2022-02-16 | 김정욱 기자

电子技术研究院发布像人一样理解判断语言与视觉信息的预训练模型

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

一款能以人类水平理解“猫和狗同时出现的场景”这类文本,并自动匹配相应图像的人工智能(AI)模型正式公开。

韩国电子技术研究院(KETI)16日表示,推出可用于AI研究的尖端预训练模型“VL-KE-T5”,并免费发布。

预训练模型是一种通过自监督学习从大规模数据中预先学习通用语义的人工智能方法。它将构建成本高昂的训练数据依赖降至最低,利用相对易于获取的原始数据进行学习,在各类人工智能任务中展现出高性能。

“VL-KE-T5”模型在韩国科学技术情报通信部、信息通信规划评价院、信息通信产业振兴院的支持下开发完成。

“VL-KE-T5”是将KETI去年4月构建并免费公开的语言(韩语、英语)预训练模型“KE-T5”与谷歌公开的视觉预训练模型“ViT”的语义信息进行对齐的模型。KETI为使人工智能能够同时处理语言与视觉预训练模型,将两个模型不同的语义表示对齐为同一语义单元。

KETI相关人士解释称:“人类是将影像与语言信息相互关联来理解和表达信息,而此前的人工智能却是把影像和语言分离,作为单一智能进行研究”,“KETI通过对影像数据与语言数据之间的语义差异进行对比学习,将不同模型联接起来”。

“VL-KE-T5”是能够联动处理影像信息与语言信息的复合智能,同时支持韩语和英语,可基于两种语言完成业务处理,这是其优势。该模型依据开源许可(Apache 2.0)可自由使用和分发,预计将在高校、研究所、中小企业等韩国人工智能研究领域广泛扩散。

主导此次研究的KETI人工智能研究中心主任申思任表示:“KETI人工智能研究中心今后仍将持续公开人工智能预训练及复合智能研究所需的核心基础设施”,“未来对相关领域中小企业的技术产业化也将不吝支持”。

阅读韩文原文