){kind=link}
Istraživači Apple razvili su sistem veštačke inteligencije pod nazivom ReALM (Referentna rezolucija kao modeliranje jezika), koji ima za cilj da radikalno poboljša način na koji glasovni asistenti razumeju i reaguju na komande.
U istraživačkom radu Apple opisuje novi okvir za to kako veliki jezički modeli rješavaju problem referentne rezolucije, što uključuje dešifriranje dvosmislenih referenci na objekte na ekranu, kao i razumijevanje konverzacijskog i pozadinskog konteksta. Kao rezultat toga, ReALM može dovesti do intuitivnije i prirodnije interakcije s uređajima.
Prepoznavanje referenci je važan dio razumijevanja prirodnog jezika, omogućavajući korisnicima da koriste zamjenice i druge indirektne reference u razgovoru bez zabune. Za digitalne asistente, ova sposobnost je istorijski predstavljala značajan izazov, ograničen potrebom za tumačenjem širokog spektra verbalnih signala i vizuelnih informacija. ReALM sistem iz Apple ima za cilj da riješi ovaj problem pretvaranjem složenog procesa prepoznavanja referenci u zadatak čistog jezičkog modeliranja. Na taj način ona može razumjeti reference na vizualne elemente prikazane na ekranu i integrirati ovo razumijevanje u tok razgovora.
ReALM rekonstruiše vizuelnu strukturu ekrana koristeći tekstualne reprezentacije. Ovo uključuje raščlanjivanje objekata na ekranu i njihovo uređenje kako bi se stvorio tekstualni format koji odražava sadržaj i strukturu ekrana. Istraživači Apple otkrili su da ova strategija, u kombinaciji sa posebnim podešavanjem jezičkih modela za probleme rezolucije benčmarka, značajno nadmašuje tradicionalne metode, uključujući OpenAI GPT-4 mogućnosti.
ReALM može omogućiti korisnicima mnogo efikasniju interakciju sa digitalnim asistentima na osnovu onoga što je trenutno prikazano na ekranu, bez potrebe za preciznim, detaljnim uputstvima. Ovo bi moglo učiniti glasovne asistente mnogo korisnijim u različitim situacijama, kao što je pomoć vozačima u navigaciji infotainment sistemima tokom vožnje ili pomoć korisnicima sa invaliditetom pružanjem lakših i preciznijih sredstava za indirektnu interakciju.
Apple već je objavio nekoliko istraživačkih radova iz oblasti AI. Prošlog mjeseca, kompanija je predstavila novu metodu za učenje velikih jezičkih modela koja neprimjetno integrira i tekstualne i vizualne informacije. To se i očekuje Apple će predstaviti brojne AI funkcije na WWDC konferenciji u junu.
Pročitajte također: