Nikolas Weber
🎥 VLOGGER do Google Dá Vida a Avatares
📖 Elon Musk Torna o Grok-1 Open-Source
🤩 Apple Revela Novos Modelos de IA MM1
Pesquisadores do Google acabaram de desenvolver o VLOGGER, um novo modelo de IA capaz de gerar vídeos falantes fotorealistas de avatares com movimento completo do corpo superior, a partir de apenas uma imagem estática e um clipe de áudio.
Detalhes Inovadores:
Avatar Controlável: VLOGGER cria um avatar controlável que captura semelhanças e movimentos.
Treinamento Avançado: O modelo foi treinado em um grande conjunto de dados multimídia contendo 800.000 vídeos de pessoas falando, com rótulos para cada parte do rosto e corpo.
Aplicações Potenciais: Incluem dublagem de vídeos em outros idiomas, criação de avatares realistas para jogos ou assistentes e habilitação de videochats com baixa largura de banda.
Por que Isso Importa:
Seja possibilitando realismo para assistentes de IA, permitindo dublagem de vídeo em tempo real em diversos idiomas ou permitindo que façamos videochats como nossos avatares favoritos — modelos como o VLOGGER apontam para um futuro onde as fronteiras entre nossos eus físicos e digitais se confundem de maneiras cativantes e inovadoras.
Elon Musk e xAI acabaram de disponibilizar os pesos e a arquitetura de seu massivo modelo de linguagem com 314 bilhões de parâmetros, Grok-1, sob a licença open-source Apache 2.0.
Detalhes da Liberação:
Modelo Mixture-of-Experts: Grok-1 é um modelo Mixture-of-Experts, com apenas 25% de seus pesos ativos para qualquer token de entrada, possibilitando um cálculo mais eficiente.
Checkpoint Pré-treinado: O modelo liberado é o checkpoint bruto e pré-treinado de outubro de 2023, não ajustado para tarefas específicas.
Recursos para Desenvolvedores: xAI disponibilizou instruções em seu repositório no GitHub para desenvolvedores iniciarem, além de publicar o modelo no Hugging Face.
Por que Isso Importa:
Ao tornar um dos maiores LLMs do mundo open-source, xAI está colocando em prática a batalha moral percebida por Musk contra os modelos fechados da OpenAI. Embora as capacidades do Grok ainda não ultrapassem novas barreiras, a ação representa mais uma grande vitória para o desenvolvimento de IA colaborativo e transparente.
Pesquisadores da Apple acabaram de publicar um novo artigo revelando o MM1, uma família de modelos de IA multimodal que combinam entendimento visual e linguístico para habilitar capacidades avançadas.
Detalhes Inovadores:
Treinamento Específico: Os modelos MM1 foram treinados em uma mistura cuidadosamente selecionada de legendas de imagens, dados de imagem-texto e dados apenas de texto.
Modelo de 30B de Parâmetros: O maior modelo, com 30 bilhões de parâmetros, demonstrou forte capacidade de aprender com apenas alguns exemplos e raciocinar sobre múltiplas imagens.
Impacto do Processamento de Imagem: A pesquisa descobriu que escalar o processamento de imagem do modelo teve o maior impacto no desempenho.
Por que Isso Importa:
A profundidade dos detalhes e a falta de alarde para este lançamento de modelo marcam uma grande partida do sigilo típico da Apple — e uma grande vitória para o código aberto. Com um modelo capaz, agora oficialmente uma realidade, será finalmente a hora de Siri evoluir?
RADAR EXPRESS
O pesquisador da OpenAI, Leopold Aschenbrenner, postou que o ano passado desde o lançamento do GPT-4 será “os 12 meses mais lentos de progresso da IA por algum tempo”.
O rapper Tyler The Creator disse em uma entrevista que não tem medo do aumento da IA, dizendo que a tecnologia nunca alcançará suas habilidades criativas.
A Apple está em "negociações ativas" com o Google para trazer a tecnologia de IA generativa Gemini para o iPhone, relata a Bloomberg, e também considerou usar o ChatGPT da OpenAI.
Midjourney
Thank you for reading!
