苹果研究论文揭示了理解视觉元素的人工智能
发布日期：2024-04-11 17:12:07
导读 据报道，苹果公司的研究人员开发了一种名为ReALM(参考分辨率作为语言建模)的新人工智能系统，该系统可以读取和理解视觉元素，本质上能够破...
据报道，苹果公司的研究人员开发了一种名为ReALM(参考分辨率作为语言建模)的新人工智能系统，该系统可以读取和理解视觉元素，本质上能够破译屏幕上的提示。
该研究论文表明，新模型使用“解析的屏幕实体”及其在文本布局中的位置来重建屏幕。这本质上捕获了屏幕页面的视觉布局，根据研究人员的说法，当模型针对这种方法进行专门微调时，它甚至可以超越GPT-4，并带来更自然和直观的交互。
研究论文中写道：“能够理解上下文，包括参考文献，对于会话助理来说至关重要。”“让用户能够对屏幕上看到的内容发出查询，是确保语音助手真正免提体验的关键一步。”这一开发有一天可能会应用到Siri，帮助它变得更加对话和“真正的免提”。
虽然今年我们不太可能听到更多有关ReALM的信息，但我们应该了解更多有关AI相关开发的信息，包括6月10日在WWDC2024上推出的Siri功能。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！