गुंतागुंतीच्या वातावरणात, मानवांना एआयपेक्षा बोलण्याचा अर्थ अधिक चांगल्या प्रकारे समजू शकतो, कारण आपण केवळ आपले कानच नाही तर डोळे देखील वापरतो.
उदाहरणार्थ, आपण एखाद्याचे तोंड हालताना पाहतो आणि आपल्याला अंतर्ज्ञानाने कळते की आपण ऐकत असलेला आवाज त्या व्यक्तीकडून येत असावा.
मेटा एआय एका नवीन एआय संवाद प्रणालीवर काम करत आहे, जी एआयला संभाषणात जे पाहते आणि ऐकते त्यामधील सूक्ष्म सहसंबंध ओळखण्यास शिकवते.
व्हिज्युअलव्हॉइस हे मानव नवीन कौशल्यांमध्ये प्रभुत्व मिळवण्यास कसे शिकते त्याच पद्धतीने शिकते, लेबल नसलेल्या व्हिडिओंमधून दृश्य आणि श्रवण संकेत शिकून ऑडिओ-व्हिज्युअल भाषण वेगळे करणे सक्षम करते.
यंत्रांसाठी, यामुळे चांगली धारणा निर्माण होते, तर मानवी धारणा सुधारते.
कल्पना करा की तुम्हाला जगभरातील सहकाऱ्यांसह मेटाव्हर्समध्ये गट बैठकांमध्ये सहभागी होता येईल, व्हर्च्युअल स्पेसमधून फिरताना लहान गट बैठकांमध्ये सामील होता येईल, ज्या दरम्यान दृश्यातील ध्वनी प्रतिध्वनी आणि लय वातावरणानुसार समायोजित होतात.
म्हणजेच, ते एकाच वेळी ऑडिओ, व्हिडिओ आणि मजकूर माहिती मिळवू शकते आणि त्यात एक समृद्ध पर्यावरणीय समज मॉडेल आहे, ज्यामुळे वापरकर्त्यांना "खूप व्वा" ध्वनी अनुभव घेता येतो.
पोस्ट वेळ: जुलै-२०-२०२२
