Llava nasıl çalışır? İşte görseller için açık chatbot testimiz - Dünyadan Güncel Teknoloji Haberleri

Llava nasıl çalışır? İşte görseller için açık chatbot testimiz - Dünyadan Güncel Teknoloji Haberleri



genel-18

Aslında kullanışlılıkları ve etkinlikleriyle şaşırtabilirler, hatta aniden hayal kırıklığına uğratabilirler ”

Genel görüş

Pek çok uzman, multimodal botun belki de bu sistemlerin geleceği olduğuna dikkat çekiyor Birincisi, duman bulutu çok büyük görünüyor ve boyut olarak gerçekçi değil; bu da kontrol edilemeyen yangınlar veya volkanik patlamalar gibi doğal olaylara özgü değil Ağartma konusunda verilen bilgilere göre kumaşın ağartılıp ağartılamayacağını belirlemek mümkün değildir
“Bu görüntü büyük bir duman bulutunun sahte fotoğrafıdır ve muhtemelen sanatsal veya eğlence amaçlı yaratılmıştır Aynı görseli Bing Chat’te de denedik – bu da artık multimodal – ve yanıt daha iyi oldu Cümlenin aniden durması bu dil modellerinde tipik bir hatadır Genel Bilgiler
Ve yine de: cevap bizi şaşırtıyor Llava burada pek başarılı olamadı: “Bu gömleği bu etiketle beyazlatabilir miyim?” “Etiket üzerinde ütüleme talimatlarının bulunması, kumaşın ütülenmeye uygun olduğunu gösterir (ve bunun bununla ne alakası var? Ed Sistemin etkileşimli olduğunu unutmayın, tıpkı ChatGpt ve benzeri gibi: konuşmayı sürdürürken ileri geri hareket edebiliriz, ilgili diğer şeyleri isteyebiliriz Llava kesinlikle daha acildir; belki de (çok) daha az kullanıcı sayısının etkisi vardır Herkesin güçlü ve zayıf noktaları vardır Ayrıca ona bir gömlek etiketi veya benzeri bir şey verebilir ve bu sembollerin ne anlama geldiğini veya daha doğrudan, bu sembollere dayanarak onu ütülemenin veya beyazlatmanın mümkün olup olmadığını sorabiliriz Izgara tavuk veya sebze şiş…” Sahte haberlerle ilgili olduğu gibi Ücretsiz olarak deneyebilirsiniz Burada Son olarak, duman bulutunun ve çevredeki ortamın genel görünümü yapay görünüyor ve bu da bunun sahte bir fotoğraf olduğu hipotezini daha da destekliyor Görüntü analizi çok daha ilginç Üstelik sadece geçen yıl Llava’nın yanı sıra Bing, Bard ve ChatGpt4V de geldi Ancak kumaşın doğru ütülendiğinden emin olmak, kalitesini ve görünümünü korumak için etiket üzerindeki talimatlara uymak şarttır “Etiket üzerindeki sembollere bakılırsa gömleğin ağartılmaması gerektiği anlaşılıyor Bilinen bir yalan haber Ona, Pentagon’a yönelik sahte bir saldırıyı yeniden üreten, yapay zekayla oluşturulmuş bir fotoğraf veriyoruz ”
Sahte olduğunu nereden biliyorsun? Ona soruyoruz Genel görsel ve dilsel anlayış için bir görüntü kodlayıcı ile bir LLM (“geniş dil”) modelini bağlayın Bu burun spreyinin kullanımı burun tıkanıklığını gidermek ve soğuk algınlığı ve grip semptomlarında geçici bir rahatlama sağlamaktır


“Fakat bu görüntü doğru mu, yanlış mı?”

Llava nedir ve nerede bulunur?

Llava, büyük bir multimodal model olan Büyük Dil ve Görme Asistanı anlamına gelir bir grup araştırmacı tarafından eğitildi Bu, yeni açık kaynaklı “çok modlu” sohbet robotu Llava Son test, “tıbbi” – Ayrı bir kapta çeri domatesleri, dilimlenmiş biberleri ve dilimlenmiş salatalıkları karıştırın – Üçüncü bir kapta pişmiş makarnayı, sebzeleri ve zeytinyağı, balzamik sirke, tuz ve karabiberden oluşan sosu karıştırın Aslında ağartmayın diyen bir sembol vardı – İsteğe bağlı olarak her şeyi tatlandırmak için biraz rendelenmiş parmesan ekleyin ” Vesaire Telefonumuzdan Llava’ya gittik ve masamızın üzerinde bulundurduğumuz burun spreyinin doğrudan arayüz üzerinden fotoğrafını çektik Vejetaryen makarna salatası hafif ve canlandırıcı bir seçenektir

Llava’nın yapabilecekleri

Llava’ya bir resim gönderiyoruz ve ona -şimdilik sadece İngilizce olarak- bununla birlikte bir şeyler soruyoruz Bunu iki örnek daha takip ediyor: “Bu yemek, farklı tatları ve beslenme tercihlerini karşılayan çeşitli tatlar ve dokular sunuyor 2 Genelde olgunlaşmamış ama çok ilginç ürünler sergiliyorlar Samsung’dan Bixby bunu zaten yapıyor, akıllı telefondan Google Lens ise kesinlikle daha doğrudan ve kullanışlı Dahası, testimizde her seferinde yalnızca birkaç saniye içinde yanıtlar gördük Üç olası işlev vardır: nesneleri veya bir görüntünün içeriğini tanımak; OCR, yani görüntüde bulunan kelimelerin okunması; modelin bir bilgi tabanına bağlandığı ve bu nedenle bize tavsiyelerde bulunabildiği ve değerlendirmelerde bulunabildiği görüntü analizi Bir metnin okunması ve çevrilmesi belki de pek yararlı olmayabilir Care burun spreyinin dozajı, genellikle günde iki veya üç kez olmak üzere ihtiyaç halinde burun deliklerine püskürtülmektir Cevap: “Resimde bir burun tıkanıklığı giderici olan Care Nazal Sprey şişesi gösterilmektedir Beyazlatma sembolü bir üçgendir ve içinden geçen bir çizgi beyazlatmanın tavsiye edilmediğini gösterir Nedir, nasıl kullanılır, dozajı diye sorduk Ama bilmemesi gerekiyor çünkü gazete okumuyor ”
Mükemmel: yararlı ve hatta bilgilendirici Kişisel veya ticari nedenlerle multimedya verilerinin analiz edilmesine yönelik bir sistem olarak yaygın uygulamasını bulacak bir teknolojinin muhtemelen henüz başlangıcındayız ) İkinci olarak, duman bulutunun bir binanın önünde olduğu belirtiliyor ancak binanın detayları açıkça görülemiyor, bu da bunun dijital olarak manipüle edilmiş bir arka plan olduğuna işaret ediyor olabilir Vejetaryen Makarna Salatası: – Makarnayı (spagetti, penne veya başka türde) pişirin ve bir kenara koyun Paket üzerindeki talimatlara uymak ve dozaj veya kullanıma ilişkin özel tavsiyeler için bir sağlık uzmanına danışmak önemlidir Tipik bir örnek, ona açık bir buzdolabının fotoğrafını göstermek ve ardından şuna benzer bir soru sormaktır: “Biri vejetaryen olan üç kişilik bir akşam yemeği için bu malzemelerle hangi tarifleri önerirsiniz?” Testimizin cevabı: “Akşam yemeği menüsü için işte bir öneri: 1 ”İyi; Ancak birkaç düzine saniye sürdü ve birkaç kez çöktü
“Görüntünün sahte olduğunu gösteren bazı ipuçları var