Appleの研究者たちは最近、人工知能（AI）の分野において重要な進展を達成しました。彼らは、画面のコンテキストを包括的に理解し認識できるシステムを開発することに成功しました。このシステムはReALM（Reference Resolution As Language Modeling）として知られ、強力な言語モデルを活用して、言及の解決という複雑な課題に取り組むことで、アンビギュアスな言及や会話、背景情報に関するコンテキストを理解することを可能にしました。
コンテキスト、および言及を理解することは、会話型アシスタントの最適な機能を発揮するために不可欠です。この進展により、ユーザーは画面上で見るものについてのクエリを発行することができ、音声アシスタントとのより自然なインタラクションを提供することができるようになります。ReALMは、既存の手法と比較して著しい性能向上を達成しており、この特定のタスクではGPT-4を上回る性能を発揮しています。
ReALMの注目すべきイノベーションの1つは、画面上のエンティティおよびそれらの位置を解析して画面レイアウトを再構築し、視覚的な配置を正確に捉えたテキスト表現を生成する能力にあります。言及の解決のために言語モデルを特化させることで、研究者たちは画面ベースの言及を処理する効率性を実証しました。
研究結果は非常に有望ですが、画面の自動解析にのみ依存することの限界を認識することが重要です。複雑な視覚言及、たとえば複数の画像の区別などは、コンピュータビジョンやマルチモーダルな手法の組み込みが必要とされる可能性があります。
AppleのAI研究の進展は、会社がAI分野で他のテックライバルに遅れをとっているにもかかわらず、重要な意義を持っています。同社の研究所は、多様な分野で著しい進展を遂げており、多モーダルモデル、AIパワードのアニメーションツール、予算内での特化したAI開発などの分野で著しい進展を遂げています。これらの進展は、AppleがSiriなどの製品を向上させ、より対話的でコンテキストを理解する能力を高めることに対する同社のコミットメントを示しています。
しかし、Google、Microsoft、Amazon、OpenAIなどのテックジャイアントとの競争は激しく、これらの企業はさまざまな分野で生成的AIを積極的に活用しています。AppleはAI市場に比較的遅い時期に参入しましたが、莫大な財源、強力なブランド・ロイヤルティ、卓越した技術力、密接に統合された製品ポートフォリオは、Appleが追いつく機会を提供します。
Appleは、6月のWorldwide Developers Conferenceで、新しい大規模言語モデルフレームワークを発表し、それに合わせて「Apple GPT」チャットボットを導入する予定です。これにより、同社のエコシステムに統合されたAIパワードの機能が展示されます。CEOのTim Cookは会社内での幅広いAI活動を示唆しており、Appleがこの分野での進展に対するコミットメントを確認しています。
AI支配力の競争が激化する中、Appleは普遍的で本当にインテリジェントなコンピューティングの黎明を形作る上で重要な影響力を持つことを目指しています。特に画面コンテキストを理解するAI研究の進展は、Appleをこの目標達成に近づけています。
よくある質問
The source of the article is from the blog revistatenerife.com