W niedawnym artykule badawczym zatytułowanym „MM1: Methods, Analysis & Insights from Multimodal LLM Pre-training” badacze Apple przedstawiają przełomową metodę uczenia dużych modeli językowych (LLM), które płynnie integrują informacje tekstowe i wizualne. Oczekuje się, że ta innowacja zrewolucjonizuje możliwości sztucznej inteligencji, szczególnie w obszarach takich jak podpisy obrazów, wizualne odpowiadanie na pytania i rozumienie języka naturalnego.
Podróż Apple w kierunku sztucznej inteligencji charakteryzowała się strategicznymi inwestycjami i skupieniem się na poprawie doświadczeń użytkowników. Pomimo tego, że Apple pojawiło się późno na scenie LLM, Apple poczyniło znaczne postępy, wykorzystując swoją wiedzę specjalistyczną w zakresie integracji sprzętu i oprogramowania do tworzenia potężnych narzędzi sztucznej inteligencji.
Dyrektor generalny firmy, Tim Cook, podkreślił znaczenie sztucznej inteligencji i uczenia maszynowego w ekosystemie produktów Apple. Ta strategiczna wizja odzwierciedla zaangażowanie Apple w dostarczanie najnowocześniejszych technologii, przy jednoczesnym priorytetowym traktowaniu prywatności użytkowników i bezpieczeństwa danych.
Nowy model AI MM1 firmy Apple może sprawić, że Siri będzie mądrzejsza i bardziej pomocna
Sercem modelu MM1 firmy Apple jest jego zdolność do łączenia różnorodnych zbiorów danych obejmujących pary obrazów i podpisów, przeplatane dokumenty obrazowo-tekstowe i dane wyłącznie tekstowe. To wyjątkowe podejście pozwala systemowi sztucznej inteligencji rozumieć i generować język w oparciu o mieszankę wskazówek wizualnych i językowych. Wykorzystując to multimodalne szkolenie, Apple zamierza ustanowić nowy standard w zakresie zdolności sztucznej inteligencji do interpretowania złożonych obrazów i wykonywania zadań wymagających szczegółowego zrozumienia.
Apple MM1 charakteryzuje się wyjątkową wydajnością, przewyższając nawet niektórych uznanych konkurentów. Największa konfiguracja modelu, obejmująca aż 30 miliardów parametrów, charakteryzuje się niezwykłymi zdolnościami uczenia się w kontekście i wnioskowania na podstawie wielu obrazów. Umożliwia to MM1 obsługę złożonych, otwartych zadań związanych z rozwiązywaniem problemów przy użyciu minimalnej liczby przykładów, co czyni go wysoce wydajnym i skutecznym.
Chociaż Apple nie wspomniał wyraźnie o integracji konkretnych produktów, pojawia się mnóstwo spekulacji na temat potencjalnego wpływu MM1 na ewolucję Siri. Skupienie się na wydajności, minimalnej liczbie podpowiedzi i możliwościach multimodalnych wpisuje się w ciągłe wysiłki Apple mające na celu poprawę komfortu użytkowników w całym ekosystemie. Możliwości MM1 mogą umożliwić Siri zrozumienie zapytań opartych zarówno na tekście, jak i obrazach oraz odpowiadanie na nie, oferując użytkownikom bardziej spersonalizowaną i intuicyjną interakcję.
Równolegle do tych zmian Apple stosuje wieloaspektowe podejście do dalszego rozwijania swoich możliwości w zakresie sztucznej inteligencji. Obejmuje to trwające dyskusje na temat licencji na model Google Gemini i badanie możliwości współpracy z OpenAI.
POWIĄZANY:Jaki mam model iPhone'a? Znajdź swój model iPhone'a
Przeczytaj artykuł firmy Apple „MM1: Methods, Analysis & Insights from Multimodal LLM Pre-training”Tutaj.