समाचारं

मेटा इत्यस्य नूतना अनुसन्धानविकासपद्धतिः: गणनानां परिमाणं न्यूनीकर्तुं, कम्प्यूटिंग्-दक्षतां सुधारयितुम्, चित्र-जननस्य अनुकूलनार्थं च भाषा-प्रसार-AI-प्रतिमानानाम् एकीकरणम्

2024-08-24

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

आईटी हाउस् इत्यनेन अगस्तमासस्य २४ दिनाङ्के ज्ञापितं यत् मेटा एआइ कम्पनी अद्यैव ट्रान्सफ्यूजन इति नूतनं पद्धतिं प्रारब्धवती यत् भाषाप्रतिरूपं चित्रजननप्रतिरूपं च संयोजयित्वा एकीकृते एआइ प्रणाल्यां एकीकृत्य स्थापयितुं शक्नोति।

IT Home इत्यनेन दलस्य उद्धृत्य उक्तं यत् Transfusion इत्यनेन पाठादिविच्छिन्नदत्तांशस्य संसाधने भाषाप्रतिमानस्य लाभाः, चित्रादिषु निरन्तरदत्तांशजनने च प्रसारप्रतिरूपस्य क्षमता च संयोजितः अस्ति

मेटा व्याख्यायते यत् वर्तमानप्रतिबिम्बजननप्रणाल्याः सामान्यतया निवेशसंकेतशब्दानां संसाधनार्थं पूर्वप्रशिक्षितपाठसङ्केतकानां उपयोगं कुर्वन्ति, ये ततः चित्रजननार्थं पृथक् प्रसारप्रतिरूपेण सह संयोजिताः भवन्ति

अनेकाः बहुविधभाषाप्रतिमानाः अपि तथैव कार्यं कुर्वन्ति, पूर्वप्रशिक्षितपाठप्रतिमानानाम् अन्येषां मोडानां कृते विशेषसङ्केतकानां सह संयोजयन्ति ।

तथापि, Transfusion एकं, एकीकृतं Transformer आर्किटेक्चरं उपयुज्यते यत् सर्वेषां मोड्-कृते उपयुक्तं भवति तथा च पाठ-प्रतिबिम्ब-दत्तांशयोः अन्तः अन्तः प्रशिक्षणं करोति । पाठः चित्राणि च भिन्नानि हानिकार्यं उपयुञ्जते: पाठः अग्रिम-टोकन-अनुमानस्य उपयोगं करोति तथा च चित्राणि प्रसारस्य उपयोगं कुर्वन्ति ।

पाठं चित्रं च युगपत् संसाधितुं चित्राणि बिम्बखण्डानां क्रमेषु परिणमन्ति । एवं प्रकारेण मॉडल् पाठटैग्स्, इमेज् खण्डान् च एकत्रैव क्रमेण संसाधितुं शक्नोति, विशेषं ध्यानमास्कं च मॉडल् इमेज् इत्यस्य अन्तः सम्बन्धान् गृहीतुं शक्नोति

मेटा इत्यस्य विद्यमानविधिभ्यः यथा गिरगिटः (यत् चित्राणि विच्छिन्नचिह्नेषु परिवर्तयति ततः पाठवत् संसाधयति) इत्यस्मात् भिन्नं, आधानं चित्राणां निरन्तरप्रतिपादनं धारयति तथा च क्वाण्टाइजेशनकारणात् सूचनायाः हानिः परिहरति

प्रयोगैः अपि ज्ञायते यत् समानविधिभ्यः अपेक्षया Fusion अधिकं कार्यक्षमतया स्केल करोति । चित्रजननस्य दृष्ट्या विशेषप्रतिमानानाम् सदृशं परिणामं प्राप्नोति परन्तु महत्त्वपूर्णतया न्यूनगणनाप्रयत्नेन, आश्चर्यवत्, चित्रदत्तांशस्य एकीकरणेन पाठसंसाधनक्षमतासु अपि सुधारः भवति

शोधकर्तारः २ खरबपाठस्य, चित्रस्य च टैगस्य विषये ७ अरब-पैरामीटर्-प्रतिरूपं प्रशिक्षितवन्तः । प्रतिरूपं चित्रजनने DALL-E 2 इत्यादिपरिपक्वप्रणालीनां सदृशं परिणामं प्राप्नोति तथा च पाठस्य संसाधनं करोति ।