे हार्डवेयर पर निर्भरता, निश्चित रूप से तकनीकी दिग्गजों और छोटे व्यवसायों के बीच की खाई को बढ़ाती है। Llama3.2

हाल ही में, Meta ने अपने WhatsApp चैनल पर घोषणा की कि इसकी AI चैटबॉट Meta AI आधिकारिक रूप से छह नए देशों में लॉन्च हुआ है, जिनमें ब्राज़ील, ब्रिटेन, फ़िलिपींस, बोलीविया, ग्वाटेमाला और पाराग्वे शामिल हैं। यह Meta AI के और अधिक अंतरराष्ट्रीयकरण की दिशा में एक बड़ा कदम है, जिसका उद्देश्य वैश्विक उपयोगकर्ताओं को और अधिक बुद्धिमान इंटरैक्शन अनुभव प्रदान करना है। Meta ने यह भी जानकारी दी है कि इन छह देशों के अलावा, कंपनी भविष्य में धीरे-धीरे Meta AI को और अधिक देशों में लॉन्च करने की योजना बना रही है, विशेष रूप से मध्य पूर्व क्षेत्र में।

मेटा ने बुधवार को घोषणा की कि इसकी आर्टिफिशियल इंटेलिजेंस (एआई) क्षमताएँ 21 नए देशों में विस्तारित होने जा रही हैं। इस सेवा का नाम मेटा एआई है, जो संवाद और खोज के लिए चैटबॉट प्रदान करने के साथ-साथ एक रचनात्मक स्टूडियो भी शामिल है जो पाठ इनपुट के आधार पर चित्र उत्पन्न कर सकता है। मेटा के प्रेस विज्ञप्ति के अनुसार, मेटा एआई अब ब्राज़ील, बोलीविया, ग्वाटेमाला, पाराग्वे, फिलीपींस और यूके सहित 21 देशों में धीरे-धीरे ऑनलाइन हो गया है। इन देशों के अलावा, कई अन्य लैटिन अमेरिकी और एशियाई देश भी शामिल हैं।

कृत्रिम बुद्धिमत्ता के विशाल महासागर में, Emu3 नामक एक नवोन्मेषी जहाज लहरों को काटते हुए हमारे समक्ष मल्टी-मॉडल एआई की अनंत संभावनाओं को प्रस्तुत कर रहा है। यह मॉडल, जिसे Meta AI अनुसंधान टीम ने विकसित किया है, साधारण लेकिन चतुर अगला शब्द पूर्वानुमान तंत्र के माध्यम से पाठ, चित्र और वीडियो के एकीकृत प्रसंस्करण को संभव बनाता है। Emu3 का मुख्य विचार विभिन्न सामग्रियों को विषम प्रतीकों में परिवर्तित करना है, और फिर एकल Transformer मॉडल का उपयोग करके अगले प्रतीक की भविष्यवाणी करना है। यह विधि न केवल मॉडल संरचना को सरल बनाती है, बल्कि Emu3 को कई

हाल ही में, सोशल मीडिया प्लेटफ़ॉर्म पर Meta AI के विरोध में एक लहर चली है। कई उपयोगकर्ता, जिनमें प्रसिद्ध व्यक्तित्व जैसे टॉम ब्रैडी और संगीतकार कैट पावर शामिल हैं, Instagram पर बयान साझा कर रहे हैं, जो Meta को उनकी डेटा का उपयोग करके AI मॉडल बनाने से रोकने की कोशिश कर रहे हैं। यह घटना उपयोगकर्ताओं की डेटा गोपनीयता और AI तकनीक के उपयोग के प्रति गहरी चिंता को दर्शाती है, और यह तकनीकी दिग्गजों के लिए तकनीकी नवाचार और उपयोगकर्ता अधिकारों के बीच संतुलन बनाने की नई चुनौतियों को प्रस्तुत करती है। हालांकि ये बयान कानूनी रूप से बाध्यकारी नहीं हैं, Meta...

हाल ही में आयोजित मेटा कनेक्ट 2024 सम्मेलन में, मेटा के संस्थापक और सीईओ ज़करबर्ग ने उत्साहित होकर घोषणा की कि मेटा एआई के मासिक सक्रिय उपयोगकर्ता लगभग 5 करोड़ के करीब पहुँच गए हैं, जो वैश्विक स्तर पर सबसे अधिक उपयोग किया जाने वाला एआई सहायक बनने की उम्मीद है। ज़करबर्ग ने अपने भाषण में कहा: "हमारे पास वर्तमान में मासिक सक्रिय उपयोगकर्ताओं की संख्या लगभग 5 करोड़ है, और यह अभी तक कुछ बड़े बाजारों में लॉन्च नहीं हुआ है, जैसे यूरोपीय बाजार।" यह समाचार निश्चित रूप से मेटा एआई के भविष्य के प्रति उत्सुकता को बढ़ाता है।

Meta AI भारत में सबसे अधिक उपयोग किए जाने वाले बाजार में बदल गया है, लॉन्च के कुछ महीनों के बाद, इसने अरबों प्रश्न प्राप्त किए हैं, विशेष रूप से WhatsApp पर उत्कृष्ट प्रदर्शन करते हुए। सांस्कृतिक चुनौतियों और एल्गोरिदम समायोजन के बाद, AI अनेक भाषाओं का समर्थन कर रहा है, और अब यह 22 देशों में उपलब्ध है। नए मॉडल Llama4 के प्रशिक्षण की गणना की आवश्यकताएँ पहले की तुलना में 10 गुना हैं। इसी प्रकार, Threads सामाजिक एप्लिकेशन के उपयोगकर्ताओं की संख्या लगभग 200 मिलियन तक पहुंच गई है, फेसबुक की यूजर इंटरफेस का उपयोग अमेरिका के युवा वयस्कों में सकारात्मक प्रवृत्ति दर्शा रहा है।

मेटा कंपनी के AI उत्पादों की सफलता मुख्य रूप से भारत में WhatsApp के व्यापक उपयोग पर निर्भर करती है, इस प्लेटफ़ॉर्म पर 500 मिलियन उपयोगकर्ता हैं। AI उत्पादों के लॉन्च के बाद से, उन्होंने अरबों समय में पूछताछ की है, उपयोगकर्ता बनाए रखने और जुड़ाव में उत्कृष्ट प्रदर्शन किया है। स्थानीय संस्कृति के अनुकूलन, धार्मिक संवेदनशील विषयों और छवि उत्पन्न偏见 जैसे चुनौतियों का सामना करने के बावजूद, मेटा ने निष्पक्षता सुनिश्चित करने के लिए एल्गोरिदम को समायोजित किया है और हिंदी सहित कई भाषाओं का समर्थन किया है। इसके अलावा, मेटा ने घोषणा की है कि वह Llama3 की तुलना में 10 गुना अधिक गणना क्षमता वाले अगली पीढ़ी के AI पर काम कर रहा है।