IT之家 8 月 5 日消息，微軟研究院近日展示了 Project Rumi 項(xiàng)目，結(jié)合文本，音頻和視頻數(shù)據(jù)，通過多模方法，提高人工智能系統(tǒng)的理解能力，從而更能理解人類的意圖。
人工智能系統(tǒng)近年來取得了長(zhǎng)足的進(jìn)步，尤其在自然語言處理（NLP）領(lǐng)域的成長(zhǎng)更為驚人。不過現(xiàn)有 NLP AI 主要依賴于文本輸入輸出，忽略了人類在自然交流中的語調(diào)，面部表情，手勢(shì)和肢體語言等線索，從而在理解方面會(huì)存在偏差。
在 AI 專業(yè)術(shù)語中，這些線索統(tǒng)稱為副語言（paralinguistics/ paralanguage）。
微軟研究院為了解決這個(gè)問題，開發(fā)了 Project Rumi，這是一個(gè)新穎的框架，旨在通過多模態(tài)副語言提示來增強(qiáng)人工智能的理解。該項(xiàng)目包括兩個(gè)主要部分：多模式副語言編碼器和多模式副語言解碼器。IT之家在此附上視頻如下：
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。