Investigadores de Apple revelan un nuevo sistema de inteligencia artificial que puede vencer a GPT-4

Los investigadores de Apple han desarrollado un sistema de inteligencia artificial llamado ReALM (Reference Resolution as Language Modeling) que tiene como objetivo mejorar radicalmente la forma en que los asistentes de voz entienden y responden a los comandos.

En un trabajo de investigación (a través de VentureBeat), Apple describe un nuevo sistema sobre cómo los modelos de lenguaje grandes abordan la resolución de referencia, que implica descifrar referencias ambiguas a entidades en pantalla, así como comprender el contexto conversacional y de fondo. Como resultado, ReALM podría generar interacciones más intuitivas y naturales con los dispositivos.

La resolución de referencias es una parte importante de la comprensión del lenguaje natural, ya que permite a los usuarios utilizar pronombres y otras referencias indirectas en una conversación sin confusión. Para los asistentes digitales, esta capacidad ha sido históricamente un desafío importante, limitado por la necesidad de interpretar una amplia gama de señales verbales e información visual. El sistema ReALM de Apple busca abordar esto convirtiendo el complejo proceso de resolución de referencias en un problema de modelado de lenguaje puro. Al hacerlo, puede comprender referencias a elementos visuales mostrados en una pantalla e integrar esta comprensión en el flujo de la conversación.

ReALM reconstruye el diseño visual de una pantalla utilizando representaciones textuales. Esto implica analizar entidades en pantalla y sus ubicaciones para generar un formato de texto que capture el contenido y la estructura de la pantalla. Los investigadores de Apple descubrieron que esta estrategia, combinada con un ajuste específico de los modelos de lenguaje para tareas de resolución de referencia, supera significativamente a los métodos tradicionales, incluidas las capacidades de GPT-4 de OpenAI.

ReALM podría permitir a los usuarios interactuar con asistentes digitales de manera mucho más eficiente con referencia a lo que se muestra actualmente en su pantalla sin la necesidad de instrucciones precisas y detalladas. Esto tiene el potencial de hacer que los asistentes de voz sean mucho más útiles en una variedad de entornos, como ayudar a los conductores a navegar por los sistemas de información y entretenimiento mientras conducen o ayudar a los usuarios con discapacidades al proporcionar un medio de interacción indirecta más fácil y preciso.

Apple ha publicado varios artículos de investigación sobre IA. El mes pasado, la compañía reveló un nuevo método para entrenar modelos de lenguaje grandes que integra perfectamente texto e información visual. Se espera que Apple presente una serie de funciones de inteligencia artificial en la WWDC en junio.