(資料圖片)

近日，谷歌發(fā)布了其最新的語(yǔ)言模型PaLM-E，該模型具有5620億的參數(shù)量（ChatGPT為1750億參數(shù)），是谷歌歷史上參數(shù)量最大的模型。PaLM-E是迄今為止已知的最大視覺(jué)語(yǔ)言模型，它不僅可以理解圖像，還能理解、生成語(yǔ)言，執(zhí)行各種復(fù)雜的機(jī)器人指令而無(wú)需重新訓(xùn)練。它還展示出了強(qiáng)大的涌現(xiàn)能力（模型有不可預(yù)測(cè)的表現(xiàn)）。

據(jù)研究團(tuán)隊(duì)表示，語(yǔ)言模型越大，在視覺(jué)語(yǔ)言和機(jī)器人任務(wù)訓(xùn)練時(shí)就越能保持其語(yǔ)言能力，PaLM-E的5620億參數(shù)量剛好讓它保留住了幾乎所有語(yǔ)言能力。同時(shí)，PaLM-E的正遷移能力也得到了研究團(tuán)隊(duì)的驗(yàn)證，同時(shí)在多個(gè)任務(wù)領(lǐng)域訓(xùn)練的PaLM-E，單任務(wù)能力相比"專(zhuān)精AI"顯著提高。

除了人機(jī)交互方面有著重大進(jìn)展，研究團(tuán)隊(duì)還發(fā)現(xiàn)了PaLM-E有著諸如多模態(tài)思維鏈推理和多圖像推理等新興能力，在OK-VQA視覺(jué)問(wèn)答基準(zhǔn)測(cè)試上達(dá)成了新的SOTA（最佳水平AI）。

此外，PaLM-E還具有對(duì)話任務(wù)方面的能力。團(tuán)隊(duì)將其與已有的對(duì)話AI進(jìn)行了比較，結(jié)果顯示，PaLM-E 的對(duì)話能力相對(duì)較強(qiáng)，不僅在生成自然流暢的回復(fù)方面表現(xiàn)出色，還可以進(jìn)行常識(shí)性推理和邏輯性推理，具備更好的智能交互能力。

谷歌研究員表示，PaLM-E的發(fā)布意味著谷歌正邁向一種更加綜合和全面的AI。未來(lái)，這種能夠同時(shí)處理多種任務(wù)的通才AI將在工業(yè)自動(dòng)化、智能家居、醫(yī)療輔助等領(lǐng)域發(fā)揮越來(lái)越重要的作用。綜合