Google lancia Gemini 2.5 Pro: AI potenziata per esperti
#AI #Benchmark #Coding #Gemini25 #Gemini25Pro #GeminiAdvanced #GeminiAI #Google #GoogleAI #GoogleGemini #IntelligenzaArtificiale #LLM #Multimodalità #Notizie #Novità #Ragionamento #Sviluppatori #TechNews #Tecnologia

https://www.ceotech.it/google-lancia-gemini-2-5-pro-ai-potenziata-per-esperti/

La #multimodalità è un elemento che ormai è parte integrante dell'ultima generazione di modelli generativi.
In questo esempio uso #Gemini 1.5 Pro su #AI Studio, con un video come elemento di input. 
Il modello risponde a domande generali e specifiche, non solo riguardanti il parlato, ma anche su elementi visivi. 

___ 

 𝗦𝗲 𝘃𝘂𝗼𝗶 𝗿𝗶𝗺𝗮𝗻𝗲𝗿𝗲 𝗮𝗴𝗴𝗶𝗼𝗿𝗻𝗮𝘁𝗼/𝗮 𝘀𝘂 𝗾𝘂𝗲𝘀𝘁𝗲 𝘁𝗲𝗺𝗮𝘁𝗶𝗰𝗵𝗲, 𝗶𝘀𝗰𝗿𝗶𝘃𝗶𝘁𝗶 𝗮𝗹𝗹𝗮 𝗺𝗶𝗮 𝗻𝗲𝘄𝘀𝗹𝗲𝘁𝘁𝗲𝗿: https://bit.ly/newsletter-alessiopomaro 

I video di Figure 01 hanno fatto il giro del mondo, con grande stupore. 
Ma se ci pensiamo, la #multimodalità dei moderni modelli che usiamo ormai regolarmente è a livelli degni di nota.

https://www.linkedin.com/posts/alessiopomaro_multimodalitaeq-gpt4-claude3-activity-7175386723328114688-SxvT

#AI #GenAI #GenerativeAI #robotica

___

 𝗦𝗲 𝘃𝘂𝗼𝗶 𝗿𝗶𝗺𝗮𝗻𝗲𝗿𝗲 𝗮𝗴𝗴𝗶𝗼𝗿𝗻𝗮𝘁𝗼/𝗮 𝘀𝘂 𝗾𝘂𝗲𝘀𝘁𝗲 𝘁𝗲𝗺𝗮𝘁𝗶𝗰𝗵𝗲, 𝗶𝘀𝗰𝗿𝗶𝘃𝗶𝘁𝗶 𝗮𝗹𝗹𝗮 𝗺𝗶𝗮 𝗻𝗲𝘄𝘀𝗹𝗲𝘁𝘁𝗲𝗿: https://bit.ly/newsletter-alessiopomaro 

[TEST #Gemini 1.0 Pro Vision] La #multimodalità è ormai una costante nelle nuove generazioni di modelli. 
L'API di Gemini risponde bene, in linea con la "visione" dei modelli della stessa classe (es. #GPT4 e #Claude3).

Dettagli
https://www.linkedin.com/posts/alessiopomaro_gemini-multimodalitaeq-gpt4-activity-7171406524827713536-lKe4

In che direzione sta andando lo sviluppo di #OpenAI? Altman lo racconta a Gate.
Non ci sono grandi sorprese.. 
#multimodalità (inclusi input audio e video), 
miglioramento del "ragionamento" e dell'affidabilità, 
interazione con dati degli utenti (e-mail, calendari, ecc.) per personalizzare l'esperienza. 

#GPT5 in arrivo?

#AI #GenAI #IntelligenzaArtificiale #ChatGPT #LLM

https://www.linkedin.com/posts/alessiopomaro_episode-6-sam-altman-activity-7153274360101797889-jnqv

#Meta ha pubblicato una demo di #Audiobox, il modello dedicato alla generazione di audio.
Il sistema produce gli output partendo da una combinazione di input vocali e testuali. 
Siamo arrivando a livelli altissimi anche nel mondo audio.

___

𝗦𝗲 𝘃𝘂𝗼𝗶 𝗿𝗶𝗺𝗮𝗻𝗲𝗿𝗲 𝗮𝗴𝗴𝗶𝗼𝗿𝗻𝗮𝘁𝗼/𝗮 𝘀𝘂 𝗾𝘂𝗲𝘀𝘁𝗲 𝘁𝗲𝗺𝗮𝘁𝗶𝗰𝗵𝗲, 𝗶𝘀𝗰𝗿𝗶𝘃𝗶𝘁𝗶 𝗮𝗹𝗹𝗮 𝗺𝗶𝗮 𝗻𝗲𝘄𝘀𝗹𝗲𝘁𝘁𝗲𝗿: https://bit.ly/newsletter-alessiopomaro 

#AI #GenAI #GenerativeAI #IntelligemzaArtificiale #multimodalità

https://audiobox.metademolab.com/

Al #CES2024 è stato presentato un concetto davvero interessante, definito #LAM (Large Action Model).
Se questo è il primo passo verso una nuova generazione di assistenti virtuali multimodali, beh.. sono molto colpito.

#AI #GenerativeAI #GenAI #IntelligenzaArtificiale #VoiceTechnology #multimodalità #RabbitOS #r1

https://www.linkedin.com/posts/alessiopomaro_introducing-r1-activity-7151109779715694593-Fnyj

Anche #Copilot festeggia il primo anno, con novità interessanti.

#GPT4 Turbo

#DALLE3 aggiornato

#Multimodalità, con Vision di GPT-4 integrato alla ricerca di #Bing

Code Interpreter 

Deep Search per Bing, una funzionalità che espande le ricerche per fornire risultati più pertinenti

 https://blogs.microsoft.com/blog/2023/12/05/celebrating-the-first-year-of-copilot-with-significant-new-innovations/

Stability AI presenta le nuove funzionalità per Stable Audio.
Le principali sono la possibilità di usare un audio come parte dell'input e di scaricare la versione video del brano generato.
Inoltre ora è possibile scegliere il numero di step di generazione, il numero di risultati e il "seed" per dare un codice di riferimento all'output.
Anche i modelli generativi per l'#audio accelerano in modo importante, e tutto si muove verso la #multimodalità.

L'anteprima di Pika 1.0 mostra delle elaborazioni stupefacenti.
Ad esempio animazioni #3D, #multimodalità, outpainting, inpainting, trasformazione del #video in base a un #prompt testuale.
Le potenzialità in ambito creativo, con proiezioni che toccano la produzione video e i mondi social e #advertising si ampliano a una velocità impressionante.

#LLaVA è un nuovo modello multimodale in grado di interagire elaborando testo e immagini.
Le performance sono sorprendenti, anche nel confronto con #ChatGPT Vision.
Un dettaglio: si tratta di un modello open source, che può funzionare anche in locale.
Praticamente ieri OpenAI ha lanciato Vision, e oggi esistono già versioni a disposizione di tutti con performance paragonabili. Incredibile.

 https://llava-vl.github.io/

No, #Dalle3 non scherza. Non è sempre perfetto, ma l'aderenza ai #prompt è degna di nota. 

Altro dettaglio: il prompt viene riscritto dal sistema per essere più performante e per creare le 4 varianti.

Nelle immagini si vede anche l'output in cui ho chiesto a #GPT4 di descrivere l'immagine.

È solo un test, ma fa capire come tutto sia già nella direzione dell'interazione multimodale.

Anche se non è ancora possibile caricare le immagini su #ChatGPT, con un piccolo trucchetto ho provato a fargli analizzare una foto, e...
Il sistema la descrive con grande dettaglio. Quindi è già tutto pronto.

Qwen-VL di Alibaba è un nuovo VLA (Vision-Language Model) in grado non solo di elaborare immagini e testo, ma anche di individuare e riquadrare oggetti nelle immagini.
La #multimodalità è una caratteristica che fa sempre più parte dei modelli di grandi dimensioni. Quando rilascerà la funzionalità OpenAI con #GPT4?
Il progetto: https://github.com/QwenLM/Qwen-VL

Modelli come #CLIP, #Kosmos, ma anche #GPT4 riescono già ad elaborare testo e immagini in un unico contesto, ma #Google #Deepmind fa uno step ulteriore con RT-2, aggiungendo a tutto questo le azioni di un robot.
Si tratta di modelli definiti #VLA (Vision-Language-Action). Come #LLM e #VLM prevedono i token successivi di un input grazie a un training molto ampio, questi sistemi prevedono le azioni che un robot dovrà eseguire.

#multimodalità #robotica #RT2

https://www.linkedin.com/posts/alessiopomaro_ai-llm-chatgpt-activity-7098187603341930496-70Se

In #futuro l'ultimo miglio del software potrà essere generato "on demand"? 
Qui si vede come da un archivio di immagini si può passare a uno slideshow con musica di sottofondo attraverso #CodeInterpreter di #ChatGPT.
Nella chat che condivido sotto si può vedere tutta l'interazione e il #Python che viene generato dal #LLM. Decompressione dello ZIP, "ragionamenti" dell'algoritmo, generazione del video con le dissolvenze, integrazione del file MP3.