От Siri до ReALM: Путь Apple к более умным голосовым помощникам

С момента выпуска Siri в 2011 году Apple (AAPL ) последовательно была на переднем крае инноваций в области голосовых помощников, адаптируясь к глобальным потребностям пользователей. Введение ReALM означает значительную точку в этом пути, предлагая взгляд на эволюционирующую роль голосовых помощников в нашем взаимодействии с устройствами. Эта статья исследует влияние ReALM на Siri и потенциальные направления для будущих голосовых помощников.

Рост голосовых помощников: Происхождение Siri

Путь начался, когда Apple интегрировала Siri, сложную систему искусственного интеллекта, в свои устройства, преобразив то, как мы взаимодействуем с нашей технологией. Происходящая из технологии, разработанной SRI International, Siri стала эталоном для голосовых помощников. Пользователи могли выполнять задачи, такие как поиск в Интернете и планирование, с помощью простых голосовых команд, расширяя границы разговорных интерфейсов и зажигая конкурентную гонку на рынке голосовых помощников.

Siri 2.0: Новая эра голосовых помощников

Когда Apple готовится к выпуску iOS 18 на Всемирной конференции разработчиков (WWDC) в июне 2024 года, в технологическом сообществе растет ожидание того, что это будет значительная эволюция Siri. Эта новая фаза, называемая Siri 2.0, обещает принести достижения в области генеративного ИИ на передний план, потенциально преобразуя Siri в еще более совершенного виртуального помощника. Хотя точные улучшения остаются конфиденциальными, технологическое сообщество ажиотажно обсуждает перспективы Siri достижения новых высот в разговорной интеллекте и персонализированном взаимодействии с пользователем, используя тот же тип сложных языковых моделей обучения, что и технологии, такие как ChatGPT. В этом контексте введение ReALM, компактной языковой модели, предполагает возможные улучшения, которые Siri 2.0 может принести своим пользователям. Следующие разделы будут обсуждать роль ReALM и его потенциальное влияние как важный шаг в постоянном совершенствовании Siri.

Представление ReALM

ReALM, что означает Reference Resolution As Language Modeling, является специализированной языковой моделью, способной расшифровывать контекстные и двусмысленные ссылки в разговорах, такие как “тот” или “этот”. Она выделяется своей способностью обрабатывать разговорные и визуальные ссылки, преобразуя их в текстовый формат. Эта способность позволяет ReALM интерпретировать и взаимодействовать с элементами экрана и макетами в диалоге, что является критически важной функцией для точной обработки запросов в визуально-зависимых контекстах.

Архитектура ReALM варьируется от более мелких версий, таких как ReALM-80M, до более крупных, таких как ReALM-3B, оптимизированных для вычислительной эффективности для интеграции в мобильные устройства. Эта эффективность обеспечивает последовательную производительность с уменьшенным энергопотреблением и меньшей нагрузкой на вычислительные ресурсы, что важно для продления срока службы батареи и обеспечения быстрых ответов на различных устройствах.

Кроме того, конструкция ReALM позволяет проводить модульные обновления, что облегчает бесшовную интеграцию последних достижений в области разрешения ссылок. Этот модульный подход не только повышает адаптивность и гибкость модели, но также обеспечивает ее долгосрочную жизнеспособность и эффективность, позволяя ей удовлетворять меняющимся потребностям пользователей и технологическим стандартам на широком спектре устройств.

ReALM vs. Языковые модели

В то время как традиционные языковые модели, такие как GPT-3.5, в основном обрабатывают текст, ReALM следует многомодальному пути, аналогично моделям, таким как Gemini, работая с текстом и визуальными данными. В отличие от более широких функций GPT-3.5 и Gemini, которые выполняют задачи, такие как генерация текста, понимание и создание изображений, ReALM в первую очередь ориентирован на расшифровку контекстных и визуальных контекстов. Однако, в отличие от многомодальных моделей, таких как Gemini, которые напрямую обрабатывают визуальные и текстовые данные, ReALM переводит визуальный контент экрана в текст, аннотируя сущности и их пространственные детали. Это преобразование позволяет ReALM интерпретировать контент экрана в текстовом формате, что облегчает более точное определение и понимание ссылок на экране.

Как ReALM может преобразовать Siri?

ReALM может существенно повысить возможности Siri, преобразуя ее в более интуитивного и контекстно-осведомленного помощника. Вот, как это может повлиять:

• Лучшее понимание контекста: ReALM специализируется на расшифровке двусмысленных ссылок в разговорах, что потенциально может существенно улучшить способность Siri понимать контекстно-зависимые запросы. Это позволит пользователям взаимодействовать с Siri более естественно, поскольку она сможет понять ссылки, такие как “воспроизвести эту песню снова” или “позвонить ей”, без дополнительных деталей.
• Улучшенное взаимодействие с экраном: Благодаря своей способности интерпретировать макеты экрана и элементы в диалогах, ReALM может позволить Siri более безшовно интегрироваться с визуальным контентом устройства. Siri сможет выполнять команды, связанные с элементами на экране, такими как “открыть приложение рядом с Почтой” или “пролистать вниз на этой странице”, расширяя ее полезность в различных задачах.
• Персонализация: Изучая предыдущие взаимодействия, ReALM может улучшить способность Siri предлагать персонализированные и адаптивные ответы. Со временем Siri может предсказать потребности и предпочтения пользователя, предлагая или инициируя действия на основе прошлого поведения и контекстного понимания, подобно знающему личному помощнику.
• Улучшенная доступность: Способности ReALM по пониманию контекста и ссылок могут существенно улучшить доступность, сделав технологии более инклюзивными. Siri, оснащенная ReALM, может точно интерпретировать неясные или неполные команды, что облегчит более простое и естественное использование устройств для людей с физическими или зрительными нарушениями.

ReALM и стратегия Apple в области ИИ

Запуск ReALM отражает ключевой аспект стратегии Apple в области ИИ, подчеркивающий интеллект на устройстве. Это развитие соответствует более широкой тенденции в отрасли по краевой вычислительной технике, когда данные обрабатываются локально на устройствах, что снижает задержку, экономит пропускную способность и защищает данные пользователей на самом устройстве.

Проект ReALM также демонстрирует более широкие цели Apple в области ИИ, сосредоточенные не только на выполнении команд, но и на более глубоком понимании и предсказании потребностей пользователей. ReALM представляет собой шаг к будущим инновациям, когда устройства смогут предоставлять более персонализированную и прогностическую поддержку, основанную на глубоком понимании привычек и предпочтений пользователей.

Итог

Развитие Apple от Siri до ReALM подчеркивает постоянную эволюцию технологии голосовых помощников, сосредоточенную на улучшении понимания контекста и взаимодействия с пользователем. ReALM означает сдвиг в сторону более интеллектуальных, персонализированных и ориентированных на конфиденциальность голосовых помощников, соответствующих тенденции отрасли по краевой вычислительной технике для улучшения обработки на устройстве и безопасности.