from TFN
画像とテキストの両方を理解できる最新の大規模言語モデル（LLM）であるMeta Llama 3.2の発表により、人工知能は大きな飛躍を遂げた。これは、メタが視覚モデルの世界に参入したことを意味し、OpenAIやAnthropicのようなAIの重鎮と直接競合することになる。
Meta Connectで発表されたLlama 3.2には、11Bと90Bのパラメータを持つ中型モデルと、モバイルやエッジデバイス向けに設計された軽量なテキストのみのモデル（1Bと3Bのパラメータ）が含まれている。これらのモデルは、パーソナライズされたAIエージェントに視覚データを理解し、対話する能力を与えるためのものである。
「メタ社のマーク・ザッカーバーグCEOは基調講演で、「これはオープンソース初のマルチモーダルモデルです。「これは、視覚的理解を必要とする多くのアプリケーションを可能にするものだ。
小売業からヘルスケアまで、視覚情報に大きく依存する業界にとって、Llama 3.2はこれまでハイエンドのプロプライエタリなAIに限られていたイノベーションへの扉を開くものだ。読むだけでなく、グラフを理解し、画像にキャプションを付け、自然言語のコマンドに基づいて対象物を特定するAIエージェントを想像してみてください。グラフから最良の販売月を探すにせよ、画像の詳細な説明を求めるにせよ、Llama 3.2のマルチモーダル機能はAIインタラクションを次のレベルに引き上げます。
*Disclamer:本キュレーションはTFNからピックおよび自動生成されました。正確な内容や詳細を知りたい方はリンク先の元コンテンツをご覧ください。
Curated. ニュースレター