8 月 5 日消息，微軟研究院近日展示了 Project Rumi 項目，結合文本，音頻和視頻數據，通過多模方法，提高人工智能系統的理解能力，從而更能理解人類的意圖。

人工智能系統近年來取得了長足的進步，尤其在自然語言處理（NLP）領域的成長更為驚人。不過現有 NLP AI 主要依賴于文本輸入輸出，忽略了人類在自然交流中的語調，面部表情，手勢和肢體語言等線索，從而在理解方面會存在偏差。

在 AI 專業術語中，這些線索統稱為副語言（paralinguistics/ paralanguage）。

微軟研究院為了解決這個問題，開發了 Project Rumi，這是一個新穎的框架，旨在通過多模態副語言提示來增強人工智能的理解。該項目包括兩個主要部分：多模式副語言編碼器和多模式副語言解碼器。在此附上視頻如下：

廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節省甄選時間，結果僅供參考，所有文章均包含本聲明。

總結

以上是生活随笔為你收集整理的微软展示 Rumi 项目，通过多模方式提高 AI 理解能力的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。