Meta ha appena rilasciato Llama 3, il loro nuovo modello di intelligenza artificiale all'avanguardia che stanno rendendo open-source. Questo è uno sviluppo significativo nel mondo dell'IA, poiché Llama 3 vanta capacità e prestazioni impressionanti.

Il rilascio include due versioni di Llama 3 - un modello da 8 miliardi di parametri e un modello da 70 miliardi di parametri. Questi modelli hanno prestazioni alla pari con alcuni dei migliori modelli open-source esistenti, come Claude 3 Opus e Gemini Pro 1.5.

Tuttavia, l'eccitazione reale circonda il modello Llama 3 da 400 miliardi di parametri in arrivo. Questo modello più grande dovrebbe avere capacità notevolmente migliorate, inclusa la multimodalità, la capacità di conversare in più lingue e finestre di contesto più ampie. I punteggi di benchmark iniziali suggeriscono che questo modello sarà in grado di competere con GPT-4 e Claude 3 Opus.

Per utilizzare Llama 3, è possibile accedervi attraverso la piattaforma Hugging Face o il nuovo sito web di Meta AI su meta.vn. Il sito web offre una funzionalità unica - la possibilità di cercare sul web e citare le fonti quando si rispondono alle domande, qualcosa che nemmeno il popolare modello Claude può fare nativamente.

Un'altra caratteristica distintiva del sito web di Meta AI è lo strumento di generazione di immagini in tempo reale. Gli utenti possono digitare un prompt e l'IA genererà e aggiornerà l'immagine in tempo reale mentre si digita. Ciò include la possibilità di animare le immagini generate, una capacità non ancora vista in altri strumenti di generazione di immagini IA come Dall-E o Stable Diffusion.

Complessivamente, il rilascio di Llama 3 è un passo importante avanti nel mondo dei modelli di IA open-source. Con le sue prestazioni impressionanti e le sue caratteristiche uniche, Llama 3 sarà sicuramente un punto di svolta nel panorama dell'IA.

Alla fine della scorsa settimana, Nvidia ha annunciato il rilascio di GROCK 1.5 con integrazione della visione. I benchmark mostrano che questa nuova versione è alla pari con altri modelli che hanno anche capacità visive.

Alcuni esempi condivisi sul sito web di Nvidia includono:

• Scrivere codice da una diagramma: Nvidia ha fornito un diagramma su una lavagna che è stato poi trasformato in codice da GROCK 1.5.
• Altri esempi dimostrano la capacità di GROCK 1.5 di generare immagini e incorporarle nelle risposte.

L'autore ha controllato il proprio account GROCK, ma la funzionalità di integrazione della visione non è ancora stata rilasciata. Una volta disponibile l'accesso, hanno in programma di testare più a fondo le capacità di GROCK 1.5.

L'annuncio di GROCK 1.5 con visione è uno sviluppo entusiasmante, in quanto dimostra gli sforzi continui di Nvidia per espandere le capacità del loro modello di linguaggio di grandi dimensioni. La capacità di integrare l'elaborazione della visione e del linguaggio apre nuove possibilità per le applicazioni di IA.

PoChat ha recentemente rilasciato una nuova funzionalità chiamata "Multibot Chat" che consente agli utenti di passare senza problemi tra diversi modelli di linguaggio all'interno di una singola conversazione. Questa funzionalità rappresenta un passo significativo verso il futuro di come interagiremo con i modelli di linguaggio di grandi dimensioni.

Gli aspetti chiave della funzionalità Multibot Chat di PoChat sono:

1. Selezione del modello: Gli utenti possono scegliere di invocare modelli di linguaggio specifici, come Claude 3 Opus, Gemini 1.5 Pro o GPT-4, per rispondere a diverse parti della loro query. Ciò consente agli utenti di sfruttare i punti di forza unici di ciascun modello.

2. Selezione automatica del modello: PoChat può anche selezionare automaticamente il modello più appropriato in base alla domanda dell'utente, garantendo che ricevano la migliore risposta possibile.

3. Conversazione fluida: La transizione tra i modelli è fluida, consentendo agli utenti di mantenere un flusso naturale di conversazione senza interruzioni.

Questo approccio rappresenta un allontanamento dal modello attuale di utilizzo di un singolo modello di linguaggio per tutti i compiti. Invece, abbraccia l'idea che diversi modelli possano eccellere in diversi tipi di query o attività. Consentendo agli utenti di scegliere il modello più adatto o facendo in modo che il sistema prenda questa decisione, PoChat sta fornendo un'esperienza conversazionale più personalizzata ed efficace.

Man mano che i modelli di linguaggio continuano a evolversi e a specializzarsi, possiamo aspettarci di vedere più piattaforme e applicazioni adottare un approccio simile a più modelli. Ciò consentirà agli utenti di sfruttare i punti di forza unici di vari modelli, portando a risposte più accurate, pertinenti e utili.

Inoltre, la possibilità di invocare modelli specifici per determinati compiti, come la codifica o l'analisi medica, potrebbe essere particolarmente preziosa in contesti professionali ed aziendali. Gli utenti possono accedere rapidamente al modello più appropriato per le loro esigenze, migliorando la produttività e l'efficienza.

In conclusione, la funzionalità Multibot Chat di PoChat è uno sguardo al futuro di come interagiremo con i modelli di linguaggio di grandi dimensioni. Abbracciando un approccio a più modelli, gli utenti possono godere di un'esperienza conversazionale più personalizzata ed efficace, aprendo la strada alla prossima generazione di interazioni alimentate dall'IA.

Il mondo dell'IA si sta riscaldando con importanti annunci e sviluppi. Una delle notizie più importanti è la battaglia in corso tra Microsoft e Google per la supremazia nell'IA.

Poche settimane fa, è stato riferito che Microsoft e OpenAI stanno collaborando per costruire un data center da 100 miliardi di dollari per aumentare la loro potenza di calcolo e spingere verso l'Intelligenza Artificiale Generale (AGI). Ora, Google ha risposto, con il capo di DeepMind che afferma che Google sta investendo almeno 100 miliardi di dollari nei prossimi anni per costruire infrastrutture simili.

Ciò indica che entrambi i giganti tecnologici stanno facendo investimenti massicci per essere i primi a raggiungere l'AGI - il santo Graal dell'IA che avrebbe capacità di intelligenza e ragionamento a livello umano. La corsa è iniziata, mentre Microsoft e OpenAI lavorano sul loro data center da 100 miliardi di dollari, mentre Google sta pareggiando con il suo investimento di oltre 100 miliardi di dollari.

Questa battaglia per la supremazia dell'IA mostra quanto questi progressi stiano diventando cruciali. L'azienda che riuscirà a fare la svolta verso l'AGI per prima potrebbe ottenere un vantaggio competitivo significativo. La semplice scala degli investimenti, con entrambe le aziende che versano oltre 100 miliardi di dollari, sottolinea quanto siano alti i posti in gioco in questa corsa agli armamenti dell'IA.

Mentre questi giganti tecnologici continuano a investire risorse nei loro sforzi di IA, sarà affascinante vedere quale azienda emergerà vittoriosa nella corsa all'AGI. Le implicazioni del raggiungimento dell'IA a livello umano potrebbero essere profonde, rendendo questa una battaglia incredibilmente importante da seguire negli anni a venire.

Ancorché non abbiamo ancora accesso a Stable Diffusion 3 in un'interfaccia utente semplice, probabilmente verrà integrato in molte app di immagini IA presto. Un'app che dovrebbe integrare Stable Diffusion 3 è Leonardo AI.

Oltre a Stable Diffusion 3, si dice che Leonardo AI stia rilasciando anche una nuova funzionalità di trasferimento di stile nel prossimo futuro, forse addirittura entro la pubblicazione di questo video. L'esempio fornito mostrava il caricamento di un'immagine come riferimento di stile, e poi la generazione di diverse immagini utilizzando quello stesso stile.

Le immagini risultanti avevano uno stile artistico coerente, con esempi che mostravano una persona che fa paracadutismo, qualcuno che indossa un outfit futuristico ispirato al cyberpunk e altre scene rese in quello stile visivo unico. Questa capacità di trasferimento di stile dovrebbe essere un'aggiunta potente alla suite di strumenti di generazione di immagini alimentati dall'IA di Leonardo AI.

Sebbene i prompt specifici utilizzati non siano stati condivisi, la possibilità di trasferire uno stile artistico attraverso più immagini generate è uno sviluppo entusiasmante che potrebbe aprire nuove possibilità creative per gli utenti della piattaforma. Man mano che la generazione di immagini IA continua a evolversi, funzionalità come questa di trasferimento di stile sono destinate a diventare sempre più comuni e preziose per artisti, designer e creatori di contenuti.

Microsoft ha recentemente rilasciato una ricerca chiamata VASA-1, che consente agli utenti di caricare un'immagine di un primo piano e un clip audio, e poi genera un video parlante combinando il primo piano e l'audio. Questo è diverso dagli strumenti precedenti come Synthesia e Rephrase.ai, poiché i video generati mostrano un alto livello di emozione e movimento naturale del viso, con ammiccamenti, sollevamenti di sopracciglia e movimenti della testa/corpo.

Gli esempi forniti da Microsoft dimostrano la capacità della tecnologia di creare video di teste parlanti molto realistici. Un esempio mostra una persona che discute di come cambiare la propria vita, con le espressioni facciali e i movimenti che appaiono molto naturali e convincenti. Un altro esempio presenta una persona che discute di inserire l'esercizio, ancora una volta con un'animazione molto realistica della testa parlante.

Microsoft ha dichiarato di essere cauta nel rilasciare questa tecnologia ampiamente a causa di preoccupazioni sull'uso improprio per i deepfake. Di conseguenza, non è chiaro quando questa capacità sarà resa disponibile al pubblico in generale. Tuttavia, la ricerca indica che altre aziende potrebbero sviluppare tecnologie simili che potrebbero essere rilasciate prima.

Questo tipo di tecnologia di testa parlante generata dall'IA potrebbe essere utile per i creatori di contenuti che devono produrre video ma potrebbero non avere la possibilità di filmare interviste dal vivo. Potrebbe anche avere applicazioni in aree come i podcast, dove il formato audio-solo potrebbe essere migliorato con un video di testa parlante generato. Nel complesso, VASA-1 rappresenta un notevole progresso nella generazione di video alimentata dall'IA.

Questa settimana è stata rilasciata una nuova ricerca chiamata "Instant Mesh" sotto una licenza open source Apache 2.0. Instant Mesh consente di caricare un'immagine 2D e trasformarla in un oggetto 3D che è possibile scaricare.

Per provarlo, c'è una demo di Hugging Face disponibile. È possibile semplicemente trascinare e rilasciare un'immagine nell'input e lo strumento la elaborerà per generare una versione 3D.

Ad esempio, quando ho caricato un'immagine di un robot, lo strumento ha prima rimosso lo sfondo. Ha quindi generato più visualizzazioni e angolazioni dell'interpretazione 3D del robot. L'oggetto 3D risultante può essere scaricato come file OBJ o GLB.

Sebbene il modello 3D potrebbe non essere perfetto e pronto per l'uso immediato in un gioco o in un progetto 3D, fornisce un buon abbozzo che è possibile raffinare ulteriormente in strumenti come Blender. Questo può essere un punto di partenza utile per la creazione di contenuti 3D, soprattutto per coloro che potrebbero non avere forti competenze di modellazione 3D.

Complessivamente, Instant Mesh è uno strumento open source interessante che semplifica la conversione di immagini 2D in oggetti 3D. È uno sviluppo promettente nel mondo della creazione 3D alimentata dall'IA.

Adobe ha fatto alcuni annunci entusiasmanti alla conferenza NAB, mostrando le sue ultime funzionalità alimentate dall'IA per Adobe Premiere. Questi progressi sono destinati a rivoluzionare il panorama dell'editing video, dando ai creatori di contenuti capacità senza precedenti.

Una delle funzionalità di spicco è la possibilità di generare e inserire contenuti direttamente all'interno di Premiere. Adobe ha dimostrato l'integrazione di modelli come Pika, Runway e l'atteso Sora, consentendo agli utenti di generare clip video, estendere i filmati e persino rimuovere o modificare gli oggetti in una scena. Questa integrazione senza soluzione di continuità di strumenti alimentati dall'IA direttamente nel flusso di lavoro di editing è un vero e proprio punto di svolta, semplificando il processo creativo e sbloccando nuove possibilità per i creatori di video.

Un'altra funzionalità impressionante è la correzione del colore alimentata dall'IA, che promette di fornire una correzione del colore coerente e di livello professionale in tutto un progetto. Questa automazione di un compito tradizionalmente impegnativo sarà un vantaggio per gli editor che potrebbero non essere esperti nella correzione del colore, consentendo loro di ottenere risultati rifiniti e visivamente coerenti con facilità.

Inoltre, l'integrazione del tracciamento del movimento alimentato dall'IA è destinata a semplificare il processo di tracciamento e stabilizzazione degli elementi all'interno di un video. Questa funzionalità, combinata con la funzionalità "maschera magica" esistente in DaVinci Resolve, fornirà agli editor strumenti potenti per migliorare il valore di produzione dei loro progetti.

Questi progressi alimentati dall'IA in Adobe Premiere e DaVinci Resolve sono un chiaro indicatore dell'impatto trasformativo che l'intelligenza artificiale sta avendo sull'industria dell'editing video. Integrando in modo fluido queste capacità negli strumenti che i creatori di contenuti utilizzano già, Adobe e altri leader del settore stanno abilitando gli utenti a spingere i confini di ciò che è possibile nella produzione video.