Apple nedávno dosáhlo významného průlomu v oblasti umělé inteligence (AI) vyvinutím systému, který dokáže komplexně porozumět a vnímat kontext obrazovky. Známý jako ReALM (Reference Resolution As Language Modeling), tento systém využívá mocné jazykové modely k řešení složité úlohy rozlišování odkazů, což ji proměňuje v problém čistého jazykového modelování. Tím ReALM umožňuje AI pochopit nejasné odkazy na entita na obrazovce, stejně jako kontextové signály v konverzacích a pozadí, což vede k přirozenějším interakcím s hlasovými asistenty.
Porozumění kontextu, včetně odkazů, je klíčové pro optimální fungování konverzačních asistentů. Díky tomuto průlomu mají uživatelé možnost zadávat dotazy o cokoli, co vidí na své obrazovce, a poskytuje jim to opravdový hands-free zážitek s hlasovými asistenty. ReALM prokázal pozoruhodné zlepšení výkonu ve srovnání s existujícími metodami, dokonce překonává GPT-4 v této specifické úloze.
Jednou z pozoruhodných inovací ReALM spočívá v jeho schopnosti rekonstruovat rozložení obrazovky pomocí analyzovaných entit na obrazovce a jejich odpovídajících poloh, generujíc textovou reprezentaci, která přesně zachycuje vizuální uspořádání. Díky jemnému ladění jazykových modelů specificky pro rozlišování odkazů vědci úspěšně demonstrovali efektivitu ReALM při manipulaci s odkazy na obrazovce.
I když jsou výsledky výzkumu velmi slibné, je důležité si uvědomit omezení spoléhání se výhradně na automatizovanou analýzu obrazovek. Složitější vizuální reference, jako je rozlišení mezi více obrázky, pravděpodobně vyžadují začlenění počítačového vidění a multi-modálních technik.
Progres Applu v oblasti AI výzkumu má značný význam, přestože firma zaostává za svými technologickými konkurenty v krajině AI. Výzkumné laboratoře firmy dělaly pozoruhodné pokroky v oblastech jako jsou multimodální modely, AI napájené animační nástroje a vývoj specializované AI v rámci rozpočtu. Tyto pokroky jasně ilustrují závazek Applu k vylepšení Siri a dalších produktů, čímž je dělají více schopnými konverzovat a vnímat kontext.
Nicméně, Apple čelí tvrdé konkurenci od technologických gigantů jako jsou Google, Microsoft, Amazon a OpenAI, kteří agresivně využívají generativní AI v různých oblastech. I když Apple vstoupil na trh s AI poměrně pozdě, jeho podstatné finanční zdroje, silná značková loajalita, výjimečné inženýrské schopnosti a pevně integrovaný produktový portfólio poskytují příležitost dohnat ztrátu.
Během konference Worldwide Developers Conference v červnu se očekává, že Apple představí nový velký rámec jazykového modelu a představí chatbot „Apple GPT“, demonst
ralující funkce AI integrované do svého ekosystému. CEO Tim Cook naznačil rozsáhlé úsilí Applu ve společnosti, potvrzujíc zasvěcení Applu do postupného v této oblasti.
Jak se soutěž o dominanci v oblasti AI zintenzivňuje, Apple si klade za cíl mít významný vliv na formování úsvitu všudypřítomného, opravdově inteligentního počítačování. Pokrok dosažený v AI výzkumu, zejména v porozumění kontextu obrazovky, přibližuje Applu dosažení tohoto cíle.
Časté dotazy (FAQ)
1. Co je ReALM?
ReALM (Reference Resolution As Language Modeling) je systém vyvinutý Appliovými výzkumníky, který využívá velké jazykové modely k efektivnímu zvládnutí úlohy rozlišování odkazů, umožňující umělé inteligenci (AI) porozumět neurčitým odkazům na obrazové entity, konverzačnímu kontextu a pozadí.
2. Jak dosahuje ReALM lepšího výkonu než existující metody?
ReALM dosahuje zlepšeného výkonu tím, že jemně ladí jazykové modely specificky pro rozpoznávání odkazů a rekonstruuje rozložení obrazovky pomocí analyzovaných entit na obrazovce a jejich poloh.
3. Jaká jsou omezení spojená s tím, že se spoléháme pouze na automatickou analýzu obrazovek?
Automatická analýza obrazovek má omezení, pokud jde o zpracování složitějších vizuálních odkazů, jako je rozlišení mezi více obrázky. Začlenění počítačového vidění a multi-modálních technik by pravděpodobně bylo nutné pro potlačení těchto výzev.
4. Jak se Applův AI výzkum srovnává s jeho konkurenty?
Apple učinil značné pokroky v AI výzkumu, ačkoli zaostává za konkurenty jako jsou Google, Microsoft, Amazon a OpenAI. Přestože vstoupil na trh s AI poměrně pozdě, Applóvy značné finanční zdroje, pevná značková loajalita, výjimečné inženýrské schopnosti a těsně integrovaný produktový portfólio mu nabízí možnost dohnat.
5. Co můžeme očekávat od Applu vzhledem k AI napájeným funkcím?
Během konference Worldwide Developers Conference v červnu se očekává, že Apple představí nový velký rámec jazykového modelu a představí „Apple GPT“ chatbot, demonstroiující AI napájené funkce integrované do jeho kolektivního systému.
6. Jak se Apple snaží formovat budoucnost AI počítačů?
Apple si klade za cíl mít vliv na formování období všudypřítomného opravdu inteligentního počítačování. Pokrok dosažený v AI výzkumu Applu, zejména porozumění kontextu obrazovky, jej přibližuje k dosažení tohoto cíle.
The source of the article is from the blog revistatenerife.com