Meta vient de publier Llama 3, leur nouveau modèle d'IA de pointe qu'ils mettent à disposition en open source. C'est un développement important dans le monde de l'IA, car Llama 3 affiche des capacités et des performances impressionnantes.

La version publiée comprend deux versions de Llama 3 - un modèle de 8 milliards de paramètres et un modèle de 70 milliards de paramètres. Ces modèles sont à la hauteur de certains des meilleurs modèles open source existants, comme Claude 3 Opus et Gemini Pro 1.5.

Cependant, l'excitation concerne surtout le modèle Llama 3 de 400 milliards de paramètres à venir. Ce modèle plus important devrait avoir des capacités nettement améliorées, notamment la multimodalité, la capacité de converser dans plusieurs langues et des fenêtres de contexte plus larges. Les premiers scores de référence suggèrent que ce modèle sera en concurrence avec GPT-4 et Claude 3 Opus.

Pour utiliser Llama 3, vous pouvez y accéder via la plateforme Hugging Face ou le nouveau site Web d'IA Meta à l'adresse meta.vn. Le site Web offre une fonctionnalité unique - la possibilité de rechercher sur le Web et de citer des sources lors de la réponse aux questions, quelque chose que même le modèle populaire de Claude ne peut pas faire nativement.

Une autre caractéristique remarquable du site Web d'IA Meta est l'outil de génération d'images en temps réel. Les utilisateurs peuvent saisir une invite, et l'IA génère et met à jour l'image en temps réel pendant la saisie. Cela inclut la capacité d'animer les images générées, une fonctionnalité encore jamais vue dans d'autres outils de génération d'images IA comme Dall-E ou Stable Diffusion.

Dans l'ensemble, la sortie de Llama 3 est une étape importante dans le monde des modèles d'IA open source. Avec ses performances impressionnantes et ses fonctionnalités uniques, Llama 3 devrait être un véritable jeu-changer dans le paysage de l'IA.

A la fin de la semaine dernière, Nvidia a annoncé la sortie de GROCK 1.5 avec intégration de la vision. Les tests montrent que cette nouvelle version est à la hauteur d'autres modèles qui ont également des capacités de vision.

Quelques exemples partagés sur le site Web de Nvidia incluent :

• Écrire du code à partir d'un diagramme : Nvidia a fourni un diagramme de tableau blanc qui a ensuite été transformé en code par GROCK 1.5.
• D'autres exemples démontrent la capacité de GROCK 1.5 à générer des images et à les intégrer dans les réponses.

L'auteur a vérifié son propre compte GROCK, mais la fonctionnalité d'intégration de la vision n'a pas encore été déployée. Une fois l'accès disponible, il prévoit de tester plus en profondeur les capacités de GROCK 1.5.

L'annonce de GROCK 1.5 avec vision est un développement passionnant, car il montre les efforts continus de Nvidia pour étendre les capacités de leur modèle de langage de grande taille. La capacité d'intégrer le traitement de la vision et du langage ouvre de nouvelles possibilités pour les applications d'IA.

PoChat a récemment publié une nouvelle fonctionnalité appelée "Multibot Chat" qui permet aux utilisateurs de passer sans problème entre différents modèles de langage au sein d'une même conversation. Cette fonctionnalité représente une étape importante vers l'avenir de la manière dont nous interagissons avec les modèles de langage de grande taille.

Les principaux aspects de la fonctionnalité Multibot Chat de PoChat sont :

1. Sélection du modèle : Les utilisateurs peuvent choisir d'invoquer des modèles de langage spécifiques, comme Claude 3 Opus, Gemini 1.5 Pro ou GPT-4, pour répondre à différentes parties de leur requête. Cela permet aux utilisateurs de tirer parti des forces uniques de chaque modèle.

2. Sélection automatique du modèle : PoChat peut également sélectionner automatiquement le modèle le plus approprié en fonction de la question de l'utilisateur, garantissant ainsi qu'ils reçoivent la meilleure réponse possible.

3. Conversation fluide : La transition entre les modèles est transparente, permettant aux utilisateurs de maintenir un flux de conversation naturel sans interruption.

Cette approche représente un changement par rapport au modèle actuel qui consiste à utiliser un seul modèle de langage pour toutes les tâches. Au lieu de cela, elle adopte l'idée que différents modèles peuvent exceller dans différents types de requêtes ou de tâches. En permettant aux utilisateurs de choisir le modèle le plus adapté ou en laissant le système prendre cette décision, PoChat offre une expérience de conversation plus personnalisée et efficace.

Alors que les modèles de langage continuent d'évoluer et de se spécialiser, nous pouvons nous attendre à voir de plus en plus de plateformes et d'applications adopter une approche multi-modèle similaire. Cela permettra aux utilisateurs de tirer parti des forces uniques de divers modèles, conduisant à des réponses plus précises, pertinentes et utiles.

De plus, la possibilité d'invoquer des modèles spécifiques pour certaines tâches, comme la programmation ou l'analyse médicale, pourrait être particulièrement précieuse dans les environnements professionnels et d'entreprise. Les utilisateurs peuvent rapidement accéder au modèle le plus approprié à leurs besoins, améliorant ainsi la productivité et l'efficacité.

En conclusion, la fonctionnalité Multibot Chat de PoChat est un aperçu de la façon dont nous interagirons avec les modèles de langage de grande taille à l'avenir. En adoptant une approche multi-modèle, les utilisateurs peuvent profiter d'une expérience de conversation plus personnalisée et efficace, ouvrant la voie à la prochaine génération d'interactions pilotées par l'IA.

Le monde de l'IA s'est réchauffé avec d'importantes annonces et développements. L'une des plus grandes nouvelles est la bataille en cours entre Microsoft et Google pour la suprématie de l'IA.

Il y a quelques semaines, il a été rapporté que Microsoft et OpenAI s'associent pour construire un centre de données de 100 milliards de dollars afin d'augmenter leur puissance de calcul et de se rapprocher de l'Intelligence Artificielle Générale (AGI). Maintenant, Google a répondu, le responsable de DeepMind déclarant que Google dépense également au moins 100 milliards de dollars au cours des prochaines années pour construire une infrastructure similaire.

Cela indique que les deux géants de la technologie font des investissements massifs pour être les premiers à atteindre l'AGI - le Graal de l'IA qui aurait des capacités d'intelligence et de raisonnement de niveau humain. La course est lancée, Microsoft et OpenAI travaillant sur leur centre de données de 100 milliards de dollars, tandis que Google correspond avec son propre investissement de plus de 100 milliards de dollars.

Cette bataille pour la suprématie de l'IA montre à quel point ces progrès deviennent cruciaux. Quelle que soit l'entreprise capable de faire la percée vers l'AGI en premier, elle pourrait obtenir un avantage concurrentiel important. L'ampleur des investissements, avec les deux entreprises injectant plus de 100 milliards de dollars, souligne à quel point les enjeux sont élevés dans cette course aux armements de l'IA.

Alors que ces géants de la technologie continuent à investir des ressources dans leurs efforts d'IA, il sera fascinant de voir quelle entreprise émergera victorieuse dans la course à l'AGI. Les implications de l'atteinte de l'IA de niveau humain pourraient être profondes, faisant de cette bataille un enjeu incroyablement important à suivre dans les années à venir.

Bien que nous n'ayons pas encore accès à Stable Diffusion 3 dans une interface utilisateur facile, il est probable qu'il se déploie dans de nombreuses applications d'IA d'image bientôt. Une application qui devrait intégrer Stable Diffusion 3 est Leonardo AI.

En plus de Stable Diffusion 3, Leonardo AI prévoit également de publier une nouvelle fonctionnalité de transfert de style dans un avenir proche, peut-être même d'ici la publication de cette vidéo. L'exemple qu'ils ont fourni montrait le téléchargement d'une image comme référence de style, puis la génération de plusieurs images utilisant ce même style.

Les images résultantes avaient un style artistique cohérent, avec des exemples montrant une personne en parachute, quelqu'un portant une tenue futuriste inspirée du cyberpunk et d'autres scènes rendues dans ce style visuel unique. Cette capacité de transfert de style devrait être un ajout puissant à la suite d'outils de génération d'images pilotés par l'IA de Leonardo AI.

Bien que les invites spécifiques utilisées n'aient pas été partagées, la capacité de transférer un style artistique sur plusieurs images générées est une évolution passionnante qui pourrait ouvrir de nouvelles possibilités créatives pour les utilisateurs de la plateforme. Alors que la génération d'images IA continue d'évoluer, des fonctionnalités comme ce transfert de style devraient devenir de plus en plus courantes et précieuses pour les artistes, les concepteurs et les créateurs de contenu.

Microsoft a récemment publié une recherche appelée VASA-1, qui permet aux utilisateurs de télécharger une image d'un gros plan et un clip audio, puis de générer une vidéo parlante en combinant le gros plan et l'audio. Cela diffère des outils précédents comme Synthesia et Rephrase.ai, car les vidéos générées affichent un niveau élevé d'émotion et de mouvement naturel du visage, avec des clignements des yeux, des mouvements de sourcils et des mouvements de la tête/du corps.

Les exemples fournis par Microsoft démontrent la capacité de la technologie à créer des vidéos de tête parlante très réalistes. Un exemple montre une personne discutant du fait de remettre sa vie en ordre, avec les expressions faciales et les mouvements apparaissant très naturels et convaincants. Un autre exemple présente une personne discutant de l'intégration de l'exercice, avec une animation tout aussi réaliste de la tête parlante.

Microsoft a déclaré qu'ils sont prudents quant à la diffusion à grande échelle de cette technologie en raison des préoccupations concernant les utilisations potentielles abusives pour les deepfakes. Par conséquent, il n'est pas clair quand cette capacité sera mise à la disposition du grand public. Cependant, la recherche indique que d'autres entreprises pourraient développer des technologies similaires qui pourraient être publiées plus tôt.

Ce type de technologie de tête parlante générée par l'IA pourrait être utile pour les créateurs de contenu qui doivent produire des vidéos mais qui n'ont peut-être pas la possibilité de filmer des interviews en personne. Elle pourrait également avoir des applications dans des domaines comme le podcasting, où le format audio seul pourrait être amélioré par une vidéo de tête parlante générée. Dans l'ensemble, VASA-1 représente une avancée impressionnante dans la génération de vidéos pilotée par l'IA.

Cette semaine, une nouvelle recherche appelée "Instant Mesh" a été publiée sous licence open source Apache 2.0. Instant Mesh vous permet de télécharger une image 2D et de la transformer en un objet 3D que vous pouvez ensuite télécharger.

Pour l'essayer, il y a une démo Hugging Face disponible. Vous pouvez simplement faire glisser et déposer une image dans l'entrée, et l'outil la traitera pour générer une version 3D.

Par exemple, lorsque j'ai téléchargé une image d'un robot, l'outil a d'abord supprimé l'arrière-plan. Il a ensuite généré plusieurs vues et angles de l'interprétation 3D du robot. L'objet 3D résultant peut être téléchargé sous forme de fichier OBJ ou GLB.

Bien que le modèle 3D ne soit pas parfait et prêt à l'emploi immédiat dans un jeu ou un projet 3D, il fournit un bon brouillon que vous pouvez ensuite affiner davantage dans des outils comme Blender. Cela peut être un point de départ utile pour la création de contenu 3D, en particulier pour ceux qui n'ont pas de fortes compétences en modélisation 3D.

Dans l'ensemble, Instant Mesh est un nouvel outil open source intéressant qui facilite la conversion d'images 2D en objets 3D. C'est un développement prometteur dans le monde de la création 3D pilotée par l'IA.

Adobe a fait des annonces passionnantes lors de la conférence NAB, présentant leurs dernières fonctionnalités pilotées par l'IA pour Adobe Premiere. Ces progrès sont sur le point de révolutionner le paysage de la montage vidéo, en donnant aux créateurs de contenu des capacités sans précédent.

L'une des fonctionnalités les plus remarquables est la possibilité de générer et d'insérer du contenu directement dans Premiere. Adobe a démontré l'intégration de modèles comme Pika, Runway et le très attendu Sora, permettant aux utilisateurs de générer des clips vidéo, d'étendre des séquences et même de supprimer ou de modifier des objets dans une scène. Cette intégration transparente d'outils pilotés par l'IA directement dans le flux de travail de montage est un jeu-changer, simplifiant le processus créatif et débloquant de nouvelles possibilités pour les créateurs de vidéos.

Une autre fonctionnalité impressionnante est l'étalonnage des couleurs piloté par l'IA, qui promet de fournir une correction des couleurs cohérente et de niveau professionnel sur l'ensemble d'un projet. Cette automatisation d'une tâche traditionnellement chronophage sera un atout pour les monteurs qui ne sont pas des experts en étalonnage des couleurs, leur permettant d'obtenir des résultats soignés et visuellement cohérents avec facilité.

De plus, l'intégration du suivi de mouvement piloté par l'IA devrait simplifier le processus de suivi et de stabilisation des é