Новий голосовий помічник з ШІ від Apple буде кращий за Siri

Дослідники Apple також створили систему під назвою EELBERT , яка фактично може стискати LLM до набагато меншого розміру, не погіршуючи його. Їхній стислий варіант моделі Bert від Google був у 15 разів меншим — лише 1,2 мегабайта — і спостерігав лише 4-відсоткове зниження якості. Однак він мав деякі компроміси щодо затримки.

Загалом Apple намагається вирішити основну суперечність у світі моделей: чим більшою стає модель, тим кращою та кориснішою вона може бути, але також тим громіздкішою, енергоємнішою та повільнішою вона може стати. Як і багато інших, компанія намагається знайти правильний баланс між усіма цими речами, а також шукає спосіб мати все це.

Siri, але добре

Багато з того, про що ми говоримо, коли ми говоримо про продукти штучного інтелекту, — це віртуальні помічники — помічники, які знають речі, які можуть нагадувати нам про речі, які можуть відповідати на запитання та виконувати завдання від нашого імені. Тож не зовсім шокуюче, що багато досліджень Apple щодо штучного інтелекту зводяться до одного питання: а що, якби Siri була дійсно, дійсно, дуже хорошою?

Група дослідників Apple працювала над тим, щоб використовувати Siri взагалі без необхідності використовувати слово пробудження; замість того, щоб слухати «Hey Siri» або «Siri», пристрій може просто інтуїтивно визначити, чи ви з ним розмовляєте. «Ця проблема значно складніша, ніж виявлення голосового тригера, — визнають дослідники, — оскільки може не бути початкової фрази тригера, яка позначає початок голосової команди». Можливо, тому інша група дослідників розробила систему для більш точного визначення слів для пробудження . Інша робота навчила модель краще розуміти рідкісні слова, які часто погано розуміють асистенти.

В обох випадках привабливість LLM полягає в тому, що він теоретично може обробляти набагато більше інформації набагато швидше. Наприклад, у статті про wake-word дослідники виявили, що, не намагаючись відкинути всі непотрібні звуки, а натомість передаючи все це в модель і дозволяючи їй обробляти те, що має, а що не має значення, wake-слово працювало набагато краще. надійно.

Коли Siri почує вас, Apple виконує багато роботи, щоб переконатися, що вона краще розуміє та спілкується. В одній статті було розроблено систему під назвою STEER (що розшифровується як Semantic Turn Extension-Expansion Recognition, тому ми будемо використовувати STEER), яка має на меті покращити ваше зворотне спілкування з помічником, намагаючись визначити, коли ви задаєте додаткове запитання та коли ви ставите нове. В іншому він використовує LLM, щоб краще розуміти «неоднозначні запити», щоб зрозуміти, що ви маєте на увазі, незалежно від того, як ви це говорите. «У невизначених обставинах, — писали вони, — розумним учасникам розмови може знадобитися проявити ініціативу, щоб зменшити свою невизначеність, заздалегідь ставлячи хороші запитання, тим самим ефективніше вирішуючи проблеми». Інша стаття також має на меті допомогти в цьому: дослідники використовували LLM, щоб зробити помічників менш багатослівними та більш зрозумілими, коли вони генерують відповіді.

Щоразу, коли Apple публічно говорить про штучний інтелект, вона зосереджується менше на сирій технологічній потужності, а більше на повсякденних речах, які штучний інтелект може зробити для вас. Отже, попри те, що Siri приділяє велику увагу — особливо враховуючи те, що Apple намагається конкурувати з такими пристроями, як Humane AI Pin, Rabbit R1 і Google, що продовжує вбивати Gemini в усі Android, Apple, здається, бачить багато інших способів. ШІ корисний.

Одне з очевидних місць, на яких Apple зосереджується, — це здоров’я: LLM теоретично можуть допомогти пробратися крізь океани біометричних даних, зібраних різними пристроями, і допомогти вам зрозуміти все це. Отже, Apple досліджувала, як збирати та порівнювати всі ваші дані про рух, як використовувати розпізнавання ходи та ваші навушники, щоб ідентифікувати вас, і як відстежувати та розуміти дані про ваш пульс. Apple також створила та випустила «найбільший набір даних про людську активність на основі датчиків на кількох пристроях і локаціях», доступний після збору даних від 50 учасників за допомогою кількох датчиків на тілі.

Apple також, здається, уявляє ШІ як творчий інструмент. Для однієї статті дослідники опитали групу аніматорів, дизайнерів та інженерів і створили систему під назвою Keyframer , яка «дає змогу користувачам ітеративно створювати та вдосконалювати згенеровані проекти». Замість того, щоб вводити підказку й отримувати зображення, а потім вводити іншу підказку, щоб отримати інше зображення, ви починаєте з підказки, а потім отримуєте набір інструментів для налаштування та вдосконалення частин зображення на свій смак. Ви можете собі уявити, що цей різновид художнього процесу вперед-назад з’являється де завгодно, від творця Memoji до деяких більш професійних художніх інструментів Apple.

В іншій статті Apple описує інструмент під назвою MGIE, який дозволяє редагувати зображення, просто описуючи зміни, які ви хочете зробити. («Зробіть небо більш блакитним», «зробіть моє обличчя менш дивним», «додайте каміння» тощо.) «Замість коротких, але неоднозначних вказівок, MGIE виводить явні візуальні наміри та веде до розумного редагування зображень. ”, – пишуть дослідники. Його початкові експерименти не були ідеальними, але вони були дивовижними.