论文一窥苹果AI大计,Siri这回要变厉害了

5月7日消息,论文尽管外界普遍认为苹果在AI领域的窥苹动作较慢,实际上,回害六盘水市某某路桥科技维修网点苹果一直在悄然筹备,变厉并等待合适时机发力。论文

以下是窥苹翻译内容:

在人工智能领域的竞争中,常有人误以为苹果起步较晚。回害自2022年底ChatGPT风靡全球以来,变厉多数竞争对手都在加速追赶。论文虽然苹果偶尔参与讨论人工智能,窥苹并推出一些相关技术的回害产品,但外界普遍感觉苹果似乎仅是变厉试探,而非全力以赴。论文

然而,窥苹近几个月的回害传闻和报道揭示了苹果的战略布局。实际上,苹果一直在等待合适的时机。最近几周有消息称,苹果正在与OpenAI和谷歌等巨头探讨合作,旨在增强其人工智能功能,并积极开发自己的人工智能模型,名为Ajax。六盘水市某某路桥科技维修网点

通过仔细研读苹果发布的人工智能研究论文,可以感知到该公司的AI策略日渐成型。当然,我们应认识到,从研究到产品的转化是一个复杂且充满不确定性的过程。但随着苹果预计在今年六月的全球开发者大会(WWDC)上展示其人工智能技术,我们将至少能一窥这家科技巨头的远大蓝图,以及其如何将这些技术融入日常生活。

更小、更高效的模型

我们共同期待的无疑是更优秀的Siri体验!更出色的Siri即将到来!苹果和全球科技界的许多研究都基于同一个前提:大语言模型(LLM)将立即提升虚拟助手的智能。对苹果来说,提升Siri意味着必须迅速部署这些模型,并确保它们普遍可用以便为用户提供服务。

最新报道指出,在iOS 18中,苹果计划让所有人工智能功能都能在设备上完全离线运行。即便拥有庞大的数据中心网络和数千个顶尖GPU,构建一个功能全面且出色的模型也并非易事,而在智能手机这样有限的空间内实现这一目标,更是难上加难。因此,苹果需要展示其非凡的创新能力。

在一篇名为《闪存中的LLM:有限内存下的高效大语言模型推理》(LLM in a flash: Efficient Large Language Model Inference withLimited Memory)的论文中,研究人员设计了一种创新系统来存储模型数据。这种系统将数据主要存储在设备的SSD而非RAM上。

研究人员写道:“我们已证明能够在SSD上运行的LLM大小是可用DRAM的两倍,推理速度在CPU上提高了4到5倍,在GPU上提升了20到25倍。”他们发现,通过巧妙利用设备上最便宜且易于获得的存储空间,可以使模型运行得更快更高效。

此外,苹果研究人员还开发了一个名为EELBERT的系统,该系统能够将大语言模型压缩到更小的尺寸,同时基本保持其性能不受影响。他们在谷歌BERT模型上的测试成功将数据压缩到原来的1/15,即只有1.2兆字节,且质量仅下降了4%。然而,这种压缩确实带来了一些延迟上的妥协。

总体而言,苹果正在努力解决模型世界中的一个核心矛盾:模型越大,其性能越好,但同时也变得更复杂、更耗电,运行速度更慢。与许多其他公司一样,苹果也在寻找在这些方面达到最佳平衡的方法,并探索实现这一目标的最有效途径。

Siri将变得足够好?

在探讨人工智能产品时,虚拟助手的功能常常成为焦点——它们能获取信息、提醒事项、解答疑问,甚至代替我们完成任务。因此,苹果的许多人工智能研究专注于一个核心问题:如何将Siri提升至完美水平?

苹果研发团队正在探索一种无需唤醒词即可激活Siri的新方法。想象一下,无需再说“嘿Siri”或“Siri”,设备就能直觉地感知到你是否在与它对话。研究人员承认:“这一挑战比简单的语音触发检测要复杂得多,因为缺少了标志语音命令开始的明确触发短语。”为了解决这一问题,另一组研究人员致力于开发更精确的唤醒词检测系统。另一项研究中,他们训练了一个模型,以更好地理解那些通常难以被虚拟助手理解的罕见词汇。

大语言模型的优势在于其理论上能更快地处理大量信息。例如,在唤醒词研究中,研究人员发现,不是刻意排除所有不必要的声音,而是将所有声音都输入模型,让模型自己判断哪些是重要的,这样做可以显著提高唤醒词的识别率。

一旦Siri捕获到用户的声音,苹果便竭尽全力确保其能更好地理解并进行交流。其中一个创新是名为STEER的系统,该系统通过判断用户是在提出后续问题还是新问题,来改善与虚拟助手的交互。

另一个研究利用大语言模型处理“模糊查询”,使得无论用户如何表达,系统都能准确理解其意图。研究人员指出:“在不确定情况下,智能对话代理可能需要主动提问,以减少不确定性,从而更有效地解决问题。”还有一项研究致力于使生成的回答更加简洁明了,研究人员利用大语言模型优化了虚拟助手的语言表达。

AI在健康、创作以及音乐领域的应用

每当苹果公开讨论人工智能时,其焦点总是如何让这项技术改善日常生活,而非仅仅展示其技术力量。因此,尽管Siri得到了广泛关注,特别是苹果正试图与如HumaneAI Pin、Rabbit R1这样的设备竞争,同时谷歌也在将Gemini集成到所有安卓系统中,苹果显然看到了人工智能在多个领域的巨大潜力。

在苹果关注的诸多领域中,健康领域尤其重要。理论上,大语言模型能帮助我们分析从各种设备收集的海量生物识别数据,并理解这些数据的深层含义。因此,苹果一直在积极探索如何收集并整合用户的运动数据,如何利用步态识别和耳机识别用户身份,以及如何追踪和解读心率数据。为推进这一领域的研究,苹果还创建并发布了名为“最大的基于多设备多位置传感器的人类活动数据集”,收集了50名参与者的详细生物传感数据。

苹果还视人工智能为创新工具。在一项研究中,研究人员与动画师、设计师和工程师进行了深入交流,开发了名为Keyframer的系统。此系统允许用户迭代地构建和完善设计。与传统图像生成不同,Keyframer并非仅仅依赖输入提示符来生成图像,而是提供了一个工具箱,用户可以根据个人喜好调整和完善图像的各个部分。这一系统可广泛应用于从Memoji个性化设计到苹果更专业的艺术工具等多个领域。

另一项研究描述了一个名为MGIE的工具,该工具允许用户通过描述修改意图来直接编辑图像,如“让天空更蓝”、“让我的脸看起来不那么奇怪”或“添加一些石头”,MGIE能将这些指令转化为明确的视觉意图,并实现合理的图像编辑。尽管初期实验并非完美无缺,但其潜力已经显现。

在Apple Music中,人工智能的应用同样值得关注。一篇名为《资源受限的立体声唱歌声音消除》(Resource-constrained Stereo Singing Voice Cancellation)的论文探讨了如何将歌曲中的人声与乐器声分离的技术,这一技术如果被苹果采用,将为喜欢混音的TikTok或Instagram用户提供强大的工具。

苹果硬件与AI相结合

本文作者敢断言,随着时间的推移,苹果将越来越多地将人工智能技术融入其产品和服务,特别是在iOS平台上。苹果不仅将在其自家应用程序中集成这些功能,还计划通过API向第三方开发者开放。苹果一直自豪于其硬件性能,尤其是相比普通安卓设备。将强大的硬件与注重隐私的人工智能结合使用,无疑将为苹果在市场竞争中带来显著优势。

然而,谈到苹果最大、最具野心的人工智能项目,不得不提Ferret。Ferret是一个多模态大语言模型,可以根据用户的指令,专注并理解用户指定的对象及其周围环境。这项技术是为了应对当前常见的AI场景而设计的,即向设备询问周围的世界信息。

但Ferret的潜能不仅限于此,它还能解析并理解屏幕上的内容。在Ferret的相关论文中,研究人员展示了它如何帮助用户导航应用程序,回答关于App Store评分的问题,以及描述他们所看到的内容等。这对提高可访问性有深远的意义,也可能彻底改变人们使用手机、Vision Pro和智能眼镜的方式。

虽然我们对这些技术的设想可能看起来颇为超前,但想象一下,这些技术如何与苹果正在开发的其他产品相结合:一个能够理解你需求的Siri,配合一个能看见并理解屏幕上所有内容的设备,将真正实现手机的自我操作。苹果不需要对所有产品进行深度整合,只需运行相应的应用程序并自动点击正确的按钮即可。

必须指出,这一切目前还只是处于研究阶段。如果从今年春天开始,这些技术能够顺利运行并应用到实际产品中,那将是一项前所未有的技术成就。我们预计在今年的WWDC上,将见证苹果在人工智能领域的重大公告。

苹果CEO蒂姆·库克(Tim Cook)在2月份已经透露了这方面的信息,并在本周的财报电话会议上基本确认了这一点。有两件事已经很清楚:苹果在AI竞赛中处于激烈的竞争状态,这些技术可能会彻底改变iPhone。想象一下,将来你甚至可能愿意频繁使用Siri,这将是苹果在AI领域取得的重大成就。(小小)

延伸阅读
  • 新款iPad Pro发布:搭载M4芯片,8999元起
  • 为拯救造车梦,贾跃亭甘愿做网红
  • 5月7日外媒科学网站摘要:不同类型饮用水在健康上无差异
5923.top