4月2日報道，盡管Siri在描述圖片信息的能力上不夠完善，但蘋果公司并未停止對人工智能領域的深入探索。其最新研究論文詳述了一種大幅提升Siri智能化水平的模型——ReALM。該模型在測試中超越了OpenAI的GPT-4.0著名語言模型。

據(jù)悉，ReALM的獨特特性是同時理解用戶屏幕內(nèi)容及正在執(zhí)行的操作。依據(jù)信息類型，論文將信息細分成三類：

（1）屏幕實體： 即當前顯示在用戶屏幕上的內(nèi)容。

（2）對話實體： 指與對話相關的內(nèi)容。如，用戶請求“撥打母親的電話”，那么，母親的聯(lián)系信息便屬于此類。

（3）背景實體： 與用戶當前操作或屏幕顯示內(nèi)容未必直接相關的實體，如正在播放的音樂或即將發(fā)出的報警鈴聲。

一旦成功實現(xiàn)，ReALM將賦予Siri更高的智能化和實用性。該團隊將ReALM與OpenAI的GPT-3.5和GPT-4.0進行了性能比拼：

“我們以上下文信息作為輸入，對比了OpenAI的GPT-3.5和GPT-4.0模型預測實體的準確程度。由于GPT-3.5僅支持文本輸入，故我們僅提供文字提示；而GPT-4允許理解圖片信息，所以我們給它提供了屏幕截圖，從而有效提高了屏幕實體識別的效率?！?/p>

那蘋果的ReALM是否具備如此強大的性能優(yōu)勢呢？

“我們的模型在識別各種類型實體方面都有顯著提升，即使是小尺寸模型，在屏幕實體識別準確性上也已超過原有的系統(tǒng)5%以上。在與GPT-3.5和GPT-4.0的比較中，小型模型與GPT-4.0相媲美；更大的模型則表現(xiàn)更佳?！?/p>

論文得出的結(jié)論之一便是，有比GPT-4參數(shù)少許多的ReALM，卻仍可在性能上與之匹敵。在處理某些特定領域的用戶指令時，ReALM甚至優(yōu)于其他模型，使其成為一款高效、實用且可本地運行的實體識別系統(tǒng)。

而關鍵問題在于，蘋果需尋求無損性能的方法來將此技術運用至設備之中。據(jù)了解，預計6月10日舉行的WWDC 2024開發(fā)者大會上，蘋果將會在iOS 18等新系統(tǒng)中展現(xiàn)更多人工智能技術創(chuàng)新成果，令人頗為期待。