從電腦還是離不開物理按鍵鍵盤開始，到手機(jī)、車載顯示器，點(diǎn)觸即可，再到后來，一種新的交互方式隨著智能音箱的普及刷新了我們的生活，它就是智能語音交互。連屏幕都不用看了，想聽啥歌張嘴就行，真正解放雙手。很多人也許會(huì)新鮮的覺得，這種交互方式會(huì)是未來的趨勢(shì)，其實(shí)并不是，未來最好的交互方式會(huì)是什么呢?毋庸置疑它肯定比智能語音更高級(jí)，它就是多模態(tài)交互技術(shù)。
大部分聽到多模態(tài)的時(shí)候，也許會(huì)有點(diǎn)蒙圈，因?yàn)檫@個(gè)詞確實(shí)沒有智能語音那么好理解。這個(gè)創(chuàng)新概念是在 2015 年 12 月，圖靈機(jī)器人團(tuán)隊(duì)推出 Turing OS 機(jī)器人操作系統(tǒng)時(shí)提出的。手機(jī)有操作系統(tǒng)，機(jī)器人也要有操作系統(tǒng)。Turing OS 機(jī)器人和人之間的交互方式，就叫做“多模態(tài)交互”。模態(tài)也就是英文里的“modality”，翻譯過來就是感官。而多模態(tài)就是把“文字、語音、視覺、動(dòng)作、環(huán)境”等多種方式融合在一起。說白了，這個(gè)交互的本質(zhì)就是“讓機(jī)器也有感情”。
接下來，讓我們通過上面的一張圖片了解多模態(tài)交互技術(shù)賦予機(jī)器的深度學(xué)習(xí)能力到底有多強(qiáng)。如果我們用深度學(xué)習(xí)來看上圖，會(huì)生成這么一句話：一個(gè)棒球運(yùn)動(dòng)員在扔一個(gè)球。為什么會(huì)生成這么一句話?比如，我們發(fā)現(xiàn)模型“看”成這個(gè)圖片的時(shí)候，它實(shí)際上先是注意力集中在棒球手套這個(gè)地方，這是一個(gè)特征表明這是一個(gè)棒球運(yùn)動(dòng)。隨后當(dāng)計(jì)算機(jī)注意到跟廣的區(qū)域的時(shí)候，它會(huì)提出這是個(gè)運(yùn)動(dòng)員。再往下，當(dāng)AI模型注意到一個(gè)大腿扭曲的姿態(tài)的時(shí)候，它會(huì)認(rèn)為這是一個(gè)人的動(dòng)作，憑這些，計(jì)算機(jī)會(huì)認(rèn)為這是一個(gè)人扔球的動(dòng)作，雖然這個(gè)球的占的整面積非常小，但是因?yàn)檎Z言模型在語義上的驅(qū)動(dòng)，使得這個(gè)球也能夠被識(shí)別出來，最后形成一句完整的有意義的話。這就是跨越視覺和語言兩個(gè)模態(tài)，從圖片到文本描述生成的過程。
想要讓機(jī)器擁有如此強(qiáng)大的深度學(xué)習(xí)能力，讓它聽明白和看明白人類的動(dòng)作和需求，離不開機(jī)器需要一顆強(qiáng)大的硬件芯片。強(qiáng)人工智能主要是指能夠?qū)W習(xí)知識(shí)、思考問題和解決問題的的通用智能，機(jī)器具有多通道的知覺并且具有意識(shí)，在各方面都能和人類比肩。人工智能如果需要在生活中有更好的體驗(yàn)，我們希望它能像人體一樣，能耳目鼻口協(xié)同工作，主動(dòng)提供服務(wù)。
經(jīng)過半個(gè)世紀(jì)的發(fā)展，在近十年，人工智能技術(shù)步入了發(fā)展的快車道，高性能的計(jì)算芯片甚至 AI 芯片、海量的數(shù)據(jù)積累和優(yōu)秀的軟件算法都在推動(dòng)人工智能向更深處不斷發(fā)展。炬芯科技在單模態(tài)交互芯片設(shè)計(jì)上擁有多年的經(jīng)驗(yàn)積累，相關(guān)產(chǎn)品廣受市場認(rèn)可。面對(duì)人工智能的時(shí)代躍遷，炬芯正向著更進(jìn)一步的技術(shù)延伸發(fā)展。國產(chǎn)芯片核心玩家，聲音前處理專家炬芯科技搶先推出旗下首顆多模態(tài)交互芯片：炬芯ATS3609D，是擁有多麥智能語音、輕智能圖像、手指點(diǎn)讀雙模態(tài)識(shí)別輸入解決方案。炬芯ATS3609D 將語音交互、機(jī)器視覺和傳感器三個(gè)模態(tài)綜合起來，為強(qiáng)人工智能下的多模態(tài)交互提供可行的解決方案。充足的算力，超低的功耗、強(qiáng)大的可擴(kuò)展性，將賦予智能機(jī)器更多的可能性。
隨著AI技術(shù)的發(fā)展，特別是人機(jī)對(duì)話、文本生成、情感智能技術(shù)的提升，我們開始逐漸進(jìn)入到人機(jī)融合、多模態(tài)智能交互的產(chǎn)業(yè)時(shí)代，通過大規(guī)模多模態(tài)交互與對(duì)話技術(shù)，我們能夠?qū)?shù)字世界，比如銀行帳號(hào)、各種各樣的數(shù)字資產(chǎn)進(jìn)行管理，甚至還能通過AI更好的在情感世界和物理世界進(jìn)行溝通，希望隨著人工智能尤其是NLP和其他多模態(tài)智能的發(fā)展，我們可以做到真正的人機(jī)融合。
- 蜜度索驥：以跨模態(tài)檢索技術(shù)助力“企宣”向上生長
- 比亞迪第五代DM技術(shù)問世，首搭秦L/海豹06 DM-i，開創(chuàng)油耗2時(shí)代！
- 小紅書沉帖降權(quán)怎么做，有效方法大盤點(diǎn)！
- 亞洲時(shí)刻京東送上電視好禮 以舊換新一體化服務(wù)讓低價(jià)更靠譜
- 互聯(lián)網(wǎng)營銷師和全媒體運(yùn)營師的區(qū)別?
- 聯(lián)想集團(tuán)車計(jì)算“超級(jí)大腦”概念機(jī)亮相
- 華策影視設(shè)立專項(xiàng)基金成立AIGC應(yīng)用研究院
- 三部委審批，聯(lián)合發(fā)布9個(gè)新職業(yè)，“互聯(lián)網(wǎng)營銷師”上榜
- 互聯(lián)網(wǎng)營銷師的報(bào)考條件是什么？
- 互聯(lián)網(wǎng)營銷師的適合人群有哪些？
- 互聯(lián)網(wǎng)營銷師行業(yè)前景怎么樣？
免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
