محققان اپل به تازگی در زمینه مدل‌های هوش مصنوعی چندوجهی به پیشرفت‌های چشمگیری دست یافته‌اند. این پیشرفت‌ها شامل روش‌های جدیدی برای آموزش مدل‌های زبان بزرگ روی متن و تصویر می‌شود که در نهایت منجر به توسعه سیستم‌های هوش مصنوعی قدرتمندتر و انعطاف‌پذیرتر خواهد شد.
اپل در مقاله تحقیقاتی خود با عنوان "MM1: روش‌ها، تجزیه‌وتحلیل و چشم‌اندازهایی از پیش‌آموزش LLM چندوجهی"، جزئیات این پیشرفت‌ها را شرح می‌دهد. این مقاله نشان می‌دهد که چگونه ترکیب دقیق انواع مختلف داده‌های آموزشی، مانند تصاویر، توضیحات تصاویر، متن مرتبط با تصاویر و متن خالص، می‌تواند به عملکرد پیشرفته مدل در طیف وسیعی از معیارهای هوش مصنوعی، از جمله:

تشریح تصویر:  مدل‌های جدید می‌توانند تصاویر را با دقت و جزئیات بیشتری شرح دهند.
پاسخ به سؤالات بصری:  مدل‌ها می‌توانند به سؤالات مربوط به تصاویر، به‌طور دقیق‌تر و جامع‌تر پاسخ دهند.
استنتاج زبان طبیعی:  مدل‌ها می‌توانند زبان طبیعی را به‌طور عمیق‌تر درک و تفسیر کنند.

علاوه بر ترکیب داده‌های آموزشی، اپل از معماری‌های جدیدی نیز برای مدل‌های خود استفاده می‌کند. این معماری‌ها به مدل‌ها اجازه می‌دهد تا اطلاعات را از منابع مختلف به‌طور مؤثرتری ترکیب و پردازش کنند.

اهمیت این پیشرفت‌ها:

افزایش قدرت و انعطاف‌پذیری سیستم‌های هوش مصنوعی:  مدل‌های جدید می‌توانند طیف وسیع‌تری از وظایف را انجام دهند و در شرایط مختلف عملکرد بهتری داشته باشند.
بهبود تجربه کاربری:  مدل‌های جدید می‌توانند تعاملات طبیعی‌تر و جذاب‌تری را با کاربران ایجاد کنند.
گشودن راه‌های جدید برای نوآوری:  مدل‌های جدید می‌توانند برای توسعه محصولات و خدمات جدید در زمینه‌های مختلف، مانند مراقبت‌های بهداشتی، آموزش و سرگرمی استفاده شوند.

اپل در حال حاضر در حال سرمایه‌گذاری گسترده در زمینه هوش مصنوعی است. این شرکت در سال 2023 بیش از 30 استارت‌آپ هوش مصنوعی را خریداری کرده است و قصد دارد در سال‌های آینده سالانه 1 میلیارد دلار در این فناوری سرمایه‌گذاری کند.
پیشرفت‌های جدید اپل در هوش مصنوعی چندوجهی نشان‌دهنده تعهد این شرکت به نوآوری در این زمینه است. این پیشرفت‌ها می‌تواند به اپل کمک کند تا در رقابت با سایر شرکت‌های بزرگ فناوری، مانند گوگل و مایکروسافت، پیشتاز باقی بماند.