Purpose-Built AI Center（目的に特化したAIセンター）

最先端のマルチモーダルモデル「Phoenix 1.0」 は、視覚データ処理のための畳み込みニューラルネットワーク（CNN） とテキスト理解のためのRoBERTa言語モデルを統合することで、高度な画像およびテキスト分析を組み合わせています。Phoenixは、ゼロショットでのキー／値ペア抽出機能を提供する革新的なAI駆動型パイプラインを搭載しており、文書モデルの学習における最も面倒な作業を自動化します。幅広い言語理解タスクに対応する広範な汎用言語モデルとは異なり、Phoenixは、特にマルチモーダルデータを取り扱う場合、文書処理のためのより強固なフレームワークを構築します。それにより、大規模言語モデルだけでは完全には達成できない、特徴抽出の強化、ワークフロー処理の効率化、より深い文脈の理解を実現します。この専門性は、文書を通じて伝達される情報に大きく依存するユースケースに最適な選択肢であり、データが正確かつ迅速に処理されることを保証します。

Phoenixは、文書処理タスクの効率性と有効性を向上させることを目的として開発されました。画像分析における畳み込みニューラルネットワークの長所と、RoBERTaの高度な言語理解力を組み合わせることで、テキストと視覚的（ビジュアル）要素の両方を含む複雑な文書をより深く理解することが可能になります。焦点を絞ったこのアプローチにより、汎用モデルを使用する場合と比較して、情報の抽出と分析においてより優れた精度を達成することができます。さらに、この設計を通じて処理ワークフローを合理化することで、リソース消費を最小限に抑え、スピードの向上と運用コストの削減を図ることができます。その結果、組織は文書をより効率的に処理できるようになり、文書処理において大きな価値を生み出し、全体的な生産性を向上させることができます。

ABBYYは高度なコンピュータビジョン技術をインテリジェント文書処理ソリューションの重要な要素として活用し、複雑な文書の自動化とデータ抽出を強化しています。ABBYYは畳み込みニューラルネットワーク（CNN）やトランスフォーマーなどのニューラルネットワークを統合することで、テキスト、画像、さらには手書き文書などの視覚コンテンツを処理します。CNNは文書内の視覚的要素を分解し、印刷された文字や手書きの文字のパターンを特定します。一方、トランスフォーマーは文脈を解析することで、単語や文字の認識精度を向上させます。この技術により、ABBYYは構造化されたフォームから構造化されていないテキストが多いコンテンツまで、幅広い種類の文書を正確に解釈し、分類できるようになります。

さらに、ABBYYのソリューションには、保険や物流などの業界において不可欠なバーコード、署名、スタンプなどの特徴を識別するためのオブジェクト検出技術が組み込まれています。ABBYYは、コンピュータビジョンと言語モデル、その他のAI技術を組み合わせることで、ドキュメント処理能力を向上させ、企業がワークフローをより効率的に自動化し、手作業によるエラーを減少させ、ストレート・スルー・プロセッシング率を向上させることを可能にします。