多任务多模态AI加速商品化，企业流程虚实整合有更多新选择

原为NLP而生的Transformer架构，在2021年不断被科技巨头证实能同时处理图文、影片等多模态能力，微软、Line也纷纷预告要用来打造企业级AI服务。展望2022年，企业将见到多任务多模态AI服务的新选择。

一套模型通吃多任务，是迈向通用AI的关键一步

微软举例，以Transformer打造的多任务AI模型Florence v1.0，可用来优化自动加注图说功能。未优化前，该功能形容一张照片是一群棒球员站在草皮场上，优化后则是一群橄榄球员正在庆祝，更贴切照片内容。

这个顶尖专家努力钻研数十年的题目，在2021年，有了新的大变化。各大科技巨头相继发现，原本擅长自然语言处理（NLP）的Transformer架构，也能用来同时解决文字、影像，甚至是影片等不同模态的任务，效果还更好。

 TrOCR手写辨识和影印辨识超强

比如在2021年10月，微软亚洲研究院揭露了一款超强OCR工具TrOCR，完全不需要计算机视觉专用的卷积网络（CNN&#