你也许用过智能助手聊天阿拉尔pvc管道管件胶，也见过人工智能（AI）生成精美图像，看过机器人跳舞……但你是否想过，驱动“聊天”“画画”“运动”的，究竟是三套立的系统，还是同个“智能大脑”的三种？日前，项由北京智源人工智能研究院主的重要科研突破在学术期刊《自然》发表，为实现真正“看得清、想得通、做得稳”的通用人工智能指明了新向。这也是我国科研机构主的大模型原创成果次在《自然》正刊发表。

论文主要作者、北京智源人工智能研究院理事长、北京大学教授黄铁军指出，这项研究的核心思想非常简洁：以统架构，让AI学会“接龙”。“论是阅读文字、欣赏图片，还是观看、生成动作，在我们新开发的智源Emu模型的‘眼’里，都被转换成套‘数字积木’。模型的任务，就是像我们玩歌词接龙游戏那样，始终预测‘下块积木’应该如何出现。”

“这思路有迹可循。早在2018年，美国OpenAI公司便基于‘预测下词’的路线训练GPT模型阿拉尔pvc管道管件胶，并于2022年出ChatGPT，实现了语言大模型重大突破。”黄铁军团队测，“预测下词”的架构或许不仅适用于语言，也能拓展至多种模态，将图像、文本和数据在同架构下统训练，从而开发出“脑多能”的多模态大模型。

团队成员介绍，此前全球范围内出现的此类模型，大多采用“用工具组”式：理解语言与图片、生成图片与，均由各自立的模型或工具各司其职。这类分工模式虽目的明确，万能胶生产厂家但协同成本也随之增加。能否训练个“通才”，采用统架构处理各类数据、掌握多种技能？研究团队的Emu3模型给出了肯定答案。

Emu3就是这样个“通才”型AI：当你给它段文字描述时，它可以生成细节丰富、结构理的图像；当你给它张照片及相关问题时，它又能结视觉信息与常识阿拉尔pvc管道管件胶，进行的图像问答与理解；进步，它还能生成连续的片段——只需给出个开头，模型便能帧帧地输出后续画面，甚至还能像连环画那样，为每段画面配上文字描述。

在升版Emu3.5中，研究团队通过引入大规模长时序训练，使模型从“预测下个词元”拓展到“预测下个状态”，开始学习世界随时间演化的统计规律，为迈向完整的“世界模型”探索了可行路径。

奥力斯    万能胶厂家    联系人：王经理    手机：18231788377（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

黄铁军表示阿拉尔pvc管道管件胶，这意味着，多模态模型分离的“理解”和“生成”两类能力，次在同种简单而统的建模范式下被系统通。

这把“统建模”的钥匙，其潜力并不止于多模态内容生成。它可以延伸到物理世界，为机器人操作提供可行的动作序列设想，还可以解读脑信号等各种复杂数据。黄铁军介绍，“预测下个”这看似朴素的思想，本身蕴含着构建通用智能的基因。《自然》编辑评价，智源Emu3这成果对构建可扩展、统的多模态智能系统具有重要意义。

黄铁军表示，这项成果证实了生成式人工智能技术路线的普适：人类已经掌握了让不同智能在同体系内涌现的式，正稳步走上通用人工智能持续演进的道路。