APPLE 論文展示 FERRET-UI AI 能理解 APP 畫面內容
Apple 早前發表了一篇有關開發「Ferret-UI」AI 人工智能的論文，據悉 Ferret-UI 是一個生成式人工智能系統，能夠理解智能電話應用程式螢幕顯示的內容。
大家耳熟能詳的 AI ChatGPT 屬於大型語言模型 （Large Language Models，LLMs），主要訓練素材取材自文字內容，而更先進的多模態大語言模型（Multimodal Large Language Models，MLLMs）旨在擴展 AI 理解圖片、影片、音訊等非文字資訊的能力，但是現時大部份 MLLM 還無法有效理解智能電話上面的應用程式，主要因為以下原因：
- 手機螢幕長闊比例與平時訓練素材不同；
- 手機應用程式的按鈕尺寸較小，對目前的 MLLMs 而言難以識別；
- 目前的 MLLM 暫時未有與應用程式按鈕互動的理解能力。
Apple 因此構思開發名為 Ferret-UI 的全新 MLLM，以解決上述問題。Apple 指，Ferret-UI 加入了「任意解像度」，讓這個 MLLM 得以放大畫面細節，增強視覺能力。Apple 又表示從廣泛的基本 UI 任務裏收集了不少訓練樣本，例如圖標識別、尋找文字、小清單等，以提高精確度。
相關文章:
【教學】iOS 17.3 必學功能 防盜竊 iPhone 保護 + 簡單查所有 Apple 產品保養 微軟擬下月發布新 ARM 架構手提電腦 Microsoft：有信心勝 Apple M3 傳 Apple 獲得 130 億張圖片授權 與 Photobucket 合作訓練 AI 模型
The post Apple 論文展示 Ferret-UI AI 能理解 App 畫面內容 appeared first on 香港 unwire.hk 玩生活．樂科技.
2024-04-11T09:32:02Z dg43tfdfdgfd