Vallankumouksellisen idean kehitys: GPT-4 ja multimodaalinen tekoäly

Mikä on multimodaalinen AI? Se on kysymys, jonka kuulemme usein nykyään, eikö niin? Olipa sitten lounastauoilla, toimiston chat-ryhmissä tai illalla ystävien kanssa jutellessa, näyttää siltä, ​​että kaikki ovat täynnä puheita GPT-4:stä.

GPT-4:n äskettäinen julkaisu on herättänyt jännitystä ja spekulaatioita tekoälyyhteisössä ja sen ulkopuolella. Uusimpana lisäyksenä OpenAI:n vaikuttavaan tekoälymallien valikoimaan, GPT-4 tarjoaa useita kehittyneitä ominaisuuksia, erityisesti multimodaalisen tekoälyn alalla.

GPT-4:llä on kyky käsitellä ja integroida syötteitä useista modaliteeteista, kuten tekstiä, kuvia ja ääniä, ja se edustaa merkittävää läpimurtoa tekoälyn alalla ja on herättänyt huomattavaa kiinnostusta ja huomiota niin tutkijoilta, kehittäjiltä kuin harrastajiltakin.

GPT-4:n julkaisusta lähtien kaikki ovat pohtineet multimodaalisen tekoälyn tarjoamista mahdollisuuksista. Valaistetaan tätä aihetta palaamalla ensin 6 kuukautta aikaisempaan.

6 kuukautta aikaisemmin: Keskustelemme multimodaalisesta tekoälystä

Podcast-haastattelussa "Tekoäly seuraavalle aikakaudelle”, OpenAI:n toimitusjohtaja Sam Altman jakoi näkemyksensä tekoälytekniikan tulevista edistysaskeleista. Yksi keskustelun kohokohdista oli Altmanin paljastus multimodaalisen mallin olevan horisontissa.

Termi "multimodaalinen" viittaa tekoälyn kykyyn toimia useissa tiloissa, mukaan lukien teksti, kuvat ja äänet.

OpenAI:n vuorovaikutus ihmisten kanssa rajoittui tekstinsyöttöön, oli se sitten Dall-E:n tai ChatGPT:n kautta. Multimodaalinen tekoäly kykenisi kuitenkin olemaan vuorovaikutuksessa puheen avulla, jolloin se voisi kuunnella komentoja, tarjota tietoa ja jopa suorittaa tehtäviä. GPT-4:n julkaisun myötä tämä saattaa muuttua lopullisesti.

Luulen, että saamme multimodaalisia malleja pian, ja se avaa uusia asioita. Mielestäni ihmiset tekevät hämmästyttävää työtä agenttien kanssa, jotka voivat käyttää tietokoneita tehdäkseen asioita puolestasi, käyttää ohjelmia ja tätä ajatusta kieliliittymästä, jossa sanotaan luonnollinen kieli – mitä haluat tällaisessa vuoropuhelussa edestakaisin. Voit toistaa ja tarkentaa sitä, ja tietokone vain tekee sen puolestasi. Näet osan tästä DALL-E:n ja CoPilotin kanssa hyvin varhaisessa vaiheessa.

-Altman

Vaikka Altman ei nimenomaisesti vahvistanut, että GPT-4 olisi multimodaalinen tuona aikana, hän ehdotti, että tällainen tekniikka on horisontissa ja saapuu lähitulevaisuudessa. Yksi hänen multimodaalisen tekoälyn näkemyksensä kiehtova puoli on sen mahdollisuudet luoda uusia liiketoimintamalleja, jotka eivät ole tällä hetkellä toteutettavissa.

Altman veti rinnakkaisuuden mobiilialustaan, mikä loi lukemattomia mahdollisuuksia uusille hankkeille ja työpaikoille. Samalla tavalla multimodaalinen tekoälyalusta voisi avata joukon innovatiivisia mahdollisuuksia ja muuttaa tapaamme elää ja työskennellä. Se on jännittävä mahdollisuus, joka korostaa tekoälyn muutosvoimaa ja sen kykyä muokata maailmaamme tavoilla, joita voimme vain kuvitella.

…luulen, että tästä tulee massiivinen trendi, ja erittäin suuria yrityksiä rakennetaan tämän käyttöliittymänä, ja yleisemmin [luulen], että nämä erittäin tehokkaat mallit ovat yksi aidoista uusista teknologisista alustoista, joita meillä on ei oikeastaan ​​ollut matkapuhelimen jälkeen. Ja heti sen jälkeen tulee aina uusien yritysten räjähdysmäinen määrä, joten se on siistiä. Uskon, että saamme todelliset multimodaaliset mallit toimimaan. Eikä vain tekstiä ja kuvia, vaan jokainen yhdessä mallissa oleva modaliteetti pystyy liikkumaan helposti sujuvasti asioiden välillä.

-Altman

Todella itseoppiva tekoäly

Yksi alue, joka saa verrattain vähän huomiota tekoälytutkimuksen alueella, on pyrkimys luoda itseoppiva tekoäly. Vaikka nykyiset mallit pystyvät spontaanisti ymmärtämään tai "syntymään", kun uusia kykyjä syntyy lisääntyneestä harjoitustiedosta, todella itseoppiva tekoäly edustaisi suurta harppausta eteenpäin.

OpenAI:n Altman puhui tekoälystä, joka voi oppia ja päivittää kykyjään yksinään sen sijaan, että se olisi riippuvainen harjoitustietojensa koosta. Tällainen tekoäly ylittäisi perinteisen ohjelmistoversion paradigman, jossa yritykset julkaisevat asteittain päivityksiä sen sijaan, että ne kasvaisivat ja parantaisivat itsenäisesti.

Vaikka Altman ei ehdottanut, että GPT-4:llä olisi tämä ominaisuus, hän ehdotti, että OpenAI pyrkii siihen ja että se on täysin mahdollisuuksien rajoissa. Ajatus itseoppivasta tekoälystä on kiehtova, jolla voi olla kauaskantoisia vaikutuksia tekoälyn ja maailmamme tulevaisuuteen.

---

Visual ChatGPT tuo tekoälykuvan luomisen suosittuun chatbotiin

---

Takaisin nykyhetkeen: GPT-4 on julkaistu

Paljon odotettu GPT-4:n julkaisu on nyt joidenkin Plus-tilaajien saatavilla, ja se sisältää uuden multimodaalisen kielimallin, joka hyväksyy tekstin, puheen, kuvat ja videon syötteinä ja tarjoaa tekstipohjaisia ​​vastauksia.

OpenAI on mainostanut GPT-4:ää merkittävänä virstanpylväänä pyrkimyksissään skaalata syväoppimista ja huomauttanut, että vaikka se ei ehkä ole parempi kuin ihminen monissa tosielämän skenaarioissa, se tarjoaa ihmistason suorituskykyä erilaisissa ammatillisissa ja akateemisissa vertailuissa.

ChatGPT:n suosio, joka hyödyntää GPT-3 AI -tekniikkaa luomaan ihmisen kaltaisia ​​vastauksia hakukyselyihin Internetistä kerättyjen tietojen perusteella, on kasvanut sen jälkeen, kun se esiteltiin 30. marraskuuta.

Keskustelevan chatbotin ChatGPT:n lanseeraus on käynnistänyt tekoälyn asevarustelun Microsoftin ja Googlen välillä. Molemmat pyrkivät integroimaan sisältöä luovia generatiivisia tekoälytekniikoita Internet-haku- ja toimistotuotteisiinsa. GPT-4:n julkaisu ja jatkuva kilpailu teknologiajättien välillä korostavat tekoälyn kasvavaa merkitystä ja sen mahdollisuuksia muuttaa tapaamme olla vuorovaikutuksessa teknologian kanssa.

Ymmärtääksemme aihetta paremmin, kutsumme sinut syventymään syvempään ja teknisempään keskusteluun multimodaalisesta tekoälystä.

Mikä on multimodaalinen AI?

Multimodaalinen tekoäly on eräänlainen tekoäly, joka pystyy käsittelemään ja ymmärtämään syötteitä eri tiloista tai modaliteeteista, mukaan lukien tekstiä, puhetta, kuvia ja videoita. Tämä tarkoittaa, että se pystyy tunnistamaan ja tulkitsemaan erilaisia ​​datamuotoja, ei vain yhtä tyyppiä, mikä tekee siitä monipuolisempaa ja mukautuvampaa erilaisiin tilanteisiin. Pohjimmiltaan multimodaalinen tekoäly voi "nähdä", "kuulla" ja "ymmärtää" kuin ihminen, jolloin se voi olla vuorovaikutuksessa maailman kanssa luonnollisemmalla ja intuitiivisemmalla tavalla.

Multimodaalisen tekoälyn sovellukset

Multimodaalisen tekoälyn kyvyt ovat laajat ja laaja-alaiset. Tässä on esimerkkejä siitä, mitä multimodaalinen tekoäly voi tehdä:

• Puheentunnistus: Multimodaalinen tekoäly voi ymmärtää ja litteroida puhuttua kieltä, jolloin se voi olla vuorovaikutuksessa käyttäjien kanssa äänikomentojen ja luonnollisen kielen käsittelyn avulla.
• Kuvan ja videon tunnistus: Multimodaalinen tekoäly voi analysoida ja tulkita visuaalista dataa, kuten kuvia ja videoita, esineiden, ihmisten ja toimintojen tunnistamiseksi.
• Tekstianalyysi: Multimodaalinen tekoäly voi käsitellä ja ymmärtää kirjoitettua tekstiä, mukaan lukien luonnollisen kielen käsittely, tunteiden analysointi ja kielen kääntäminen.
• Multimodaalinen integraatio: Multimodaalinen tekoäly voi yhdistää eri modaliteettien syötteitä muodostaakseen täydellisemmän käsityksen tilanteesta. Se voi esimerkiksi käyttää sekä visuaalisia että äänimerkkejä tunnistaakseen henkilön tunteet.

Miten multimodaalinen AI toimii?

Multimodaaliset hermoverkot koostuvat tyypillisesti useista unimodaalisista hermoverkoista, ja audiovisuaalinen malli on esimerkki kahdesta tällaisesta verkosta – yksi visuaaliselle datalle ja toinen äänidatalle. Nämä yksittäiset verkot käsittelevät vastaavat tulonsa erikseen koodausprosessissa.

Kun unimodaalinen koodaus on valmis, kustakin mallista poimitut tiedot on yhdistettävä. Tätä tarkoitusta varten on ehdotettu erilaisia ​​fuusiotekniikoita perusketjuttamisesta huomiomekanismien käyttöön. Multimodaalinen datafuusio on kriittinen tekijä näiden mallien menestyksen saavuttamisessa.

Fuusion jälkeen viimeinen vaihe sisältää "päätös"-verkoston, joka hyväksyy koodatun ja sulautetun tiedon ja on koulutettu tiettyyn tehtävään.

Pohjimmiltaan multimodaaliset arkkitehtuurit koostuvat kolmesta olennaisesta komponentista – yksimodaalisista koodereista jokaiselle syöttömodaliteetille, fuusioverkosta, joka yhdistää eri modaliteettien ominaisuudet, ja luokittimesta, joka tekee ennusteita sulatetun datan perusteella.

Vertailu nykyisiin tekoälymalleihin

Verrattuna perinteisiin tekoälymalleihin, jotka pystyvät käsittelemään vain yhden tyyppistä dataa kerrallaan, multimodaalisella tekoälyllä on useita etuja, kuten:

• monipuolisuus: Multimodaalinen tekoäly pystyy käsittelemään monenlaista dataa, mikä tekee siitä mukautuvan eri tilanteisiin ja käyttötapauksiin.
• Luonnollinen vuorovaikutus: Integroimalla useita modaliteettia multimodaalinen tekoäly voi olla vuorovaikutuksessa käyttäjien kanssa luonnollisemmalla ja intuitiivisemmalla tavalla, samalla tavalla kuin ihmiset kommunikoivat.
• Parempi tarkkuus: Yhdistämällä syötteitä eri modaliteeteista multimodaalinen tekoäly voi parantaa ennusteidensa ja luokittelunsa tarkkuutta.

Tässä on yhteenvetotaulukko, jossa verrataan erilaisia ​​tekoälymalleja:

AI malli	Tietotyyppi	Sovellukset
Tekstipohjainen AI	teksti	Luonnollisen kielen käsittely, chatbotit, tunneanalyysi
Kuvapohjainen tekoäly	kuvat	Objektin tunnistus, kuvien luokittelu, kasvojen tunnistus
Puhepohjainen AI	Audio-	Ääniavustajat, puheentunnistus, transkriptio
Multimodaalinen AI	Teksti, kuvat, ääni, video	Luonnollinen vuorovaikutus, kontekstuaalinen ymmärtäminen, parempi tarkkuus

Miksi multimodaalinen tekoäly on tärkeä?

Multimodaalinen tekoäly on tärkeä, koska se voi muuttaa tapaamme olla vuorovaikutuksessa teknologian ja koneiden kanssa. Multimodaalinen tekoäly mahdollistaa luonnollisemman ja intuitiivisemman vuorovaikutuksen useiden eri toimintojen kautta, ja se voi luoda saumattomampia ja yksilöllisempiä käyttökokemuksia. Tämä voi olla erityisen hyödyllistä seuraavilla aloilla:

• Terveydenhuolto: Multimodaalinen tekoäly voi auttaa lääkäreitä ja potilaita kommunikoimaan tehokkaammin, erityisesti niille, jotka ovat liikuntarajoitteisia tai jotka eivät puhu jotakin kieltä äidinkielenään.
• Koulutus: Multimodaalinen tekoäly voi parantaa oppimistuloksia tarjoamalla yksilöllisempää ja interaktiivisempaa opetusta, joka mukautuu opiskelijan yksilöllisiin tarpeisiin ja oppimistyyliin.
• Entertainment: Multimodaalinen tekoäly voi luoda mukaansatempaavampia ja mukaansatempaavampia kokemuksia videopeleissä, elokuvissa ja muissa mediamuodoissa.

Multimodaalisen tekoälyn edut

Tässä on joitain multimodaalisen tekoälyn tärkeimmistä eduista:

• Kontekstuaalinen ymmärrys: Yhdistämällä syötteitä useista modaliteeteista multimodaalinen tekoäly voi saada täydellisemmän käsityksen tilanteesta, mukaan lukien datan taustalla oleva konteksti ja merkitys.
• Luonnollinen vuorovaikutus: Multimodaalinen tekoäly mahdollistaa luonnollisemman ja intuitiivisemman vuorovaikutuksen useiden eri toimintojen kautta, ja se voi luoda saumattomampia ja yksilöllisempiä käyttökokemuksia.
• Parempi tarkkuus: Integroimalla useita tietolähteitä multimodaalinen tekoäly voi parantaa ennusteidensa ja luokittelunsa tarkkuutta.

---

Tekoälyn luominen 101

---

Mahdollisuus luoda uusia liiketoimintamalleja

Multimodaalisella tekoälyllä on myös potentiaalia luoda uusia liiketoimintamalleja ja tulovirtoja. Tässä muutamia esimerkkejä:

• Ääniavustajat: Multimodaalinen tekoäly voi mahdollistaa kehittyneempiä ja yksilöllisempiä puheavustajia, jotka voivat olla vuorovaikutuksessa käyttäjien kanssa puheen, tekstin ja visuaalisten näyttöjen avulla.
• Älykkäät kodit: Multimodaalinen tekoäly voi luoda älykkäämpiä ja reagoivampia koteja, jotka voivat ymmärtää käyttäjän mieltymyksiä ja käyttäytymistä ja mukautua niihin.
• Virtuaaliset ostosavustajat: Multimodaalinen tekoäly voi auttaa asiakkaita navigoimaan ja personoimaan ostokokemustaan ​​puheen ja visuaalisen vuorovaikutuksen avulla.

AI-tekniikan tulevaisuus

Tekoälytekniikan tulevaisuus on jännittävä, ja tutkijat etsivät uusia tapoja luoda edistyneempiä ja kehittyneempiä tekoälymalleja. Tässä on joitain keskeisiä painopistealueita:

• Itseoppiva tekoäly: Tekoälytutkijat pyrkivät luomaan tekoälyä, joka voi oppia ja kehittyä itsenäisesti ilman ihmisen väliintuloa. Tämä voisi johtaa joustavampiin ja joustavampiin tekoälymalleihin, jotka pystyvät käsittelemään monenlaisia ​​tehtäviä ja tilanteita.
• Multimodaalinen AI: Kuten aiemmin keskusteltiin, multimodaalinen tekoäly voi muuttaa tapaamme olla vuorovaikutuksessa teknologian ja koneiden kanssa. Tekoälyasiantuntijat työskentelevät luodakseen kehittyneempiä ja monipuolisempia multimodaalisia tekoälymalleja, jotka voivat ymmärtää ja käsitellä syötteitä useista modaliteeteista.
• Etiikka ja hallinto: Tekoälyn tehostuessa ja kaikkialla on tärkeää varmistaa, että sitä käytetään eettisesti ja vastuullisesti. Tekoälytutkijat tutkivat tapoja luoda avoimempia ja vastuullisempia tekoälyjärjestelmiä, jotka ovat linjassa ihmisten arvojen ja prioriteettien kanssa.

Kuinka tekoälytutkijat pyrkivät luomaan tekoälyä, joka voi oppia itsestään?

Tekoälytutkijat tutkivat useita tapoja luoda tekoälyä, joka voi oppia itsestään. Yksi lupaava tutkimusalue on vahvistusoppiminen, jossa opetetaan tekoälymalli tekemään päätöksiä ja toimia ympäristön palautteen perusteella. Toista lähestymistapaa kutsutaan ohjaamattomaksi oppimiseksi, joka sisältää tekoälymallin opettelun strukturoimattomalle datalle ja sen, että se löytää malleja ja suhteita itsekseen. Yhdistämällä näitä ja muita lähestymistapoja tekoälytutkijat toivovat voivansa luoda kehittyneempiä ja autonomisempia tekoälymalleja, jotka voivat kehittyä ja mukautua ajan myötä.

---

Kaikki autonomisesta älykkyydestä: kattava yleiskatsaus

---

Mahdollisuus parantaa tekoälymalleja

Parannetut tekoälymallit voivat muuttaa tapaamme elää ja työskennellä. Tässä on joitain parannettujen tekoälymallien mahdollisia etuja:

• Parempi tarkkuus: Kun tekoälymalleista tulee entistä kehittyneempiä ja kehittyneempiä, ne voivat parantaa tarkkuuttaan ja vähentää virheitä sellaisilla aloilla kuin lääketieteellinen diagnoosi, talousennuste ja riskinarviointi.
• Henkilökohtaisemmat kokemukset: Kehittyneet tekoälymallit voivat mukauttaa käyttäjäkokemuksia ymmärtämällä yksilöllisiä mieltymyksiä ja käyttäytymistä. Esimerkiksi musiikin suoratoistopalvelu voi suositella kappaleita käyttäjän kuunteluhistorian ja mielialan perusteella.
• Tylsien tehtävien automatisointi: Tekoäly voi automatisoida ikäviä ja toistuvia tehtäviä ja vapauttaa aikaa ihmisille keskittyä luovempiin ja korkeatasoisiin tehtäviin.

GPT-4 ja multimodaalinen AI

Pitkän odotuksen ja spekuloinnin jälkeen OpenAI on vihdoin paljastanut uusin lisäys vaikuttavaan tekoälymallien valikoimaansa. GPT-4:ksi nimetty järjestelmä lupaa tuottaa uraauurtavia edistysaskeleita multimodaalisessa tekoälyssä, vaikkakin rajallisemmalla syöttömodaliteetilla kuin jotkut olivat ennustaneet.

Julkaisemme GPT-4:n, suuren multimodaalisen mallin, jolla on kaikkien aikojen parhaat tulokset ominaisuuksien ja kohdistuksen suhteen: https://t.co/TwLFssyALF pic.twitter.com/lYWwPjZbSg

- OpenAI (@OpenAI) Maaliskuussa 14, 2023

OpenAI:n mukaan malli pystyy käsittelemään sekä tekstiä että visuaalista syötettä, mikä tarjoaa tekstipohjaisia ​​tulosteita, jotka osoittavat kehittyneen ymmärtämisen tason. GPT-4:llä on kyky tulkita ja integroida samanaikaisesti useita syöttötapoja, ja se on merkittävä virstanpylväs tekoälymallien kehittämisessä, ja ne ovat vauhdittaneet useita vuosia ennen kuin ovat viime kuukausina kiinnittäneet valtavirran huomion.

OpenAI:n uraauurtavat GPT-mallit ovat valloittaneet tekoälyyhteisön mielikuvituksen siitä lähtien, kun alkuperäinen tutkimusartikkeli julkaistiin vuonna 2018. GPT-2:sta vuonna 2019 ja GPT-3:sta vuonna 2020 julkistetun julkaisun jälkeen näitä malleja on koulutettu laajoilla tekstidatajoukoilla, peräisin ensisijaisesti Internetistä, joka sitten analysoidaan tilastollisten mallien varalta. Tämän yksinkertaisen mutta erittäin tehokkaan lähestymistavan avulla mallit voivat luoda ja tehdä yhteenvedon kirjoittamisesta sekä suorittaa erilaisia ​​tekstipohjaisia ​​tehtäviä, kuten kääntäminen ja koodin luominen.

Huolimatta huolista GPT-mallien mahdollisesta väärinkäytöstä, OpenAI julkaisi lopulta GPT-3.5:een perustuvan ChatGPT-chatbotin vuoden 2022 lopulla, jolloin tekniikka on laajemman yleisön ulottuvilla. Tämä siirto laukaisi jännityksen ja odotuksen aallon teknologiateollisuudessa, ja muut suuret toimijat, kuten Microsoft ja Google, seurasivat nopeasti perässä omilla AI-chatbotillaan, mukaan lukien Bing osana Bing-hakukonetta. Näiden chatbottien julkaisu osoittaa GPT-mallien kasvavan merkityksen tekoälyn tulevaisuuden muovaamisessa ja niiden potentiaalin muuttaa tapaamme kommunikoida ja olla vuorovaikutuksessa teknologian kanssa.

Odotusten mukaisesti tekoälyn kielimallien saatavuuden lisääntyminen on tuonut joukon ongelmia ja haasteita eri sektoreille. Esimerkiksi koulutusjärjestelmä on kamppaillut selviytyäkseen ohjelmistojen syntymisestä, jotka pystyvät tuottamaan korkealaatuisia korkeakouluesseitä. Samoin online-alustat, kuten Stack Overflow ja Clarkesworld, ovat joutuneet keskeyttämään lähetykset tekoälyn tuottaman sisällön valtavan tulvan vuoksi. Jopa tekoälyn kirjoitustyökalujen varhaiset sovellukset journalismissa ovat kohdanneet vaikeuksia.

Näistä haasteista huolimatta jotkut asiantuntijat väittävät, että negatiiviset vaikutukset ovat olleet hieman lievempiä kuin alun perin ennustettiin. Kuten minkä tahansa uuden tekniikan kohdalla, tekoälyn kielimallien käyttöönotto on vaatinut huolellista harkintaa ja mukauttamista sen varmistamiseksi, että tekniikan hyödyt maksimoidaan ja haitalliset vaikutukset minimoidaan.

OpenAI:n mukaan GPT-4 oli käynyt läpi kuuden kuukauden turvallisuuskoulutuksen, ja sisäisissä testeissä se "vastasi 82 ​​prosenttia vähemmän todennäköisemmin kielletyn sisällön pyyntöihin ja 40 prosenttia todennäköisemmin tuottaa asiallisia vastauksia kuin GPT-3.5. ”

Lopputulos

Palataan alkuperäiseen aiheeseemme: Mikä on multimodaalinen tekoäly? Vain kuusi kuukautta sitten multimodaalisen tekoälyn käsite rajoittui vielä suurelta osin teoreettisen spekuloinnin ja tutkimuksen piiriin. Äskettäin julkaistun GPT-4:n myötä olemme kuitenkin todistamassa suurta muutosta tämän tekniikan kehityksessä ja käyttöönotossa. GPT-4:n ominaisuudet, erityisesti sen kyky käsitellä ja integroida syötteitä useista modaliteeteista, ovat avanneet täysin uuden mahdollisuuksien ja mahdollisuuksien maailman tekoälyn alalla ja sen ulkopuolella.

Tulemme näkemään multimodaalisten tekoälysovellusten nopean laajentumisen useilla eri toimialoilla ja sektoreilla. Terveydenhoidosta ja koulutuksesta viihteeseen ja pelaamiseen tekoälymallien kyky ymmärtää ja reagoida useiden eri toimintojen syötteisiin muuttaa tapaamme olla vuorovaikutuksessa teknologian ja koneiden kanssa. Tämän teknologian avulla voimme kommunikoida ja tehdä yhteistyötä koneiden kanssa luonnollisemmalla ja intuitiivisemmalla tavalla, millä on merkittäviä vaikutuksia työn ja tuottavuuden tulevaisuuteen.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• Platoblockchain. Web3 Metaverse Intelligence. Tietoa laajennettu. Pääsy tästä.
• Lähde: https://dataconomy.com/2023/03/what-is-multimodal-ai-gpt-4/