हाल ही में, अलीबाबा ने एआई क्षेत्र में एक महत्वपूर्ण व्यक्ति का स्वागत किया है। उद्योग के सूत्रों के अनुसार, एक विश्व स्तरीय प्रमुख कृत्रिम बुद्धिमत्ता वैज्ञानिक हाल ही में अलीबाबा में आधिकारिक तौर पर शामिल हुए हैं, जो भविष्य में एआई टू सी व्यवसाय के लिए बुनियादी बड़े मॉडल के विकास और अनुप्रयोग पर ध्यान केंद्रित कर सकते हैं। इस वैज्ञानिक के पास उद्योग और अकादमी दोनों में 20 से अधिक वर्षों का अनुभव है, विशेष रूप से मल्टी-मोडल एआई क्षेत्र में उनके कई सफलताएँ हैं, और उन्होंने सैकड़ों शीर्ष बड़े मॉडल पेपर प्रकाशित करने में नेतृत्व किया है।

गूगल क्लाउड ने हाल ही में एक ट्रेंड रिपोर्ट जारी की, जिसमें कहा गया कि 2025 में कॉर्पोरेशन एआई के व्यापक उपयोग के नए युग में प्रवेश करेंगे, एआई एजेंट, मल्टी-मोडल एआई और कॉर्पोरेट सर्च मुख्य धारा के रुझान बनेंगे। रिपोर्ट में उल्लेख किया गया है कि 2024 एआई प्रयोग की अवधि है, जबकि 2025 एआई के बड़े पैमाने पर उपयोग का महत्वपूर्ण वर्ष होगा। चित्र स्रोत नोट: चित्र एआई द्वारा उत्पन्न, चित्र अधिकार सेवा प्रदाता मिडजर्नी द्वारा। भविष्य में, एआई एजेंट व्यापक रूप से कॉर्पोरेट वातावरण में शामिल होंगे, जटिल बहु-चरणीय कार्यों को निष्पादित करने के लिए जिम्मेदार होंगे।

बीजिंग ज़ियुआन आर्टिफिशियल इंटेलिजेंस रिसर्च इंस्टीट्यूट ने मूल मल्टी-मोडल वर्ल्ड मॉडल Emu3 लॉन्च करने की घोषणा की। यह मॉडल अगली टोकन भविष्यवाणी तकनीक पर आधारित है, जो प्रसार मॉडल या संयोजन विधियों पर निर्भर किए बिना टेक्स्ट, इमेज और वीडियो तीनों मोड डेटा की समझ और उत्पादन करने में सक्षम है। Emu3 इमेज उत्पादन, वीडियो उत्पादन, विजुअल लैंग्वेज समझने जैसे कार्यों में वर्तमान प्रसिद्ध ओपन-सोर्स मॉडल, जैसे SDXL, LLaVA, OpenSora आदि को पार करता है, और उत्कृष्ट प्रदर्शन प्रदर्शित करता है।

हाल ही में, एज कंप्यूटिंग चिप और सॉफ्टवेयर स्टार्टअप SiMa.ai ने अपने नए उत्पाद — MLSoC Modalix चिप को लॉन्च करने की घोषणा की, जिसने एज एआई बाजार में अपनी स्थिति को और मजबूत किया है। SiMa.ai ने हाल ही में 70 मिलियन डॉलर की फंडिंग पूरी की है, जिसमें निवेशकों में Dell Technologies Capital जैसे उद्योग के दिग्गज शामिल हैं।

हाल ही में, चीन और सिंगापुर के शोधकर्ताओं की एक अंतरराष्ट्रीय टीम ने मधुमेह चिकित्सा के लिए दुनिया का पहला मल्टी-मोडल आर्टिफिशियल इंटेलिजेंस सिस्टम DeepDR-LLM सफलतापूर्वक विकसित किया। इसका शोध परिणाम 19 जुलाई 2024 को "नेचर मेडिसिन" (Nature Medicine) में प्रकाशित हुआ।

2023 में एआई क्षेत्र के सबसे महत्वपूर्ण तीन नवाचार मल्टी-मोडल एआई, संविधान एआई और पाठ से वीडियो प्रौद्योगिकी हैं। मल्टी-मोडल एआई का अर्थ है एआई की विभिन्न प्रकार की डेटा को संभालने की क्षमता, जिसमें पाठ, चित्र, वीडियो और ऑडियो शामिल हैं। संविधान एआई मानव मूल्य प्रणाली के अनुरूप एआई को बनाने के उद्देश्य से काम करता है, जो मूल्य प्रणाली संविधान को लिखने और एआई के व्यवहार को नियंत्रित करने के लिए सुदृढीकरण सीखने की विधियों का उपयोग करता है। पाठ से वीडियो प्रौद्योगिकी महत्वपूर्ण परिणाम है जिसमें अरबों डॉलर का निवेश किया गया है, जिससे पाठ के आधार पर वीडियो उत्पन्न करना और वीडियो शैली को बदलना संभव हो गया है। ये नवाचार एआई क्षेत्र पर महत्वपूर्ण प्रभाव डालेंगे और लोगों के दृष्टिकोण को बदल देंगे।

एआई स्टार्टअप रेका ने मल्टी-मोडल एआई सहायक यास-1 लॉन्च किया, जो ओपनएआई के चैटजीपीटी से प्रतिस्पर्धा करता है। यास-1 20 भाषाओं का समर्थन करता है, बड़ी संख्या में दस्तावेज़ों को संभाल सकता है और कोड निष्पादित कर सकता है, और इसकी गति क्लॉड2 को पीछे छोड़ देती है। यास-1 की अनूठी विशेषता इसकी मल्टी-मोडल क्षमताएँ हैं, जो टेक्स्ट और मल्टीमीडिया फ़ाइलों के संयोजन का समर्थन करती हैं और प्रोग्रामिंग कार्य को निष्पादित करती हैं। रेका का यास-1 के उपयोग के दायरे का विस्तार करने और कार्यक्षमता को मजबूत करने की योजना है, जो मल्टी-मोडल एआई सहायक क्षेत्र में प्रतिस्पर्धा को और अधिक तीव्र बनाती है।

1. Hugging Face ने नया ओपन-सोर्स मल्टी-मोडल एआई मॉडल IDEFIX लॉन्च किया।2. IDEFIX इमेज टेक्स्ट इनपुट का समर्थन करने के लिए फ्लेमिंगो विजुअल लैंग्वेज मॉडल पर आधारित है।3. IDEFIX इमेज-टेक्स्ट समझ कार्यों में बहुत उत्कृष्ट प्रदर्शन करता है।