2024年将是实时扩散应用的一年。
获得原始大脑数据后,研究人员就可以用大语言模型等对其进行解码,提取重要的视觉、文本信息。所以,获取大脑活动数据是翻译、重构人类想法、思维画面的关键基础。
MEG的工作原理是基于生物电活动产生磁场的物理原理。当大脑中的神经元活动时,它们会产生微小的电流,这些电流会产生相应的磁场。
LLaVA是一个端到端训练的多模态大模型,它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合,具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型,拥有110亿个视觉参数和70亿个语言参数。
图源备注:图片由AI生成,图片授权服务商Midjourney