微軟今天宣布，它已經(jīng)開發(fā)了一種新的圖像字幕系統(tǒng)，可以自動為圖像生成字幕。該公司今天早上說，這項新功能今天首先在Azure認(rèn)知服務(wù)中啟動，并將很快傳播到Microsoft Word，Outlook和PowerPoint。

AI模型是用龐大的圖像數(shù)據(jù)集與單詞標(biāo)簽配對訓(xùn)練的，每個標(biāo)簽都映射到圖像中的不同對象。然后，研究人員對用于字幕的預(yù)訓(xùn)練模型進行了微調(diào)。訓(xùn)練過程幫助模型學(xué)習(xí)如何撰寫句子。新的AI模型利用視覺詞匯為包含新穎對象的圖像準(zhǔn)確生成標(biāo)題。

盡管研究人員承認(rèn)AI并不完美，但它比公司產(chǎn)品和服務(wù)中當(dāng)前使用的圖像字幕模型好兩倍。該研究人員發(fā)現(xiàn)，它可以創(chuàng)建比人類手工編寫的標(biāo)題更準(zhǔn)確的描述性標(biāo)題。

微軟技術(shù)研究員，華盛頓州雷德蒙德的Azure AI認(rèn)知服務(wù)首席技術(shù)官Huang Xuedong說：“我們將AI的這一突破性突破作為Azure的平臺，以服務(wù)于更多客戶。”“這不僅是研究上的突破;在Azure上將突破轉(zhuǎn)化為生產(chǎn)所需的時間也是突破。”

自最近幾年以來，微軟一直致力于實現(xiàn)一個雄心勃勃的目標(biāo)，即在其若干產(chǎn)品和服務(wù)中注入AI的力量，以提高生產(chǎn)力。借助這一新的自動圖像字幕系統(tǒng)，Microsoft旨在幫助所有用戶為視障人士訪問任何圖像中的重要內(nèi)容。