【ITBEAR科技資訊】8月5日消息，近日，微軟研究院展示了名為"Project Rumi"的創新項目。該項目旨在提升人工智能系統的理解能力，實現對人類意圖的更深入理解。目前，雖然人工智能在自然語言處理領域取得了長足的進步，但現有的NLP AI主要僅依賴于文本輸入輸出，忽略了人類在交流過程中使用的語調、面部表情、手勢和肢體語言等副語言線索，從而導致系統理解存在偏差。
為了解決這個問題，微軟研究院推出了Project Rumi項目，采用了多模態副語言提示的方法。通過結合文本、音頻和視頻數據中的副語言線索，該項目開發了兩個核心部分：多模式副語言編碼器和多模式副語言解碼器。
據ITBEAR科技資訊了解，多模式副語言編碼器負責將多模態數據中的副語言線索進行編碼，以便AI系統能夠充分理解這些線索所攜帶的豐富信息。而多模式副語言解碼器則將編碼后的副語言線索與傳統文本輸入相結合，從而實現更全面、更準確地理解人類意圖，并生成更自然的輸出。
Project Rumi的推出標志著在AI領域探索多模態副語言的新進展。這將有助于人工智能系統在真實場景中更好地與人類進行交流和合作，為AI技術的應用帶來更多可能性。
盡管人工智能在NLP領域取得了巨大進步，但是微軟研究院的Project Rumi表明，仍有許多潛在的未知領域值得探索和改進。相信隨著科技的不斷進步，人工智能系統的理解能力將不斷提高，為各行各業帶來更多便利和創新。
