Superintelligence టీమ్ యొక్క మొదటి చలన
Microsoft యొక్క ఇటీవల స్థాపిత superintelligence టీమ్ — ప్రస్తుత పెద్ద భాష మాడల్ పనితీరు యొక్క పరిధిని మించిన AI సామర్థ్యాలను అభివృద్ధి చేయడానికి నియమించిన అంతర్గత సమూహం — దాని మొదటి ఉత్పత్తిని సరఫరా చేసింది: MAI-Image-2, ఒక టెక్స్ట్-టు-ఇమేజ్ జనరేషన్ మాడల్ ఇది Microsoft దాని ఉత్పత్తి సూట్లో సంకలనం చేస్తోంది మరియు దాని Azure AI ప్లాట్ఫారమ్ ద్వారా API కోసం డెవలపర్లకు అందుబాటులో ఉంచుతోంది.
ఈ ఘోషణ Microsoft లోపల కొంత రహస్య విభాగం నుండి ఒక ఖచ్చితమైన ఉత్పత్తిని సూచిస్తుంది — ఒక టీమ్ ఇది గణనీయమైన ప్రతిభ మరియు వనరులను ఆకర్షిస్తోంది ఎందుకంటే కంపెనీ AI అభివృద్ధి యొక్క తరువాతి దశ కోసం నిజమైన స్థానాన్ని తీసుకుంటోంది. MAI-Image-2 ఒక స్పర్ధాత్మక చిత్ర జనరేషన్ మార్కెట్లోకి ప్రవేశిస్తుంది ఇది ఇప్పటికే DALL-E 3 (Microsoft OpenAI నుండి లైసెన్స్ చేస్తుంది), Midjourney, Stable Diffusion, మరియు Google యొక్క Imagen సిరీస్ను కలిగి ఉంది.
MAI-Image-2 అంటే ఏమిటి
MAI-Image-2 ఒక టెక్స్ట్-టు-ఇమేజ్ జెనరేటివ్ మాడల్ — వినియోగదారులు టెక్స్ట్ వివరణను ఇన్పుట్ చేస్తారు మరియు మాడల్ సంబంధిత చిత్రాన్ని ఉత్పత్తి చేస్తుంది. అటువంటి ఉత్పత్తుల గుణవత్త, సమన్వయం మరియు శైలిసత్వ సౌకర్యం గత మూడు సంవత్సరాలలో నాటకీయంగా మెరుగైనవి, మరియు ఆర్ట్ ఇప్పుడు ఫోటో-వాస్తవిక ఇమేజరీ, నూనె పెయింటింగ్ నుండి పిక్సెల్ ఆర్ట్ వరకు శైలీయ శైలులు, మరియు సంక్లిష్ట సమన్వయ దృశ్యాలను కలిగి ఉంది, ఇవి కేవలం కొన్ని సంవత్సరాల క్రితం ఆటోమేటిక్గా ఉత్పత్తి చేయడం అসాధ్యమైనవి.
Microsoft MAI-Image-2 కోసం విస్తారిత సాంకేతిక విశేషాలను విడుదల చేయలేదు, కానీ Microsoft యొక్క ఉత్పత్తుల అంతటా మాడల్ యొక్క రోలআউట్ ఇది Microsoft డిజైనర్లో, Bing లో ఇమేజ్ క్రియేటర్లో, మరియు సంభవితమైన Office అనువర్తనాలలో అంతర్నిమిత Copilot సహాయకాలలో సంకలనం చేయబడుతుందని సూచిస్తుంది. API లభ్యత నిర్ణయిస్తుంది Microsoft డెవలపర్ ఆమోదనకు పోటీ చేయాలనుకుంటుందని — తృతీయ పక్ష అనువర్తనాల యొక్క ఒక పైపులైన్ నిర్మించడం ఇవి వారి జనరేషన్ బ్యాకెండ్గా MAI-Image-2 ఉపయోగించుకుంటాయి.
Microsoft ను దాని స్వంత మాడల్ ఎందుకు అవసరమైనది
Microsoft యొక్క ప్రస్తుత ప్రాధమిక చిత్ర జనరేషన్ సామర్థ్యం OpenAI తో దాని భాగస్వామ్యం ద్వారా వస్తుంది, DALL-E 3 ద్వారా. యాజమాన్య జనరేషన్ సామర్థ్యాలను నిర్మించడం Microsoft కు అనేక ప్రయోజనాలను అందిస్తుంది: ఒక భాగస్వామి నుండి స్వాతంత్య్యం ఎవరి ప్రాధాన్యతలు ఎల్లప్పుడూ సమన్వయం కాకపోవచ్చు, సుపెద్ద ఖర్చు తగ్గింపు ప్రతి-అనుమతి లో, నిర్దిష్ట Microsoft ఉపయోగ సందర్భాల కోసం మాడల్లను ఫైన్-ట్యూన్ చేసే సామర్థ్యం, మరియు ఆచరణీయ ఐచ్ఛికాలను కలిగి ఉండటం నుండి వచ్చే చర్చ శక్తి.
Superintelligence టీమ్ యొక్క ఆదేశం చిత్ర జనరేషన్కు మించిపోయింది — ఇది ఆధునిక AI ఆర్కిటెక్చర్లలో గవేషణను కలిగి ఉంది ఇవి ఆఖరుగా ప్రస్తుత ట్రాన్స్ఫార్మర్-ఆధారిత మాడల్లను అధిగమించవచ్చు. కానీ ఒక ఉత్పత్తిని సరఫరా చేయడం ఏ విధంగా నిర్దేశిస్తుందో టీమ్ పూర్తిగా పరిశోధన క్షితిజ కాకుండా ఆచరణీయ ఉత్పత్తి కालవ్యవధిలో పనిచేస్తోంది, ఇది AI పరిశ్రమ యొక్క మిగిలిన భాగం Microsoft యొక్క ఇన్-హౌస్ సామర్థ్యాల గురించి ఆలోచించాల్సిన విధానాన్ని మార్చుతుంది.
ప్రతిద్వంద్వ ల్యాండ్స్కేప్
Microsoft యొక్క ప్రయోజనం పంపిణీ: Office ఈకోసిస్టమ్ నూట్రెళ్ళ మిలియన్ల వినియోగదారులకు చేరుకుంటుంది, మరియు Word, PowerPoint, మరియు Teams లో సరిగ్గా చిత్ర జనరేషన్ను సంకలనం చేయడం ఒక సుగమ ప్రవేశ పాయింట్ను సృష్టిస్తుంది ఇది వినియోగదారులను వేరుగా చిత్ర జనరేషన్ సేవ కోసం చేయవలసిన అవసరం లేకుండా. మీరు కలిగితే MAI-Image-2 ఆర్ట్ యొక్క వర్తమాన స్థితితో ప్రతిద్వంద్వమైన విధంగా పనిచేస్తుంది, తరువాత పంపిణీ ప్రయోజనం ఏ సాంకేతిక వ్యత్యాసం కంటే మరింత ముఖ్యమైనది కావచ్చు.
MAI-Image-2 యొక్క విస్తృత ప్రాముఖ్యత నిర్దిష్ట సామర్థ్యం గురించి తక్కువ మరియు ఆ సంకేతాల గురించి ఎక్కువ కావచ్చు: Microsoft OpenAI ద్వారా చేయవలసిన కాకుండా AI సామర్థ్య అభివృద్ధిలో పెట్టుబడి చేస్తోంది, మరియు superintelligence టీమ్ యొక్క పని ఇప్పుడు బాహ్య ప్రపంచానికి దృశ్యమానమైన నిర్గమనీయాలను ఉత్పత్తి చేస్తోంది.
ఈ కథ The Decoder ద్వారా రిపోర్టింగ్ పై ఆధారపడింది. సంబంధిత కథను చదవండి।
Originally published on the-decoder.com