アップルがマルチモーダル大規模言語モデル「Ferret」を公開。画像内の形や場所を言葉で説明

コメント

注目のコメント

• 比屋根 一雄

  三菱総合研究所 執行役員兼研究理事 生成AIラボセンター長

  ・2023年10月16日

  大規模画像言語モデルは他にもありますが、Appleが発表したのはニュースですね。
  
  正確な画像内位置参照は、いかにもVision Proに搭載されそうな技術です。
• 福島 裕介

  藤沢湘南台病院 循環器内科部長

  ・2023年10月16日

  GAFAM 全て（出資含む）がLLMを公開し、2023年はAI戦国時代の幕開けとなりそうですね。
  このままGAFAM 中心に進むのか、それとも新興企業が大きくなるのか、企業動勢も気になるところ。
• 淺間 康太郎

  富士通株式会社 Japan Change Leader / GenerativeAI Advocate / DX Officer補佐

  ・2023年10月16日

  ついにAppleから大規模言語モデルについての情報が来ましたね。
  これまでAppleはAIないしLLMといった言葉を伏せてきた印象でしたが、やはり内部では開発が進んでいたということでしょうか。（ChatGPT/GPT-4の技術を活用し...と書かれていますね）
  
  Ferret、MLLM（マルチモーダル大規模言語モデル）ですが、ボックスシルエットではなく、形状をフィットさせて認識することが出来るようです。
  
  BartにGPT-4やLLaVAなど、MLLMが多く登場したここ数か月でしたが、今後も更なる発展が期待できそうです。