钛媒体1月6日消息，Open AI发布新闻稿，引入两个新的GPT-3模型：CLIP（可将图像从任意文本分类到类别中）和DALL·E（可从文本生成图像）。 其中，CLIP神经网络可以从自然语言监督中有效学习视觉概念。只需提供要识别的视觉类别的名称即可使用CLIP（对比语言 - 图像预训练），将其应用于任何视觉分类基准，类似于GPT-2和3的「零镜头」功能。 “我们生活在视觉世界中，” OpenAI首席科学家Ilya Sutskever说。从长远来看，您将拥有同时理解文本和图像的模型。人工智能将能够更好地理解语言，因为它可以看到单词和句子的含义。” OpenAI扩展的GPT-3两个新模型，结合了NLP和图像识别，使其人工智能更好地理解日常概念。