由中國(guó)科學(xué)院自動(dòng)化研究所與武漢人工智能研究院共同研發(fā)的紫東太初4.0多模態(tài)推理大模型近日正式亮相。這款自2021年首次面世以來已歷經(jīng)四次迭代升級(jí)的人工智能系統(tǒng)，正從基礎(chǔ)文本處理向復(fù)雜多模態(tài)推理領(lǐng)域深度拓展，標(biāo)志著我國(guó)在跨模態(tài)認(rèn)知智能領(lǐng)域取得重要突破。

據(jù)項(xiàng)目負(fù)責(zé)人王金橋研究員介紹，最新版本實(shí)現(xiàn)了從"單模態(tài)理解"到"多模態(tài)深度推理"的質(zhì)變。系統(tǒng)不僅能同步處理文本、圖像、語(yǔ)音和視頻等多源異構(gòu)數(shù)據(jù)，更關(guān)鍵的是構(gòu)建了可解釋的推理鏈條。"就像人類思考時(shí)會(huì)有清晰的邏輯脈絡(luò)，模型現(xiàn)在能展示從感知到認(rèn)知的完整決策過程。"王金橋以醫(yī)療場(chǎng)景為例說明，當(dāng)用戶語(yǔ)音表達(dá)"預(yù)約呼吸科門診"時(shí)，系統(tǒng)可自動(dòng)識(shí)別語(yǔ)義意圖，精準(zhǔn)調(diào)用醫(yī)療APP完成掛號(hào)操作。

在視頻處理能力方面，該模型展現(xiàn)出突破性進(jìn)展。針對(duì)長(zhǎng)達(dá)3小時(shí)的醫(yī)療講座視頻，系統(tǒng)能在15秒內(nèi)完成關(guān)鍵片段定位與內(nèi)容摘要生成。更值得關(guān)注的是其具身智能應(yīng)用，通過與實(shí)體設(shè)備的深度耦合，已實(shí)現(xiàn)機(jī)器人自主操作、智能汽車環(huán)境感知等場(chǎng)景落地。王金橋特別指出："模型不再局限于信息處理，而是具備了'動(dòng)手'解決問題的能力。"

產(chǎn)業(yè)應(yīng)用層面，該技術(shù)已在智慧醫(yī)療、低空監(jiān)測(cè)、工業(yè)質(zhì)檢等十余個(gè)領(lǐng)域形成解決方案。在武漢某三甲醫(yī)院，基于紫東太初的智能導(dǎo)診系統(tǒng)使患者平均候診時(shí)間縮短40%；深圳低空經(jīng)濟(jì)示范區(qū)部署的無人機(jī)監(jiān)控平臺(tái)，通過多模態(tài)分析將異常事件識(shí)別準(zhǔn)確率提升至92%。研發(fā)團(tuán)隊(duì)透露，后續(xù)將重點(diǎn)優(yōu)化模型在復(fù)雜動(dòng)態(tài)場(chǎng)景中的實(shí)時(shí)決策能力，推動(dòng)人工智能向通用智能邁進(jìn)。