4 月 2 日消息，雖然目前 Siri 可以嘗試描述信息中的圖像，但效果并不穩(wěn)定。不過(guò)，蘋(píng)果公司并沒(méi)有放棄人工智能領(lǐng)域的探索。在最近的一篇研究論文中，蘋(píng)果的人工智能團(tuán)隊(duì)描述了一種可以顯著提升 Siri 智能的模型，而且他們認(rèn)為這個(gè)名為 ReALM 的模型在測(cè)試中優(yōu)于 OpenAI 的知名語(yǔ)言模型 GPT-4.0。

ReALM 的特別之處在于，它可以同時(shí)理解用戶屏幕上的內(nèi)容和正在進(jìn)行的操作。論文將信息分為以下三種類(lèi)型：

屏幕實(shí)體：指的是當(dāng)前顯示在用戶屏幕上的內(nèi)容。

對(duì)話實(shí)體：指的是與對(duì)話相關(guān)的內(nèi)容。例如，用戶說(shuō) " 打電話給媽媽 "，那么媽媽的聯(lián)系人信息就是對(duì)話實(shí)體。

背景實(shí)體：指的是與用戶當(dāng)下操作或屏幕顯示內(nèi)容可能并不直接相關(guān)的實(shí)體，比如正在播放的音樂(lè)或即將響起的鬧鈴。

如果能夠完美運(yùn)行，ReALM 將使 Siri 變得更加智能和實(shí)用。他們將 ReALM 與 OpenAI 的 GPT-3.5 和 GPT-4.0 進(jìn)行了性能對(duì)比：

" 我們同時(shí)測(cè)試了 OpenAI 提供的 GPT-3.5 和 GPT-4.0 模型，并為它們提供了上下文信息，讓它們預(yù)測(cè)一系列可能的實(shí)體。GPT-3.5 只接受文本輸入，因此我們只提供了文字提示。而 GPT-4 能夠理解圖像信息，因此我們?yōu)樗峁┝似聊唤貓D，這顯著提升了它的屏幕實(shí)體識(shí)別性能。"

那么蘋(píng)果的 ReALM 表現(xiàn)如何呢？

" 我們的模型在識(shí)別不同類(lèi)型實(shí)體方面均取得了顯著進(jìn)步，即使是最小的模型，在屏幕實(shí)體識(shí)別上的準(zhǔn)確率也比原有系統(tǒng)提升了 5% 以上。與 GPT-3.5 和 GPT-4.0 的對(duì)比中，我們最小的模型與 GPT-4.0 的性能相當(dāng)，而更大的模型則明顯優(yōu)于它。"

論文的結(jié)論之一是，ReALM 即使擁有比 GPT-4 少得多的參數(shù)，也能在性能上與之匹敵，并且在處理特定領(lǐng)域的用戶指令時(shí)表現(xiàn)更加出色，這使得 ReALM 成為一種可以在設(shè)備端運(yùn)行的、實(shí)用高效的實(shí)體識(shí)別系統(tǒng)。

對(duì)于蘋(píng)果而言，如何在不影響性能的情況下將這項(xiàng)技術(shù)應(yīng)用于設(shè)備似乎是關(guān)鍵所在，隨著 WWDC 2024 開(kāi)發(fā)者大會(huì)即將于 6 月 10 日召開(kāi)，外界普遍期待蘋(píng)果將在 iOS 18 等新系統(tǒng)中展示更多的人工智能技術(shù)成果。