在OpenAI近期发布大型语言模型(LLM)“GPT-4”、在生成式人工智能(AI)开发竞争中先行一步之际,韩国国内企业也在加紧相关技术开发。特别是随着GPT-4强化外语性能并新增图像识别功能,进化为不仅处理文字、还能处理照片、语音、视频等复合信息的“多模态(multimodal)”,韩国国内企业正力图推进相关技术的高端化。
据信息技术(IT)业界26日消息,在GPT-4模型发布后,韩国国内领先的AI企业也在加快多模态战略。多模态AI是指以两种以上模态(感官)处理信息识别与结果值输出的AI。如果说全球科技巨头此前一直围绕文本处理能力竞争,那么GPT-4模型更进一步,还能理解图像。韩国国内一家AI初创企业相关人士表示:“长期来看,图像和语音等多模态模型的商用化早有预期”,“随着GPT-4快速进化为多模态AI,市场趋势预计将加速。”
很早就投资多模态领域的LG集团正在加快服务商用化。与LG在LLM业务上保持合作关系的图片销售企业Shutterstock计划于今年4月通过LG的LLM“EXAONE”将图像描述(captioning)技术应用到自身服务中。Shutterstock相关人士表示:“新技术应用后,可以对图像进行说明并转换为关键词来设定标签,从而更快找到素材。”已有多家合作企业和LG旗下公司通过该模型生成图像并用于业务。不过此次将商用化的描述技术是理解图像并生成文本,与此前通过图像、文本生成图像的功能有所区别。该技术在分析复杂图表和图像方面也很有效,预计将有助于LG正在推进的专家型AI服务。预计LG将通过快速商用化进一步提升相关功能水平,并加快多模态战略。
NAVER集团同样计划在7月内推出的基于LLM“HyperCLOVA”的搜索服务“SearchGPT”中加入图像识别功能,以提高搜索完成度。例如在搜索室内装修时,既可以提问“给我看看有温暖感觉的橙色风格装修”,也可以附上想要的照片或图像,从而得出更优化的搜索结果。
随着GPT-4进化为多模态AI,一直以韩语能力或图像生成功能作为差异化要素的韩国国内企业,面临必须通过技术升级确保竞争力的压力。NAVER集团曾强调HyperCLOVA学习的韩语数据量是GPT-3.5模型的6500倍,凸显韩语理解能力优势,但GPT-4已升级为比前一版本更好地运用包括韩语在内的大部分外语。一直强调图像生成功能的LG和Kakao集团也需要与GPT-4形成差异化。
不能在速度战中落后的不安感也在鞭策韩国国内企业。OpenAI大幅缩短了原本预计约一年半的新模型发布间隔,此次仅四个月便推出新版本。尤其是图像识别功能在用户尚无法使用的情况下就提前公开,显示出不愿放弃生成式AI开发和服务商用化主导权的意志。业界相关人士表示:“多模态推理性能所需资源远多于文本模型,不仅是图形处理器,还包括云存储等”,“在尚未100%准备好的情况下推出服务,是抢占市场的战略。”






