Từ Siri đến ReALM: Hành trình của Apple đến Trợ lý Giọng nói Thông minh

Kể từ khi Siri được ra mắt vào năm 2011, Apple (AAPL ) đã liên tục đứng ở vị trí hàng đầu trong lĩnh vực đổi mới trợ lý giọng nói, thích nghi với nhu cầu của người dùng trên toàn cầu. Việc giới thiệu ReALM đánh dấu một điểm quan trọng trong hành trình này, mang đến một cái nhìn về vai trò đang phát triển của trợ lý giọng nói trong tương tác của chúng ta với các thiết bị. Bài viết này sẽ xem xét tác động của ReALM đối với Siri và các hướng đi tiềm năng cho các trợ lý giọng nói trong tương lai.

Sự trỗi dậy của Trợ lý Giọng nói: Nguồn gốc của Siri

Hành trình bắt đầu khi Apple tích hợp Siri, một hệ thống trí tuệ nhân tạo tinh vi, vào các thiết bị của mình, thay đổi cách chúng ta tương tác với công nghệ. Xuất phát từ công nghệ được phát triển bởi SRI International, Siri đã trở thành tiêu chuẩn vàng cho các trợ lý giọng nói. Người dùng có thể thực hiện các nhiệm vụ như tìm kiếm trên internet và lên lịch thông qua các lệnh giọng nói đơn giản, đẩy ranh giới của các giao diện đối thoại và tạo ra một cuộc đua cạnh tranh trong thị trường trợ lý giọng nói.

Siri 2.0: Một Kỷ nguyên Mới của Trợ lý Giọng nói

Khi Apple chuẩn bị cho việc phát hành iOS 18 tại Hội nghị Nhà phát triển Toàn cầu (WWDC) vào tháng 6 năm 2024, cộng đồng công nghệ đang chờ đợi những gì được kỳ vọng là một sự tiến hóa đáng kể của Siri. Giai đoạn mới này, được gọi là Siri 2.0, hứa hẹn sẽ mang lại những tiến bộ về trí tuệ nhân tạo tạo sinh, có khả năng biến Siri thành một trợ lý ảo tinh vi hơn. Mặc dù các cải tiến chính xác vẫn còn bí mật, thế giới công nghệ đang xôn xao với triển vọng Siri đạt được những tầm cao mới trong trí tuệ đối thoại và tương tác người dùng được cá nhân hóa, tận dụng các mô hình học ngôn ngữ tinh vi như những công nghệ như ChatGPT. Trong bối cảnh này, việc giới thiệu ReALM, một mô hình ngôn ngữ compact, gợi ý về những cải tiến có thể mà Siri 2.0 có thể mang lại cho người dùng. Các phần sau sẽ thảo luận về vai trò của ReALM và ảnh hưởng tiềm năng của nó như một bước quan trọng trong sự tiến bộ liên tục của Siri.

Giới thiệu ReALM

ReALM, viết tắt của Reference Resolution As Language Modeling, là một mô hình ngôn ngữ chuyên dụng trong việc giải mã các tham chiếu ngữ cảnh và mơ hồ trong cuộc trò chuyện, như “điều đó” hoặc “điều này”. Nó nổi bật với khả năng xử lý các tham chiếu đối thoại và trực quan, biến chúng thành định dạng văn bản. Khả năng này cho phép ReALM diễn giải và tương tác với các bố cục màn hình và các yếu tố một cách mượt mà trong một cuộc trò chuyện, một tính năng quan trọng để xử lý chính xác các truy vấn trong các ngữ cảnh phụ thuộc vào trực quan.

Cấu trúc của ReALM bao gồm các phiên bản nhỏ hơn như ReALM-80M đến các phiên bản lớn hơn như ReALM-3B, được tối ưu hóa để hiệu quả về mặt tính toán cho việc tích hợp vào các thiết bị di động. Hiệu quả này cho phép thực hiện đồng nhất với mức tiêu thụ năng lượng giảm và giảm tải trên tài nguyên xử lý, quan trọng để kéo dài tuổi thọ pin và cung cấp thời gian phản hồi nhanh trên nhiều thiết bị.

Hơn nữa, thiết kế của ReALM cho phép cập nhật mô-đun, tạo điều kiện cho việc tích hợp liền mạch các tiến bộ mới nhất trong việc giải quyết tham chiếu. Cách tiếp cận mô-đun này không chỉ tăng cường khả năng thích nghi và linh hoạt của mô hình mà còn đảm bảo tính bền vững và hiệu quả lâu dài, cho phép nó đáp ứng nhu cầu người dùng và tiêu chuẩn công nghệ đang phát triển trên một loạt các thiết bị.

ReALM so với Mô hình Ngôn ngữ

Trong khi các mô hình ngôn ngữ truyền thống như GPT-3.5 chủ yếu xử lý văn bản, ReALM đi theo con đường đa phương tiện, tương tự như các mô hình như Gemini, bằng cách làm việc với cả văn bản và hình ảnh. Không giống như các chức năng rộng lớn hơn của GPT-3.5 và Gemini, которые xử lý các nhiệm vụ như tạo văn bản, hiểu và tạo hình ảnh, ReALM tập trung vào việc giải mã ngữ cảnh và trực quan. Tuy nhiên, không giống như các mô hình đa phương tiện như Gemini, trực tiếp xử lý dữ liệu trực quan và văn bản, ReALM dịch nội dung trực quan của màn hình thành văn bản, chú thích các thực thể và chi tiết không gian của chúng. Việc chuyển đổi này cho phép ReALM diễn giải nội dung màn hình theo cách văn bản, tạo điều kiện cho việc xác định và hiểu chính xác hơn về các tham chiếu trên màn hình.

Làm thế nào ReALM có thể Chuyển đổi Siri?

ReALM có thể nâng cao đáng kể khả năng của Siri, biến nó thành một trợ lý trực quan và hiểu biết ngữ cảnh hơn. Dưới đây là cách nó có thể ảnh hưởng:

• Hiểu biết Ngữ cảnh Tốt hơn: ReALM chuyên về việc giải mã các tham chiếu mơ hồ trong cuộc trò chuyện, có khả năng cải thiện đáng kể khả năng của Siri trong việc hiểu các truy vấn phụ thuộc vào ngữ cảnh. Điều này sẽ cho phép người dùng tương tác với Siri một cách tự nhiên hơn, vì nó có thể nắm bắt các tham chiếu như “phát lại bài hát đó” hoặc “gọi cho cô ấy” mà không cần thêm chi tiết.
• Tương tác Màn hình Cải tiến: Với khả năng diễn giải các bố cục màn hình và các yếu tố trong các cuộc trò chuyện, ReALM có thể cho phép Siri tích hợp mượt mà hơn với nội dung trực quan của thiết bị. Siri có thể thực hiện các lệnh liên quan đến các mục trên màn hình, như “mở ứng dụng bên cạnh Mail” hoặc “cuộn xuống trên trang này”, mở rộng tính hữu ích của nó trong các nhiệm vụ khác nhau.
• Cá nhân hóa: Bằng cách học hỏi từ các tương tác trước, ReALM có thể cải thiện khả năng của Siri trong việc cung cấp các phản hồi được cá nhân hóa và thích nghi. Theo thời gian, Siri có thể dự đoán nhu cầu và sở thích của người dùng, đề xuất hoặc khởi xướng các hành động dựa trên hành vi trước và hiểu biết ngữ cảnh, tương tự như một trợ lý cá nhân hiểu biết.
• Tính khả dụng Cải tiến: Khả năng hiểu biết ngữ cảnh và tham chiếu của ReALM có thể mang lại lợi ích đáng kể cho tính khả dụng, làm cho công nghệ trở nên bao gồm hơn. Siri, được hỗ trợ bởi ReALM, có thể diễn giải chính xác các lệnh không rõ ràng hoặc không đầy đủ, tạo điều kiện cho việc sử dụng thiết bị dễ dàng và tự nhiên hơn cho những người có khuyết tật về thể chất hoặc thị giác.

ReALM và Chiến lược Trí tuệ Nhân tạo của Apple

Việc ra mắt ReALM phản ánh một khía cạnh quan trọng trong chiến lược trí tuệ nhân tạo của Apple, nhấn mạnh vào trí tuệ trên thiết bị. Sự phát triển này phù hợp với xu hướng công nghiệp rộng lớn hơn về tính toán biên, nơi dữ liệu được xử lý cục bộ trên thiết bị, giảm độ trễ, tiết kiệm băng thông và bảo mật dữ liệu người dùng trên chính thiết bị.

Dự án ReALM cũng thể hiện mục tiêu trí tuệ nhân tạo rộng lớn hơn của Apple, tập trung không chỉ vào việc thực hiện lệnh mà còn vào việc hiểu và dự đoán nhu cầu của người dùng. ReALM đại diện cho một bước tiến tới các đổi mới trong tương lai, nơi các thiết bị có thể cung cấp hỗ trợ dự đoán và cá nhân hóa hơn, được thông tin bởi sự hiểu biết sâu sắc về thói quen và sở thích của người dùng.

Kết luận

Sự phát triển của Apple từ Siri đến ReALM nhấn mạnh sự tiến hóa liên tục trong công nghệ trợ lý giọng nói, tập trung vào việc cải thiện hiểu biết ngữ cảnh và tương tác người dùng. ReALM tượng trưng cho một bước chuyển hướng tới các trợ lý giọng nói thông minh hơn, được cá nhân hóa và quan tâm đến quyền riêng tư, phù hợp với xu hướng công nghiệp về tính toán biên để nâng cao khả năng xử lý và bảo mật trên thiết bị.