CreativAI发布,视觉AI的SQL层,将视觉数据转为可查询结构化数据

转推 @moElhoseiny: 昨天,我告诉过你一个我多年来一直碰壁的问题。今天,我要突破它——带来两项公告。👇 1. CreativAI 正式亮相——Physical and Visual AI 的 SQL 层,同时让视觉智能可验证、可靠且成本高效。2. 我们发布了一款今天就能用的产品。不是等待名单,不是愿景PPT,而是你现在就能试用的东西 👇 https://t.co/6cjybpVmQC。无论你是在探索 AI 的个人、构建下一代应用的开发者,还是释放视觉数据价值的企业,CreativAI 都已为你准备就绪。可在云端、本地部署,或通过 API 集成——哪种适合你的工作流都行。感谢我们的 CCO Waleed、顾问 Rob Ferguson 和 Abdul Jarrar,以及 Google for Startups、AWS Startups、Microsoft for Startups 和 NVIDIA Inception 的支持。我的职业生涯一直在视觉语言 AI 的基础上——在 KAUST、Stanford、Meta FAIR 和 Adobe 做研究。我为这个领域现在视为理所当然的一些基石做出了贡献:CLIP 的线性版本(ICCV13;https://t.co/DZa9hW4CKH),以及最早的视觉 LLM——VisualGPT(CVPR22)、MiniGPT-4(Arxiv'23,ICLR24)。在这过程中,视觉 AI 最难的问题发生了变化。每种数据都取得了突破。文档有了搜索,表格数据有了 SQL,代码有了 GitHub。每一种都让混乱的数据有了结构——可以查询、验证和操作的东西。视觉数据却从未获得类似 SQL 的可访问性;这是人类产生的最大数据类型——占互联网流量 80% 以上,摄像头数十亿且还在增加。还有一个更深层的限制。模型已经非常出色,但对你运营中最重要的事件,预训练数据里几乎不存在。通用模型可能从未见过它们——所以无法在你的世界里识别它们。这就是我们在 CreativAI 所构建的。把它对准任何带镜头的东西——摄像头、机器人、直播流或多年存档。我们的 Data Plating 技术会在事件发生的瞬间将原始像素转化为结构:实体、事件、行为。不是说明文字,不是元数据,而是视频本身,以行列形式呈现。直播流即时处理,多年的存档也全部变成可查询的知识库。用通俗语言给你的团队,通过 API 给你的 agent,在设备端给你的机器人,这样它们可以闭环并在你的工作流中采取行动。每一行都指回它来自的时刻——所以每个结果都可追溯、可验证、可安全构建。一张结构化的画面,一个事实来源,每个人都从相同记录中读取。这正是预训练差距被弥合之处:你教它你的领域——你的事件、你的实体、重要的罕见案例。CreativAI 能学会通用模型永远学不到的东西,所以你世界里的长尾数据也能像其他一切一样可查询。