多模态预训练大模型-十大科技趋势

人工智能正在从文本、语音、视觉 等单模态智能，向着多种模态融合的通用人工智能方向发展。多模态统一建模， 目的是增强模型的跨模态语义对齐能力， 打通各个模态之间的关系，使得模型逐 步标准化。目前，技术上的突出进展来自于 CLIP（匹配图像和文本）和 BEiT-3 （通用多模态基础模型）。基于多L域知识，构建统一的、跨场景、多任务的多 模态基础模型已成为人工智能的重点发 展方向。未来大模型作为基础设施，将 实现图像、文本、音频统一知识表示， 并朝着能推理、能回答问题、能总结、 做创作的认知智能方向演进。