蘋果研究論文揭示了理解視覺元素的人工智能
發(fā)布日期：2024-04-11 17:12:07
導(dǎo)讀 據(jù)報(bào)道，蘋果公司的研究人員開發(fā)了一種名為ReALM(參考分辨率作為語言建模)的新人工智能系統(tǒng)，該系統(tǒng)可以讀取和理解視覺元素，本質(zhì)上能夠破...
據(jù)報(bào)道，蘋果公司的研究人員開發(fā)了一種名為ReALM(參考分辨率作為語言建模)的新人工智能系統(tǒng)，該系統(tǒng)可以讀取和理解視覺元素，本質(zhì)上能夠破譯屏幕上的提示。
該研究論文表明，新模型使用“解析的屏幕實(shí)體”及其在文本布局中的位置來重建屏幕。這本質(zhì)上捕獲了屏幕頁面的視覺布局，根據(jù)研究人員的說法，當(dāng)模型針對這種方法進(jìn)行專門微調(diào)時(shí)，它甚至可以超越GPT-4，并帶來更自然和直觀的交互。
研究論文中寫道：“能夠理解上下文，包括參考文獻(xiàn)，對于會話助理來說至關(guān)重要。”“讓用戶能夠?qū)ζ聊簧峡吹降膬?nèi)容發(fā)出查詢，是確保語音助手真正免提體驗(yàn)的關(guān)鍵一步。”這一開發(fā)有一天可能會應(yīng)用到Siri，幫助它變得更加對話和“真正的免提”。
雖然今年我們不太可能聽到更多有關(guān)ReALM的信息，但我們應(yīng)該了解更多有關(guān)AI相關(guān)開發(fā)的信息，包括6月10日在WWDC2024上推出的Siri功能。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！