
സോഫ്റ്റ്വെയർ ഇന്റർഫേസുകളെയും റോബോട്ടിക് സിസ്റ്റങ്ങളെയും നിയന്ത്രിക്കാൻ വിഷ്വൽ, ലാംഗ്വേജ് പ്രോസസ്സിംഗ് എന്നിവ സംയോജിപ്പിച്ച് പുതിയ എ.ഐ മോഡൽ അവതരിപ്പിച്ച് മൈക്രോസോഫ്റ്റ്. ‘മാഗ്മ’ എന്നാണ് ഈ പുതിയ എ.ഐ മോഡലിന്റെ പേര്.
ടെക്സ്റ്റ്, ഇമേജുകൾ, വിഡിയോ പോലുള്ള ഡാറ്റകൾ പ്രോസസ് ചെയ്യാനും സോഫ്റ്റ്വെയർ നാവിഗേറ്റ് ചെയ്യുക, റോബോട്ടുകളെ നിയന്ത്രിക്കുക തുടങ്ങിയ കാര്യങ്ങളിൽ നേരിട്ട് പ്രവർത്തിക്കാനും കഴിയുന്ന ആദ്യത്തെ എ.ഐ മോഡലാണ് മാഗ്മയെന്ന് മൈക്രോസോഫ്റ്റ് അവകാശപ്പെടുന്നു.
മൈക്രോസോഫ്റ്റ്, കെയ്സ്റ്റ്, മേരിലാൻഡ് സർവകലാശാല, വിസ്കോൺസിൻ-മാഡിസൺ സർവകലാശാല, വാഷിംഗ്ടൺ സർവകലാശാല എന്നിവിടങ്ങളിലെ ഗവേഷകരുടെ ശ്രമത്തിന്റെ ഫലമായാണ് മാഗ്മയുടെ വികസനം.
സമാനമായ എ.ഐ അധിഷ്ഠിത റോബോട്ടിക്സ് പ്രോജക്ടുകൾ ഉണ്ട്. ഇന്റർഫേസിനായി എൽ.എൽ.എമ്മുകൾ ഉപയോഗിക്കുന്ന ഗൂഗിളിന്റെ പാം ഇ, ആർ.ടി -2, മൈക്രോസോഫ്റ്റിന്റെ ചാറ്റ് ജി.പി.ടി ഫോർ റോബോട്ടിക്സ് തുടങ്ങിയവയാണ്.
പെർസെപ്ഷനും നിയന്ത്രണത്തിനും പ്രത്യേക മോഡലുകൾ ആവശ്യമുള്ള മൾട്ടിമോഡൽ എ.ഐ സിസ്റ്റങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി, മാഗ്മ ഇവയെല്ലാം ഒരൊറ്റ ഫൗണ്ടേഷൻ മോഡലിലേക്ക് സംയോജിപ്പിക്കുകയാണ്. ഇതിനെ പിന്തുടരുന്നത് മൈക്രോസോഫ്റ്റ് മാത്രമല്ല.
ഗൂഗിൾ ജെമിനി 2.0 ഉപയോഗിച്ച് ഒന്നിലധികം ഏജന്റ് പ്രോജക്റ്റുകൾ പര്യവേക്ഷണം ചെയ്തിട്ടുണ്ട്.
മാഗ്മ ജി.പി.ടി-4വി പോലുള്ള പരമ്പരാഗത ഭാഷാ മോഡലുകളിൽ നിന്ന് വ്യത്യസ്തമാണ്. ഒരു പെർസെപ്ച്വൽ മോഡൽ മാത്രമല്ല, യഥാർഥ മൾട്ടിമോഡൽ ഏജന്റാണെന്നും മൈക്രോസോഫ്റ്റ് അവകാശപ്പെടുന്നു.