कृत्रिम बुद्धिमत्ता छवि पहचान के क्षेत्र में तेजी से आगे बढ़ रही है, बिल्लियों और कुत्तों का वर्गीकरण अब पुरानी बात हो गई है। अब चलन में है 'प्लस वर्ज़न' जैसे कि पहली नज़र में ही यह पता लगाना कि यह किस वर्ष का कौन सा मॉडल की स्पोर्ट्स कार है, या इस चिड़िया की भौंहें पड़ोसी के भाई की भौंहों से थोड़ी मोटी हैं या नहीं। लेकिन समस्या यह है कि न्यूरल नेटवर्क जितना 'स्मार्ट' होता है, उससे यह पूछना कि 'मैंने यह कैसे जाना?' थोड़ा मुश्किल होता है, जैसे कोई कमज़ोर छात्र जिससे उत्तर समझाने को कहा जाए और वह कुछ भी नहीं बता पाए। पारंपरिक Class Activation Map (CAM)...

आर्टिफिशियल इंटेलिजेंस प्रौद्योगिकी के तेजी से विकास के साथ, AI द्वारा उत्पन्न पाठ, चित्र और वीडियो विभिन्न क्षेत्रों में अधिक परिपक्वता प्राप्त कर रहे हैं। हालाँकि, इसके साथ विश्वास संकट भी सामने आया है, और गलत जानकारी का प्रसार समाज के लिए संभावित खतरा बन गया है। इस चुनौती का सामना करने के लिए, Tencent ने हाल ही में एक नई AI जनित कंटेंट पहचान उपकरण पेश किया है, जिसका उद्देश्य AI प्रौद्योगिकी के माध्यम से “AI की जाँच करना” है। यह उपकरण Tencent के ज़ुह फेन प्रयोगशाला द्वारा विकसित किया गया है, जिसमें AI जनित पाठ पहचान और AI जनित चित्र पहचान के लिए दो सिस्टम शामिल हैं। Tencent ने आधिकारिक तौर पर उल्लेख किया है

हाल ही में, सिएटल की एक स्टार्टअप कंपनी Moondream ने moondream2 नामक कॉम्पैक्ट विज़ुअल लैंग्वेज मॉडल लॉन्च किया है। यह मॉडल भले ही छोटा है, लेकिन सभी बेंचमार्क परीक्षणों में उत्कृष्ट प्रदर्शन कर रहा है और काफी ध्यान आकर्षित कर रहा है। एक ओपन-सोर्स मॉडल के रूप में, moondream2 को स्मार्टफोन पर स्थानीय छवि पहचान कार्यक्षमता लागू करने की उम्मीद है। moondream2 का आधिकारिक तौर पर मार्च में लॉन्च किया गया था, और यह मॉडल टेक्स्ट और इमेज इनपुट को संसाधित करने में सक्षम है, जैसे प्रश्नों का उत्तर देना, टेक्स्ट निकासी (OCR), वस्तुओं की गणना और वस्तुओं की वर्गीकरण।

Bilibili UP主 "गीक बे" द्वारा निर्मित "दिन में सपना" बॉट ने तेजी से लोकप्रियता हासिल की, केवल चार दिनों में 1.13 मिलियन व्यूज को पार कर लिया। यह बॉट अपने आप होमवर्क कर सकता है, जिसमें पन्ना पलटना, प्रश्न को फ्रेम करना, प्रश्न हल करना और लिखना शामिल है, यह विभिन्न विषयों को कवर करता है। विकास प्रक्रिया में, टीम ने लेखन मशीन को संशोधित करने से लेकर स्वायत्त विकास तक, CoreXY संरचना और एकीकृत AI मॉडल का उपयोग किया, जिससे होमवर्क के पूरा करने की सटीकता और दक्षता में काफी सुधार हुआ। परीक्षण परिणामों से पता चला कि अंग्रेजी होमवर्क की सटीकता उच्च थी लेकिन प्रारूप की समस्याएँ थीं; भाषा लेखन में कुछ विशेषताएँ थीं, कुछ प्रश्न गलत थे; गणित के होमवर्क में प्रारूप और अन्य समस्याएँ थीं।

Anthropic कंपनी ने हाल ही में घोषणा की कि वह अपने चैटबॉट Claude में छवि पहचान क्षमता जोड़ने की योजना बना रही है, जिससे उसे छवियों का विश्लेषण करने की क्षमता प्राप्त होगी। इस कंपनी को Amazon और Google जैसी बड़ी कंपनियों का समर्थन मिला है, और उम्मीद है कि 2024 में इसकी आय 5 बिलियन डॉलर तक पहुंचेगी। Anthropic का यह निर्णय Claude को छवि प्रसंस्करण में प्रतियोगियों से पीछे नहीं रहने देगा, और उपयोगकर्ताओं को एक अधिक संपूर्ण अनुभव प्रदान करेगा।

18 जनवरी 2024 को凌晨, सैमसंग ने GalaxyAI वैश्विक新品发布会 आयोजित की, जिसमें GalaxyS24 श्रृंखला का आगाज किया गया, जो Google Gemini नैनो बड़े मॉडल का उपयोग कर 'GalaxyAI युग' का स्वागत करती है। नए घोषित GalaxyS24 श्रृंखला AI फोन कई AI सुविधाओं का समर्थन करता है, जैसे भाषा समझ, छवि पहचान, आदि, जिसमें Circle to Search, AI रियल-टाइम अनुवाद, AI नोट सहायक जैसी नई सुविधाएँ शामिल हैं। इस फोन में Google Ima भी है।

मेटा एआई ने 18 अक्टूबर को MEG मस्तिष्क स्कैन से वास्तविक समय में मस्तिष्क की धारणाओं की छवियों को डिकोड करने के लिए नया एआई सिस्टम प्रस्तुत किया। इस प्रणाली को व्यक्तिगत मस्तिष्क तरंगों की पूर्व प्रशिक्षण की आवश्यकता होती है और वर्तमान में यह प्रशिक्षण से अप्रासंगिक सोच की छवियों को डिकोड करने में असमर्थ है। यह मेटा के मस्तिष्क के रहस्यों को उजागर करने की निरंतर कोशिशों और मस्तिष्क-आधारित इंटरफेस को साकार करने का प्रारंभिक कार्य है। यह तकनीक भाषा कार्यों में हानि पहुँचाने वाले रोगियों के लिए एक गैर-आक्रमणकारी मस्तिष्क-आधारित इंटरफेस के रूप में आधार तैयार करने की उम्मीद की जा रही है। नए सिस्टम की शुरुआत ने मस्तिष्क प्रौद्योगिकी की प्रगति और अनुप्रयोग के संभावित भविष्य पर व्यापक चर्चा को जन्म दिया।

अनुसंधानकर्ताओं ने पाया कि वर्तमान सभी AI द्वारा उत्पन्न छवियों के वॉटरमार्किंग तकनीक को आसानी से टूट सकता है। डिजिटल वॉटरमार्क को हटाया जा सकता है या वास्तविक छवियों में जोड़ा जा सकता है जिससे गलत रिपोर्ट हो सकती है। वर्तमान में वॉटरमार्किंग तकनीक AI द्वारा उत्पन्न छवियों की सटीक पहचान नहीं कर सकती। दुर्भावनापूर्ण अभिनेता वॉटरमार्क को आसानी से बypass या हेरफेर कर सकते हैं। कलाकारों के काम को वॉटरमार्किंग तकनीक के कारण गलत तरीके से AI द्वारा उत्पन्न के रूप में चिह्नित किया जा सकता है।