微软推出创新多模态AI助手Magma：购物新体验，自动下单与解读视频行为共存

探索未来购物：Magma AI助手实现视频购物新纪元

　　 2月26日，微软在官方网站上宣布开源其最新的多模态AI代理基础模型——Magma。与传统的AI代理不同，Magma具有跨越数字和物理世界的能力，可以自动处理图像、视频和文本等多种类型的数据。更值得一提的是，Magma还内置了心理预测功能，这使其能够更好地理解未来视频帧中的时空动态，从而准确推测出视频中人物或物体的意图和未来行为。 这一举措无疑为开发者们提供了一个强大的工具，使他们能够在多种应用场景中实现更智能的自动化处理。从智能家居到自动驾驶，Magma的多模态能力和心理预测功能都有可能带来革命性的变化。同时，这也展示了微软在人工智能领域的持续创新和对开放技术生态系统的支持。然而，随着这种技术的发展，我们也需要关注其潜在的伦理和社会影响，确保技术的进步能够惠及所有人。

　　 用户现在可以利用Magma来自动化处理一系列任务，比如自动下电商订单、查询天气，甚至能够操控实体机器人。此外，在进行真实象棋对弈时，Magma也能提供相应的策略指导。这一技术的进步无疑为我们的日常生活带来了极大的便利，同时也预示着人工智能在未来可能会更加深入地渗透到我们生活的方方面面。

　　 Magma 这一技术的发布无疑为人工智能领域注入了新的活力。它不仅使 AI 驱动的助手或机器人能够更好地理解周围的环境，还让它们具备了处理新情况的能力。比如，它能让家用机器人学会整理那些之前从未遇到过的物品，或是帮助虚拟助手为不熟悉的任务生成详细的用户界面导航指南。这表明，随着技术的进步，我们正逐渐向更加智能化、自动化的未来迈进。我们可以期待，在不久的将来，这些技术将更加成熟，为我们的日常生活带来更多便利。同时，也应关注其可能带来的伦理与隐私问题，确保科技发展惠及每一个人。

　　 Magma是一款能够适应数字和物理环境中新任务的VLA基础模型，它可以从大量的公开视觉和语言数据中高效地学习知识，进而融合语言、空间和时间智能，以应对数字和物理世界中的复杂任务和环境。

　　 附开源链接：https://microsoft.github.io/Magma/