1. 盡管蘋果經(jīng)常給人一種AI領(lǐng)域落后的錯覺，但實(shí)際上它正在悄悄地構(gòu)建AI大模型和其它相關(guān)工具。

   
   

2. 蘋果希望在智能手機(jī)上運(yùn)行高效、多功能的大型模型，并致力于使這些AI功能離線運(yùn)行。

   
   

3. 蘋果正在努力幫助Siri變得更強(qiáng)大，所以在改進(jìn)喚醒詞檢測系統(tǒng)時，確保它能更好地理解和與客戶溝通。

   
   

4. AI在許多領(lǐng)域都具有廣泛的應(yīng)用價值，包括健康醫(yī)療、文藝創(chuàng)作、圖像編輯和音樂等。

   
   

在人工智能領(lǐng)域，人們可能很容易產(chǎn)生蘋果起步較晚的錯覺。自2022年底ChatGPT席卷全球以來，蘋果的大部分競爭對手都在加快步伐，努力在人工智能方面取得突破。誠然，蘋果之前提到過人工智能，并發(fā)布了一系列融入人工智能元素的產(chǎn)品，但與其他科技巨頭相比，似乎更多的是在探索而不是全面下注。

然而，在最近幾個月的謠言和報道中，不難發(fā)現(xiàn)，蘋果一直在背后默默等待機(jī)會，準(zhǔn)備出發(fā)。近幾周有報道稱，蘋果正在與OpenAI、谷歌等行業(yè)巨頭進(jìn)行深入談判，支持其人工智能功能，并積極開發(fā)自己的Ajax人工智能模型。

仔細(xì)觀察蘋果發(fā)布的人工智能研究報告，不難發(fā)現(xiàn)其人工智能方法具有潛在的現(xiàn)實(shí)意義。當(dāng)然，從研究報告到產(chǎn)品的實(shí)際著陸，中間的道路通常充滿了坎坷和不確定性。然而，當(dāng)蘋果在今年6月召開的年度開發(fā)者大會WWDC上討論人工智能功能時，我們至少可以窺探到公司的人工智能戰(zhàn)略，以及這一功能將如何在實(shí)際應(yīng)用中發(fā)揮作用。

Siri將足夠強(qiáng)大，不再需要喚醒詞？

當(dāng)我們談?wù)撊斯ぶ悄墚a(chǎn)品時，我們通常會把注意力集中在虛擬助手上，也就是那些知識淵博，能夠為我們設(shè)置提示，回答問題，代表我們完成任務(wù)的智能合作伙伴。蘋果在人工智能領(lǐng)域的許多研究最終聚集在一個核心問題上:如果Siri足夠強(qiáng)大，會是什么樣的場景？

蘋果的一個精英研究團(tuán)隊正在探索一種創(chuàng)新的啟動Siri的方法，而不需要喚醒詞。這意味著設(shè)備可能可以通過直覺來判斷你是否在和它交流，而不僅僅是依靠“嘿”或“Siri”指令。研究人員直言:“這個挑戰(zhàn)比語音觸發(fā)測試更嚴(yán)重，因為沒有明確的引導(dǎo)語句來標(biāo)記語音命令的開始?！?/p>

就這樣，另一組研究人員開發(fā)了一個系統(tǒng)，旨在更準(zhǔn)確地檢查喚醒詞。另一篇研究論文致力于訓(xùn)練模型，以便更好地理解虛擬助手難以準(zhǔn)確捕捉到的罕見詞匯。

在這些場景中，大語言模型的魅力在于理論上可以快速處理大量數(shù)據(jù)。例如，在喚醒詞檢驗的研究中，研究人員發(fā)現(xiàn)，如果所有的聲音都被輸入到模型中，而不是試圖過濾掉所有的冗余聲音，以便自己區(qū)分重要和次要的內(nèi)容，喚醒詞的識別將變得更加可靠。

一旦Siri抓住客戶的聲音，蘋果將盡最大努力確保他們能夠更好地理解并與客戶順利溝通。因此，他們開發(fā)了一個名為STEER的系統(tǒng)，希望通過分析用戶何時提出后續(xù)問題，何時開始新的話題，優(yōu)化用戶與虛擬助手的互動體驗。

在另一個應(yīng)用場景中，研究人員可以使用大語言模型來分析那些“模糊搜索”，無論客戶如何表達(dá)，他們都可以準(zhǔn)確地捕捉他們的意圖。研究人員指出：“面對不確定性，智能對話代理人可能需要主動提問，以減少疑惑，從而更有效地解決問題。另外，還有一篇論文致力于提高虛擬助手的答案質(zhì)量，通過大語言模型使答案更簡單、更容易理解。

蘋果AI專注于健康、圖像編輯、音樂等領(lǐng)域

每當(dāng)蘋果公開談?wù)撊斯ぶ悄軙r，它往往更注重人工智能如何給日常生活帶來便利和改善，而不僅僅是強(qiáng)調(diào)技術(shù)的原始力量。盡管Siri一直備受關(guān)注——特別是在蘋果，比如HumaneAIPine。、在RabbitR1等設(shè)施競爭的背景下，谷歌正在將Gemini融入到所有的Android系統(tǒng)中——但是蘋果顯然已經(jīng)在許多領(lǐng)域看到了人工智能的廣泛應(yīng)用價值。

健康領(lǐng)域是蘋果關(guān)注的焦點(diǎn)之一。理論上，先進(jìn)的人工智能技術(shù)可以幫助你從各種設(shè)備收集的海量生物識別數(shù)據(jù)中提取有用的信息，幫助你理解這些信息背后的含義。所以，蘋果一直在探索如何收集和整理用戶的運(yùn)動數(shù)據(jù)，如何使用步態(tài)識別和耳機(jī)來識別用戶的身份，以及如何準(zhǔn)確地跟蹤和解讀心率數(shù)據(jù)。此外，蘋果還建立并發(fā)布了“基于多設(shè)備和多相位傳感器的最大人類活動數(shù)據(jù)”，其中包括50名參與者的各種身體傳感器數(shù)據(jù)。

人工智能似乎也被蘋果視為一種創(chuàng)造性工具。在一項研究中，研究人員開發(fā)了一個名為Keyframer的系統(tǒng)，該系統(tǒng)通過采訪動畫師、設(shè)計師和工程師來“用戶可以迭代和完善設(shè)計”。Keyframer用戶可以從一個提示開始，獲得一個包含多種元素的工具包，然后根據(jù)個人喜好優(yōu)化和完善圖像的特定部分，這不同于以前通過輸入提示來生成圖像，然后輸入另一個提示來獲取新圖像的方式。從Memoji的個性定制到蘋果更專業(yè)的藝術(shù)工具，這種互動藝術(shù)過程可以廣泛應(yīng)用于各種場景。

另外一項研究表明，蘋果描述了一種名為MGIE的圖像編輯工具。簡單地描述一下你想做的編輯操作，比如“讓天空更藍(lán)”、"讓我的臉看起來更自然"、MGIE可以通過添加一些石頭來自動實(shí)現(xiàn)這些效果?！癕GIE不僅提供模糊的指導(dǎo)，而且能準(zhǔn)確地捕捉到用戶的視覺感知意圖，并產(chǎn)生合理的圖像編輯效果，”研究人員說。”雖然早期的實(shí)驗結(jié)論仍然存在缺陷，但其潛力已經(jīng)足夠引人注目。

在AppleMusic中，我們甚至可以感受到人工智能的魅力。一篇名為《資源有限的立體聲演唱語音消除》的文章（Resource-constrainedStereoSingingVoiceCancellation）在論文中，研究人員討論了如何將歌曲中的聲音與樂器聲音分離。如果應(yīng)用這種技術(shù)，將為用戶提供一個強(qiáng)大的工具，在TikTok或Instagram上再次混合歌曲。

使用iPhone方法調(diào)整Ferret模型或調(diào)整模型。

隨著時間的推移，蘋果將更多地關(guān)注硬件與人工智能相結(jié)合的策略，特別是iOS生態(tài)系統(tǒng)。預(yù)計蘋果將這些先進(jìn)功能集成到自己的應(yīng)用中，并通過API向第三方開發(fā)者開放一些功能。與一般的安卓設(shè)備相比，蘋果一直以其優(yōu)異的硬件性能為榮。當(dāng)這種強(qiáng)大的性能與以隱私為核心的設(shè)備上的人工智能技術(shù)相結(jié)合時，無疑將成為蘋果和其他品牌之間的一個多元化因素。

但是，如果你想欣賞蘋果在人工智能領(lǐng)域最大、最宏偉的項目，你必須提到Ferret。Ferret作為一種多模式的大語言模式，不僅可以接受和執(zhí)行指令，還可以專注于你選擇或選擇的特定事物，并對周圍的世界有深刻的理解。它是專門為現(xiàn)代人工智能用例設(shè)計的，即用戶可以詢問設(shè)備周圍的環(huán)境問題，但更進(jìn)一步，它也可以解讀屏幕上的內(nèi)容。

在Ferret的相關(guān)論文中，研究人員指出，它可以幫助用戶瀏覽應(yīng)用程序，回答關(guān)于應(yīng)用商城評分的問題，描述客戶正在查看的內(nèi)容。這項技術(shù)有很大的潛力提高無障礙的感覺，可能會徹底改變我們使用手機(jī)、VisionPro甚至智能眼鏡的方式。

開發(fā)更小、更高效的模型

大家都在期待一款更好的Siri，而且它的高級版本似乎會隆重出現(xiàn)！蘋果的許多研究(以及全球科技行業(yè)的普遍探索)都是基于一個共同的前提，即大語言模型（LLM）將使虛擬助手達(dá)到更高的智能水平。對蘋果而言，實(shí)現(xiàn)Siri的進(jìn)化不僅意味著人工智能模型的快速推出，而且保證它們能夠無縫地融入到客戶生活的方方面面。

最近有報道稱，蘋果計劃在iOS18中完全離線運(yùn)行所有人工智能功能。即使在擁有數(shù)據(jù)中心網(wǎng)絡(luò)和數(shù)千個尖端GPU的情況下，構(gòu)建高效多功能的模型仍然是一個巨大的挑戰(zhàn)，更不用說在智能手機(jī)上實(shí)現(xiàn)這一點(diǎn)了。因此，蘋果必須展示其獨(dú)特的創(chuàng)新思維。

一篇名為《閃存中的LLM》的文章：利用有限的內(nèi)存實(shí)現(xiàn)高效的大型語言模型推理（LLMinaflash:EfficientLargeLanguageModelInferencewithLimitedMemory）研究人員在論文中提出了一個創(chuàng)新的存儲模型信息系統(tǒng)。這一信息通常存儲在設(shè)備的RAM上，但是研究小組巧妙地將它們轉(zhuǎn)移到SSD上。她們寫道：“我們已經(jīng)成功地驗證了LLM在SSD上運(yùn)行的能力，它的大小是DRAM的兩倍。與傳統(tǒng)的CPU載入方式相比，推理速度提高了4-5倍，但在GPU上卻提高了20-25倍?！斑@些模型可以通過巧妙地利用設(shè)備上最經(jīng)濟(jì)、最容易獲得的存儲空間，實(shí)現(xiàn)更快、更有效的運(yùn)行。

蘋果的研究人員還開發(fā)了一個名為EELBERT的系統(tǒng)，它可以在保持其性能的同時將LLM壓縮到更小的范圍內(nèi)。它們成功地將谷歌的Bert模型數(shù)據(jù)壓縮到原來大小的1/15，僅占用1.2MB空間，而且質(zhì)量僅下降4%。但是，這種壓縮也帶來了一定的延遲。

總的來說，蘋果正在努力解決模型領(lǐng)域的一個核心問題:隨著模型規(guī)模的不斷擴(kuò)大，其性能和實(shí)用性也有所提高，但這也伴隨著體積的增加、用電量的增加和啟動速度的下降。和許多其他企業(yè)一樣，蘋果正在尋找在這些方面找到完美的平衡點(diǎn)，并努力探索實(shí)現(xiàn)這一目標(biāo)的最佳途徑。

Siri更強(qiáng) 感知器=手機(jī)自行操作？

讓我們想象一下這些技術(shù)將如何與蘋果正在開發(fā)的其他功能密切相關(guān)。想象一下，一個真正能理解你需求的Siri，再加上一個能感知和理解屏幕上所有信息的設(shè)備，將是一部真正能自己操作的手機(jī)。蘋果不需要深度整合每一款產(chǎn)品，只需要簡單的操作應(yīng)用，自動點(diǎn)擊正確的按鈕即可。

需要重申的是，這一切還只是一個研究階段。但如果這些技術(shù)能夠從今年春天順利應(yīng)用到實(shí)踐中，無疑將是劃時代的技術(shù)突破。我認(rèn)為，在今年的WWDC中，我們將見證蘋果在人工智能領(lǐng)域的一系列重磅發(fā)布。

蒂姆·庫克·蘋果CEO（TimCook）甚至在2月份的評論中透露了這一點(diǎn)，并在最近的財務(wù)報告電話會議上進(jìn)一步確認(rèn)了這一期望。有兩件事已經(jīng)很清楚了：一是蘋果在人工智能領(lǐng)域的競爭日益激烈，二是這項技術(shù)可能會給iPhone帶來全面的創(chuàng)新。那時，你甚至可能會開始愿意經(jīng)常使用Siri！那將是蘋果取得的巨大成就。

本文來源于“騰訊科技”，編譯：金鹿，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com