A Meta acaba de lançar o Llama 3, seu novo modelo de IA de ponta que eles estão disponibilizando como código aberto. Este é um desenvolvimento significativo no mundo da IA, pois o Llama 3 possui capacidades e desempenho impressionantes.

O lançamento inclui duas versões do Llama 3 - um modelo de 8 bilhões de parâmetros e um modelo de 70 bilhões de parâmetros. Esses modelos têm desempenho equivalente a alguns dos melhores modelos de código aberto existentes, como o Claude 3 Opus e o Gemini Pro 1.5.

No entanto, a verdadeira emoção gira em torno do modelo Llama 3 de 400 bilhões de parâmetros que está por vir. Esse modelo maior deve ter capacidades significativamente melhores, incluindo multimodalidade, a capacidade de conversar em vários idiomas e janelas de contexto maiores. Os primeiros resultados de benchmark sugerem que esse modelo competirá com o GPT-4 e o Claude 3 Opus.

Para usar o Llama 3, você pode acessá-lo por meio da plataforma Hugging Face ou do novo site da Meta AI em meta.vn. O site oferece um recurso exclusivo - a capacidade de pesquisar na web e citar fontes ao responder a perguntas, algo que nem mesmo o popular modelo Claude pode fazer nativamente.

Outro recurso de destaque do site da Meta AI é a ferramenta de geração de imagens em tempo real. Os usuários podem digitar um prompt e a IA gerará e atualizará a imagem em tempo real à medida que você digita. Isso inclui a capacidade de animar as imagens geradas, uma capacidade ainda não vista em outras ferramentas de geração de imagens por IA como o Dall-E ou o Stable Diffusion.

Em geral, o lançamento do Llama 3 é um passo significativo no mundo dos modelos de IA de código aberto. Com seu desempenho impressionante e recursos exclusivos, o Llama 3 certamente será um marco no cenário da IA.

No final da semana passada, a Nvidia anunciou o lançamento do GROCK 1.5 com integração de visão. Os benchmarks mostram que essa nova versão está no mesmo nível de outros modelos que também têm capacidades de visão.

Alguns exemplos compartilhados no site da Nvidia incluem:

• Escrever código a partir de um diagrama: a Nvidia forneceu um diagrama de quadro branco que foi então transformado em código pelo GROCK 1.5.
• Outros exemplos demonstram a capacidade do GROCK 1.5 de gerar imagens e incorporá-las às respostas.

O autor verificou sua própria conta GROCK, mas o recurso de integração de visão ainda não foi implantado. Assim que o acesso estiver disponível, eles planejam fazer testes mais aprofundados sobre as capacidades do GROCK 1.5.

O anúncio do GROCK 1.5 com visão é um desenvolvimento empolgante, pois mostra os esforços contínuos da Nvidia para expandir as capacidades de seu grande modelo de linguagem.

A PoChat lançou recentemente um novo recurso chamado "Multibot Chat" que permite que os usuários alternem sem problemas entre diferentes modelos de linguagem em uma única conversa. Esse recurso representa um passo significativo em direção ao futuro de como interagimos com grandes modelos de linguagem.

Os principais aspectos do recurso Multibot Chat da PoChat são:

1. Seleção de Modelo: Os usuários podem escolher convocar modelos de linguagem específicos, como Claude 3 Opus, Gemini 1.5 Pro ou GPT-4, para responder a diferentes partes de sua consulta. Isso permite que os usuários aproveitem os pontos fortes exclusivos de cada modelo.

2. Seleção Automática de Modelo: A PoChat também pode selecionar automaticamente o modelo mais apropriado com base na pergunta do usuário, garantindo que eles recebam a melhor resposta possível.

3. Conversa Fluida: A transição entre os modelos é suave, permitindo que os usuários mantenham um fluxo natural de conversa sem interrupções.

Essa abordagem representa uma mudança em relação ao modelo atual de usar um único modelo de linguagem para todas as tarefas. Em vez disso, ela abraça a ideia de que diferentes modelos podem se destacar em diferentes tipos de consultas ou tarefas. Ao permitir que os usuários escolham o modelo mais adequado ou que o sistema tome essa decisão, a PoChat está fornecendo uma experiência conversacional mais personalizada e eficaz.

À medida que os modelos de linguagem continuarem a evoluir e se especializar, podemos esperar ver mais plataformas e aplicativos adotarem uma abordagem semelhante de vários modelos. Isso permitirá que os usuários aproveitem os pontos fortes exclusivos de vários modelos, levando a respostas mais precisas, relevantes e úteis.

O mundo da IA está esquentando com grandes anúncios e desenvolvimentos. Uma das maiores notícias é a batalha em andamento entre a Microsoft e o Google pela supremacia da IA.

Há algumas semanas, foi relatado que a Microsoft e a OpenAI estão se unindo para construir um data center de US$ 100 bilhões para aumentar seu poder computacional e avançar em direção à Inteligência Geral Artificial (AGI). Agora, o Google respondeu, com o chefe da DeepMind afirmando que o Google também está gastando pelo menos US$ 100 bilhões nos próximos anos para construir uma infraestrutura semelhante.

Isso indica que os dois gigantes da tecnologia estão fazendo investimentos massivos para serem os primeiros a alcançar a AGI - o santo graal da IA que teria inteligência e capacidades de raciocínio em nível humano. A corrida está acesa, enquanto a Microsoft e a OpenAI trabalham em seu data center de US$ 100 bilhões, o Google está correspondendo com seu próprio investimento de mais de US$ 100 bilhões.

Essa batalha pela supremacia da IA mostra o quão críticos esses avanços estão se tornando. A empresa que conseguir fazer o avanço para a AGI primeiro pode obter uma vantagem competitiva significativa. A escala dos investimentos, com ambas as empresas investindo mais de US$ 100 bilhões, ressalta o quão altas são as apostas nessa corrida armamentista da IA.

Embora ainda não tenhamos acesso ao Stable Diffusion 3 em uma interface de usuário fácil, ele provavelmente será integrado a muitos aplicativos de imagem por IA em breve. Um aplicativo que deve integrar o Stable Diffusion 3 é o Leonardo AI.

Alem do Stable Diffusion 3, o Leonardo AI também está supostamente lançando um novo recurso de transferência de estilo em um futuro próximo, possivelmente até o momento em que este vídeo for publicado. O exemplo que eles forneceram mostrou o upload de uma imagem como referência de estilo e, em seguida, a geração de várias imagens usando esse mesmo estilo.

As imagens resultantes tinham um estilo artístico consistente, com exemplos mostrando uma pessoa saltando de paraquedas, alguém usando uma roupa ciberpunk futurista e outras cenas renderizadas nesse estilo visual único. Essa capacidade de transferência de estilo deve ser uma adição poderosa ao conjunto de ferramentas de geração de imagens por IA do Leonardo AI.

Embora os prompts específicos usados não tenham sido compartilhados, a capacidade de transferir um estilo artístico por várias imagens geradas é um desenvolvimento empolgante que pode abrir novas possibilidades criativas para os usuários da plataforma. À medida que a geração de imagens por IA continua a evoluir, recursos como essa funcionalidade de transferência de estilo provavelmente se tornarão cada vez mais comuns e valiosos para artistas, designers e criadores de conteúdo.

A Microsoft lançou recentemente uma pesquisa chamada VASA-1, que permite que os usuários façam o upload de uma imagem de um retrato e de um clipe de áudio, e então gera um vídeo falante combinando o retrato e o áudio. Isso é diferente de ferramentas anteriores como Synthesia e Rephrase.ai, pois os vídeos gerados exibem um alto nível de emoção e movimentação natural do rosto, piscadas, movimentação das sobrancelhas e movimentação da cabeça/corpo.

Os exemplos fornecidos pela Microsoft demonstram a capacidade da tecnologia de criar vídeos de cabeça falante muito realistas. Um exemplo mostra uma pessoa discutindo sobre mudar a própria vida, com as expressões faciais e os movimentos parecendo muito naturais e convincentes. Outro exemplo apresenta uma pessoa discutindo sobre se exercitar, novamente com animação muito realista da cabeça falante.

A Microsoft declarou que está cautelosa em relação à liberação ampla dessa tecnologia devido a preocupações sobre possível uso indevido para deepfakes. Portanto, não está claro quando essa capacidade será disponibilizada para o público em geral. No entanto, a pesquisa indica que outras empresas podem desenvolver tecnologias semelhantes que podem ser lançadas mais cedo.

Esse tipo de tecnologia de cabeça falante gerada por IA pode ser útil para criadores de conteúdo que precisam produzir vídeos, mas podem não ter a capacidade de filmar entrevistas presenciais. Também pode ter aplicações em áreas como podcasting, onde o formato apenas de áudio poderia ser aprimorado com um vídeo de cabeça falante gerado.

Nesta semana, uma nova pesquisa chamada "Instant Mesh" foi lançada sob uma licença de código aberto Apache 2.0. O Instant Mesh permite que você faça o upload de uma imagem 2D e a transforme em um objeto 3D que você pode então baixar.

Para experimentar, há uma demonstração disponível no Hugging Face. Você pode simplesmente arrastar e soltar uma imagem na entrada, e a ferramenta a processará para gerar uma versão 3D.

Por exemplo, quando fiz o upload de uma imagem de um robô, a ferramenta primeiro removeu o fundo. Em seguida, gerou múltiplas visualizações e ângulos da interpretação 3D do robô. O objeto 3D resultante pode ser baixado como um arquivo OBJ ou GLB.

Embora o modelo 3D possa não ser perfeito e pronto para uso imediato em um jogo ou projeto 3D, ele fornece um rascunho útil que você pode então refinar ainda mais em ferramentas como o Blender. Isso pode ser um ponto de partida útil para a criação de conteúdo 3D, especialmente para aqueles que podem não ter habilidades sólidas de modelagem 3D.

Em geral, o Instant Mesh é uma nova ferramenta de código aberto interessante que facilita a conversão de imagens 2D em objetos 3D. É um desenvolvimento promissor no mundo da criação 3D impulsionada por IA.

A Adobe fez alguns anúncios empolgantes na conferência NAB, apresentando seus recursos mais recentes de IA para o Adobe Premiere. Esses avanços devem revolucionar o cenário da edição de vídeo, capacitando os criadores de conteúdo com capacidades sem precedentes.

Um dos recursos de destaque é a capacidade de gerar e inserir conteúdo diretamente no Premiere. A Adobe demonstrou a integração de modelos como Pika, Runway e o muito aguardado Sora, permitindo que os usuários gerem clipes de vídeo, estendam metragem e até removam ou modifiquem objetos em uma cena. Essa integração perfeita de ferramentas impulsionadas por IA diretamente no fluxo de trabalho de edição é um marco, simplificando o processo criativo e desbloqueando novas possibilidades para os criadores de vídeo.

Outro recurso impressionante é a correção de cor impulsionada por IA, que promete entregar uma correção de cor consistente e profissional em todo um projeto. Essa automação de uma tarefa tradicionalmente demorada será um bônus para os editores que não são especialistas em correção de cor, permitindo que eles alcancem resultados polidos e visualmente coesos com facilidade.

Adicionalemente, a integração do rastreamento de movimento impulsionado por IA deve simplificar o processo de rastrear e estabilizar elementos dentro de um vídeo. Esse recurso, combinado com a funcionalidade "máscara mágica" existente no DaVinci Resolve, fornecerá aos editores ferramentas poderosas para melhorar o valor de produção de seus projetos.

Esses avanços impulsionados por IA no Adobe Premiere e no DaVinci Resolve são um claro indicativo do impacto transformador que a inteligência artificial está tendo na indústria de edição de vídeo. Ao integrar perfeitamente esses recursos nas ferramentas que os criadores de conteúdo já usam, a Adobe e outros líderes do setor estão capacitando os usuários a expandir os limites do que é possível na produção de vídeo.

A última versão do DaVinci Resolve, a versão 19, introduz dois novos recursos impulsionados por IA:

1. Correção de Cor por IA: Esse recurso usa IA para corrigir automaticamente a cor de suas filmagens, ajudando você a alcançar um visual consistente em todo o seu vídeo. Como alguém que não costuma fazer correção de cor em seus vídeos, esse recurso pode ser um divisor de águas, permitindo que eu adicione uma correção de cor profissional com o mínimo de esforço.

2. Rastreamento de Movimento Impulsionado por IA: O DaVinci Resolve já possui um recurso de "máscara mágica" que usa IA para rastreamento de movimento. O novo recurso de rastreamento de movimento impulsionado por IA na versão 19 deve se basear nisso, tornando ainda mais fácil rastrear e isolar elementos específicos em suas filmagens.

Como usuário do DaVinci Resolve, estou animado para colocar as mãos nesses novos recursos impulsionados por IA e ver como eles podem simplificar meu fluxo de trabalho de edição de vídeo. A capacidade de corrigir rapidamente a cor e rastrear o movimento com a assistência da IA pode me economizar muito tempo e esforço, permitindo que eu me concentre mais nos aspectos criativos da produção de vídeo.

Embora os detalhes de como esses recursos funcionam ainda não estejam claros, o conceito geral de integrar a IA em uma suíte de edição de vídeo profissional como o DaVinci Resolve é um desenvolvimento promissor. Estou ansioso para explorar essas novas ferramentas e ver como elas podem melhorar meu processo de edição de vídeo.

A notícia de que a Força Aérea dos EUA realizou com sucesso o primeiro combate aéreo controlado por IA é profundamente preocupante. Embora