苹果与EPFL合作发布4M AI模型,开启AI新时代

简介: 苹果与EPFL合作发布4M AI模型,开启AI新时代

本文来源:企业网D1net


4M演示的发布紧随WWDC之后,表明苹果在努力将自己定位为AI行业的主要参与者。通过展示Apple Intelligence的面向消费者的AI功能和4M的前沿研究能力,苹果展示了其在整个开发领域对AI的承诺。


苹果与瑞士联邦理工学院洛桑分校(EPFL)合作,在Hugging Face Spaces平台上发布了其4M AI模型的公开演示,这次发布距离该模型最初开源已有七个月,标志着在扩大对复杂AI技术的访问方面迈出了重要一步,公开演示允许更广泛的用户亲自互动并评估4M模型的能力。


4M(大规模多模态掩码建模)演示展示了一个多功能的AI模型,能够跨多种模态处理和生成内容。用户可以通过系统从文本描述创建图像,执行复杂的物体检测,甚至使用自然语言输入操控3D场景。


此次发布标志着苹果从传统上保密的研究和开发方法的一次重大转变。通过在流行的开源AI平台上公开4M,苹果不仅展示了其AI能力,还吸引了开发者的兴趣,培育了围绕其技术的生态系统。


Siri的智能升级:对苹果AI驱动未来的影响


此发布的时机在最近的AI领域发展背景下具有重要意义。尽管微软和谷歌因其AI合作和产品而频繁上头条,苹果却在悄然但稳步地提升自己的AI能力。4M演示展示了苹果在这一关键技术领域的创新能力,这与公司近期的市场表现一致。


自5月1日以来,苹果的股价显著上涨了24%,市值增加了超过6000亿美元,这一激增使苹果在科技行业中成为仅次于Nvidia的价值增幅第二的公司。市场的反应表明,苹果现在被视为“AI股票”,这一看法因其最近与OpenAI的合作公告而得到强化。


4M的独特之处在于其多模态的统一架构,这种方法可能会在苹果的生态系统中带来更连贯和多功能的AI应用。想象一下,Siri能够理解并响应涉及文本、图像和空间信息的复杂多部分查询,或者Final Cut Pro能够基于自然语言指令自动生成和编辑视频内容。


然而,4M的发布也引发了关于数据实践和AI伦理的重要问题。苹果一直将自己定位为用户隐私的捍卫者,但面对数据密集型的高级AI模型,这一立场可能面临挑战。公司需要谨慎处理,以在推进AI能力的同时保持用户信任。


从iPhone到Vision Pro:苹果的AI革命展开


这次4M的公开演示发布,尤其在苹果最近WWDC上揭示的AI战略背景下,显得格外引人注目。尽管Apple Intelligence专注于在iPhone、Mac和Vision Pro头戴设备上的个性化、设备内AI体验,4M则暗示了公司长期的AI野心。该模型基于自然语言输入操控3D场景的能力,可能对未来Vision Pro的迭代和苹果的增强现实努力产生令人兴奋的影响。


4M演示的发布紧随WWDC之后,表明苹果在努力将自己定位为AI行业的主要参与者。通过展示Apple Intelligence的面向消费者的AI功能和4M的前沿研究能力,苹果展示了其在整个开发领域对AI的承诺。


苹果的双重策略——面向消费者的实用AI和4M的前沿研究——发出了一个明确的信号:在领导AI革命的同时保持其标志性的用户隐私。随着这些技术在苹果生态系统中逐渐成熟和整合,用户可能会体验到一种微妙但深远的交互方式变化。真正的考验在于苹果能否有效兑现其先进AI的承诺,同时保持对用户隐私和无缝体验的承诺。


版权声明:本文为企业网D1Net编译,转载需在文章开头注明出处为:企业网D1Net,如果不注明出处,企业网D1Net将保留追究其法律责任的权利。封面图片来源于摄图网


(来源:企业网D1Net)


image.png

如果您在企业IT、网络、通信行业的某一领域工作,并希望分享观点,欢迎给企业网D1Net投稿。

投稿邮箱:

editor@d1net.com

合作电话:

010-58221588(北京公司)

021-51701588(上海公司)

合作邮箱:

Sales@d1net.com


企业网D1net旗下信众智是CIO(首席信息官)的专家库和智力输出及资源分享平台,有五万多CIO专家,也是目前最大的CIO社交平台。


信众智对接CIO为CIO服务,提供数字化升级转型方面的咨询、培训、需求对接等落地实战的服务。也是国内最早的toB共享经济平台。同时提供猎头,选型点评,IT部门业绩宣传等服务。



相关文章
|
13天前
|
机器学习/深度学习 人工智能 并行计算
"震撼!CLIP模型:OpenAI的跨模态奇迹,让图像与文字共舞,解锁AI理解新纪元!"
【10月更文挑战第14天】CLIP是由OpenAI在2021年推出的一种图像和文本联合表示学习模型,通过对比学习方法预训练,能有效理解图像与文本的关系。该模型由图像编码器和文本编码器组成,分别处理图像和文本数据,通过共享向量空间实现信息融合。CLIP利用大规模图像-文本对数据集进行训练,能够实现zero-shot图像分类、文本-图像检索等多种任务,展现出强大的跨模态理解能力。
44 2
|
21天前
|
机器学习/深度学习 人工智能 自然语言处理
当语言遇见智慧火花:GPT家族历代模型大起底,带你见证从平凡到卓越的AI进化奇迹!
【10月更文挑战第6天】随着自然语言处理技术的进步,GPT系列模型(Generative Pre-trained Transformers)成为该领域的明星。从GPT-1的开创性工作,到GPT-2在规模与性能上的突破,再到拥有1750亿参数的GPT-3及其无需微调即可执行多种NLP任务的能力,以及社区驱动的GPT-NeoX,这些模型不断进化。虽然它们展现出强大的语言理解和生成能力,但也存在如生成错误信息或偏见等问题。本文将对比分析各代GPT模型的特点,并通过示例代码展示其部分功能。
75 2
|
19天前
|
人工智能 机器人 芯片
【通义】AI视界|苹果发布macOS Sequoia 15.1最新公测版:可体验Apple Intelligence
本文概览了近期科技动态,包括英伟达与台积电合作遇阻、亿万富翁投资者Druckenmiller后悔清仓英伟达、阿斯麦财报显示芯片需求复苏缓慢、苹果发布macOS Sequoia 15.1公测版及波士顿动力与丰田合作推进人形机器人技术。更多信息,请访问通义。
|
4天前
|
人工智能
AI科学家太多,谁靠谱一试便知!普林斯顿新基准CORE-Bench:最强模型仅有21%准确率
【10月更文挑战第21天】普林斯顿大学研究人员提出了CORE-Bench,一个基于计算可重复性的AI代理基准,涵盖计算机科学、社会科学和医学领域的270个任务。该基准旨在评估AI代理在科学研究中的准确性,具有多样性、难度级别和现实相关性等特点,有助于推动AI代理的发展并提高计算可重复性。
15 4
|
8天前
|
人工智能 自动驾驶 搜索推荐
【通义】AI视界|苹果AI本周正式上线,将引入四大功能
本文由【通义】自动生成,涵盖苹果AI上线、特斯拉被华尔街重新评估、谷歌开发控制计算机的AI、Meta与路透社合作及Waymo获56亿美元融资等科技动态。点击链接或扫描二维码获取更多信息。
|
14天前
|
人工智能 自然语言处理
从迷茫到精通:揭秘模型微调如何助你轻松驾驭AI新热点,解锁预训练模型的无限潜能!
【10月更文挑战第13天】本文通过简单的问题解答形式,结合示例代码,详细介绍了模型微调的全流程。从选择预训练模型、准备新任务数据集、设置微调参数,到进行微调训练和评估调优,帮助读者全面理解模型微调的技术细节和应用场景。
49 6
|
21天前
|
人工智能 自然语言处理 安全
【通义】AI视界|Adobe推出文生视频AI模型,迎战OpenAI和Meta
本文精选了过去24小时内的重要科技新闻,包括微软人工智能副总裁跳槽至OpenAI、Adobe推出文本生成视频的AI模型、Meta取消高端头显转而开发超轻量设备、谷歌与核能公司合作为数据中心供电,以及英伟达股价创下新高,市值接近3.4万亿美元。这些动态展示了科技行业的快速发展和激烈竞争。点击链接或扫描二维码获取更多资讯。
|
19天前
|
机器学习/深度学习 人工智能 TensorFlow
解锁AI潜力:让开源模型在私有环境绽放——手把手教你搭建专属智能服务,保障数据安全与性能优化的秘密攻略
【10月更文挑战第8天】本文介绍了如何将开源的机器学习模型(如TensorFlow下的MobileNet)进行私有化部署,包括环境准备、模型获取与转换、启动TensorFlow Serving服务及验证部署效果等步骤,适用于希望保护用户数据并优化服务性能的企业。
33 4
|
19天前
|
机器学习/深度学习 人工智能 自然语言处理
揭开模型微调Fine-Tuning的神秘面纱:如何在预训练基础上巧妙调整,解锁定制AI解决方案的秘密武器
【10月更文挑战第8天】模型微调是在预训练模型基础上,利用特定领域数据进一步训练,以优化模型在特定任务上的表现。此方法广泛应用于自然语言处理和计算机视觉等领域,通过调整预训练模型的部分或全部参数,结合适当的正则化手段,有效提升模型性能。例如,使用Hugging Face的Transformers库对BERT模型进行微调,以改善文本匹配任务的准确率。
35 1
|
24天前
|
人工智能 自动驾驶 机器人
【通义】AI视界|苹果自动驾驶汽车项目画上句号:加州测试许可被取消
本文精选了24小时内的重要科技新闻,包括Waymo前CEO批评马斯克对自动驾驶的态度、AMD发布新款AI芯片但股价波动、苹果造车项目终止、Familia.AI推出家庭应用以及AI逆向绘画技术的进展。更多内容请访问通义官网体验。