Η Microsoft έχει εισαγάγει το Magma AI, ένα μοντέλο πολλαπλών τεχνητών νοημοσύνης που έχει σχεδιαστεί για να επαναπροσδιορίσει την αυτοματοποίηση των επιχειρήσεων και τη ρομποτική της AI σε αντίθεση με τα συμβατικά μοντέλα AI που επικεντρώνονται αποκλειστικά στην επεξεργασία της γλώσσας. Η ρομποτική κατάρτιση με το ChatGPT και το Autogen/Magentic-One, ένα πλαίσιο για τον συντονισμό των πράκτορων AI στην αυτοματοποίηση των εργασιών. Src=”Δεδομένα: εικόνα/svg+xml; nitro-empty-id=mty2ndoxmjm3-1, base64, phn2zyb2awv3qm94psiwidagmtayncazmz giihdpzhropsixmdi0iibozwlnahq9ijmzocigeg1sbnmm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”>>
Με το Magma AI, η Microsoft τοποθετεί τον εαυτό του ως ηγέτη στα πολυτροπικά συστήματα AI επόμενης γενιάς, ανταγωνιζόμενος με τα google, openai και nvidia. Το πολυτροπικό σύστημα τεχνητής νοημοσύνης που ενσωματώνει την επεξεργασία της όρασης, της γλώσσας και της δράσης για την αυτοματοποίηση περίπλοκων εργασιών σε ψηφιακές διεπαφές και ρομποτική.
Για να επιτευχθεί αυτό, το Magma AI είναι χτισμένο σε υπερσύγχρονες αρχιτεκτονικές μηχανικής μάθησης, συμπεριλαμβανομένου του Convnext-XXL για την οπτική επεξεργασία και το LLAMA-3-8B για την κατανόηση της γλώσσας. Οι πράκτορες που χειρίζονται τις διεπαφές λογισμικού, παρόμοιες με τη δυνατότητα χρήσης του υπολογιστή του Anthropic στο Claude, το Google’s Project Mariner ή το OpenAi που ξεκίνησε πρόσφατα τον χειριστή AI Agent. Src=”Δεδομένα: εικόνα/svg+xml; nitro-empty-id=mty3odoxnta4-1, base64, phn2zyb2awv3qm94psiwidagmtaynca1nj Iiihdpzhropsixmdi0iibozwlnahq9iju2miigeg1sbnmm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”>> Microsoft Magma AI UI Παράδειγμα Πλοήγησης (Πηγή: Microsoft)
Το Magma AI επεκτείνει τις δυνατότητές της στον τομέα της ρομποτικής. Η ικανότητα του μοντέλου να επεξεργάζεται τα οπτικά δεδομένα σε πραγματικό χρόνο του επιτρέπει να προσαρμοστεί σε δυναμικά περιβάλλοντα, καθιστώντας το κατάλληλο για βιομηχανικές εφαρμογές όπως η εφοδιαστική και η κατασκευή. Src=”Δεδομένα: εικόνα/svg+xml; nitro-empty-id=mty4njoxmjcx-1, base64, phn2zyb2awv3qm94psiwidagmtaynca2mj Yiihdpzhropsixmdi0iibozwlnahq9ijyyniigeg1sbnm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”>> Magma AI Πραγματικά παραδείγματα εφαρμογών ρομπότ (Πηγή: Microsoft)
Ανάπτυξη δεδομένων και μοντέλων
Η Microsoft έχει εκπαιδευτεί σε ένα τεράστιο σύνολο δεδομένων 39 εκατομμυρίων πολυτροπικών δειγμάτων, συμπεριλαμβανομένων:-970.000 τροχιές ρομποτικής δράσης για τη βελτίωση της ακρίβειας στον έλεγχο της κίνησης.-25 εκατομμύρια δείγματα βίντεο για να βελτιώσουν την επίγνωση της κατάστασης του AI.
Αυτά τα σύνολα δεδομένων προέρχονται από πολλαπλά σημεία αναφοράς ερευνών AI, συμπεριλαμβανομένων των SeeClick, Vision2UI, Open-X-Embodiment, Ego4d και Epic-Kitchen, εξασφαλίζοντας ότι το μάγμα AI μαθαίνει τόσο από τις δομημένες ροές εργασίας των επιχειρήσεων όσο και για τις αλληλεπιδράσεις του πραγματικού κόσμου. Src=”Δεδομένα: Εικόνα/GIF, Nitro-Empty-Id=Mtcxmtoymtk=-1, Base64, R0lgodlhaqabaiabaaaaap///yh5baaaaalaaaaaaaaaaicaaow==”> Microsoft Magma Ai Protraining Data Sources (πηγή πηγής: Microsoft) (SOM) & Trace-of-Mark (TOM): Πώς το Magma AI αυτοματοποιεί την αλληλεπίδραση
για να αλληλεπιδράσει αποτελεσματικά τόσο με τις ψηφιακές διεπαφές όσο και με τα ρομποτικά περιβάλλοντα, τα στοιχεία του Magma AI ενσωματώνουν το set-of-mark (SOM) και τα ιχνοστοιχεία (TOM) τεχνικές: μπορεί να χειριστεί. Src=”Δεδομένα: Εικόνα/SVG+XML; Nitro-Empty-id=Mtcyntoxmjqx-1, Base64, Phn2zyb2awv3qm94psiwidagmTaynCaxod giihdpzhropsixmdi0iibozwlnahq9ije4ocigeg1sbnmm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”>> Set-of-Mark (SOM) για γείωση δράσης (πηγή: Microsoft)
Tom: Παρακολουθεί αυτά τα στοιχεία με την πάροδο του χρόνου, επιτρέποντας στο AI να προβλέψει την κίνηση αντικειμένων και να προσαρμόσει ανάλογα τις ενέργειες. Src=”Δεδομένα: εικόνα/svg+xml; nitro-empty-id=mtczmzoxmjq5-1, base64, phn2zyb2awv3qm94psiwidagmtayncaxot Qiihdpzhropsixmdi0iibozwlnahq9ije5ncigeg1sbnmm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”>> Το Trace-of-Mark (TOM) για τον προγραμματισμό δράσης (πηγή: Microsoft)
Ενώ το SOM ισχύει τόσο για την UI και τη ρομποτική μάθηση, ο Tom επικεντρώνεται κυρίως στην ανάλυση δεδομένων με βάση την ανταγωνιστική αγορά AI Με τη μεγάλη εστίαση για τις εταιρείες τεχνολογίας, το Magma AI εισέρχεται σε έναν ανταγωνιστικό τομέα παράλληλα με το Google, το OpenAI και το NVIDIA. Η πλατφόρμα Jetson Thor, το 2025, και οι δύο στοχεύουν στην ενίσχυση της λήψης αποφάσεων AI σε βιομηχανικές εφαρμογές. Δυνατότητες σε κλίμακα. Με την ενσωμάτωση του Magma AI στο Azure, η Microsoft θα μπορούσε να προσφέρει ένα πλήρως σύννεφο σύστημα αυτοματισμού AI, επιτρέποντας στις επιχειρήσεις να αναπτύξουν πολυτροπικά μοντέλα AI σε τόσο ψηφιακές λειτουργίες και ρομποτικές ροές εργασίας. Τα επιχειρηματικά και βιομηχανικά περιβάλλοντα παρουσιάζουν σημαντικές προκλήσεις. Τα μοντέλα AI που αλληλεπιδρούν με τις εφαρμογές πραγματικού κόσμου πρέπει να είναι σε θέση να χειρίζονται απρόβλεπτες συνθήκες, από τη μετατόπιση των διεπαφών λογισμικού σε δυναμικά μηχανικά περιβάλλοντα. Η διασφάλιση της συνέπειας και της αξιοπιστίας στη λήψη αποφάσεων που τροφοδοτείται με AI παραμένει ένα κρίσιμο ζήτημα.
Μια από τις μεγαλύτερες προκλήσεις για τη Microsoft θα ελαχιστοποιήσει τα σφάλματα στην εκτέλεση εργασιών που οδηγεί στο ΑΙ. Τα μοντέλα AI μπορούν να αγωνιστούν με περιπτώσεις άκρων, όπου οι απροσδόκητες μεταβλητές διαταράσσουν τα προκαθορισμένα πρότυπα λήψης αποφάσεων.
Αυτό είναι ιδιαίτερα σημαντικό στη ρομποτική, όπου το μάγμα AI πρέπει να προσαρμοστεί σε εξωτερικούς παράγοντες όπως οι περιβαλλοντικές παραλλαγές ή οι μηχανικές αποτυχίες. Με την αξιοποίηση της εκπαίδευσης AI με βάση την προσομοίωση, όπως φαίνεται στον προσομοιωτή AI Genesis, τα μοντέλα AI μπορούν να δοκιμαστούν και να εξευγενιστούν σε ελεγχόμενα ψηφιακά περιβάλλοντα πριν από την πραγματική ανάπτυξη. Αυτή η προσέγγιση μειώνει σημαντικά τους κινδύνους, αλλά δεν εξαλείφει την ανάγκη για συνεχή μάθηση σε πραγματικό κόσμο. Το μακροπρόθεσμο όραμα της Microsoft για το Magma AI υποδηλώνει ότι χτίζεται προς τους πράκτορες του AI που κάνουν κάτι περισσότερο από ό, τι απλώς εκτελούν προκαθορισμένες εντολές-πρέπει να αναλύουν καταστάσεις, να σχεδιάζουν δράσεις και να μαθαίνουν συνεχώς από νέες εισροές. Καθώς το Magma AI είναι ενσωματωμένο στο λογισμικό Enterprise and Robotics, η πρόκληση θα διασφαλίσει ότι οι ενέργειες που βασίζονται στην ΑΙ παραμένουν διαφανείς και εξηγήσεις. Οι κανονιστικές ανησυχίες σχετικά με την προκατάληψη, τη λογοδοσία και την παρακέντηση αποφάσεων αυξάνονται καθώς τα συστήματα AI γίνονται πιο ανεξάρτητα. Με το Magma AI να αναμένεται να λειτουργήσει στο Microsoft Azure, η εταιρεία έχει το πλεονέκτημα να ενσωματώσει τα στρώματα ασφαλείας απευθείας στα εργαλεία αυτοματοποίησης AI, που θα το ξεχάσει από τις ανταγωνιστικές πλατφόρμες AI. Εάν η Microsoft μπορεί να βελτιώσει την ικανότητα του Magma AI να χειριστεί την πραγματική απρόβλεπτη, το μοντέλο έχει τη δυνατότητα να μετατρέψει όχι μόνο τις ροές εργασίας των επιχειρήσεων, αλλά και τον τρόπο με τον οποίο η AI αλληλεπιδρά με τον φυσικό κόσμο.