(相关资料图)

微软德国公司的首席技术官安德烈亚斯·布劳恩透露，微软将在下周推出GPT-4，它是一个多模态模型，可以处理文本、图像、音频和视频。他表示，大型语言模型（LLM）已经适用于几乎所有语言，可以在一种语言中提出问题，然后在另一种语言中得到答案。

此外，微软的AI技术专家克莱门斯·希伯和霍尔格·肯恩提供了一些信息，其中肯恩解释了多模态人工智能的概念，而希伯则提供了一些用例，包括将电话呼叫的语音直接记录为文本等。微软过去几天发布了多模态语言大模型Kosmos-1和Visual ChatGPT的论文，希望将感知与LLM保持一致，让单个AI模型既能看文字图片，也能说话。