全球科技领导者苹果正在制定应对微软和谷歌在生成式人工智能领域的广泛影响的策略。人们寄予厚望，苹果将推出适用于iOS设备的神经网络人工智能技术，其战略迹象正在逐渐显现。
苹果雄心勃勃地推出了OpenELM，这是一个大型语言模型，能够直接在移动设备上运行，结合了斯坦福等知名机构的研究成果和谷歌深度学习专家的见解。OpenELM的所有代码以及详尽的训练文档均可以在GitHub上向开发者和研究人员公开，体现了苹果对开源原则的承诺。
由Sachin Mehta及其团队编写的题为“OpenELM：具有开源训练和推理框架的高效语言模型系列”的论文已通过arXiv预印服务器共享。该研究强调了在移动设备上部署神经网络的实用性，模型规模为13亿参数，与OpenAI的GPT-4等模型中常见的更大参数形成鲜明对比。
这个精简模型通过对神经网络深度的新颖调整，优化了训练过程中的数据计算，从而提高了效率。OpenELM模型在训练所需的预训练标记数量减半的同时，胜过了几个移动计算神经网络。
OpenELM的核心是transformer架构，与自2017年以来成为语言模型共同语言的结构相似。通过整合DeLighT方法，OpenELM中的每一层都具有独特的神经参数配置，提高了准确性，而又不增加参数数量。
OpenELM在基准测试中的表现引人注目，尽管模型规模较小，较少的训练数据要求，但在比赛中胜过了OLMo等竞争对手。但该模型的有效性并非没有挑战，某些测试显示其预测输出速度较慢。
在苹果针对iOS的人工智能项目中一个关键问题仍然未解答：公司会选择授权现有的人工智能技术，还是推动开放的人工智能生态系统的发展，从而使其设备受益颇丰？苹果对开源软件的前瞻性投资可能预示着公司对更具合作性和可访问性的AI未来取向。
鉴于文章讨论了苹果创新高效AI用于移动整合，可以确定几个相关事实，问题，答案，主要挑战或争议，以及优点和缺点，以增进对该主题的理解。
其他相关事实：
– 苹果在其A系列芯片中嵌入了自己的神经引擎，从A11仿生芯片开始，直接驱动iOS设备上的人工智能处理。
– 苹果历来重视用户隐私和安全，这影响了其如何对待人工智能部署，可能使其模型与那些严重依赖云计算和用户数据的模型有所区别。
– 该公司在许多应用和服务中整合了机器学习，如Siri、Face ID和摄像头软件，使得人工智能成为其生态系统的重要组成部分。
主要问题和答案：
– 苹果对高效AI的投资对移动行业有何影响？苹果的投资表明转向加强的，基于设备的人工智能功能，优先考虑用户隐私，可能为行业设定新的性能和效率标准。
– 苹果的方法如何与谷歌和微软等竞争对手相比？苹果对OpenELM的明显承诺是其通常封闭生态系统的背离，而谷歌和微软长期以来一直支持开源项目。
主要挑战和争议：
– 苹果面临的一个关键挑战是在计算效率和保持高准确性水平之间取得平衡。
– 苹果经常因其封闭生态系统而受到批评；因此，其参与开源人工智能可能引发有关其未来战略和实际支持程度的问题。
优点和缺点：
优点：
– OpenELM的高效AI使得能够在移动设备上直接执行复杂的计算任务，无需依赖云服务，增强了用户隐私。
– 设备上处理降低了延迟，提高了用户与AI功能交互时的响应时间。
缺点：
– 以较小参数模型保持性能的挑战可能导致在AI功能或准确性方面做出权衡。
– 苹果严格的隐私立场可能限制用于训练这些模型的数据类型，可能影响其有效性。
建议的相关链接：
– 若要进一步了解苹果在人工智能和机器学习领域的举措，您可以访问他们的官方网站：苹果。
– 对于那些对AI和机器学习等广泛主题感兴趣的人，可以在arXiv上探索最新的研究和进展。
需要注意，这些建议的链接是基于URL完全有效的假设提供的。如果随后发现这些URL无效或不再有效，请忽略它们。
The source of the article is from the blog foodnext.nl