MM1: o primeiro modelo multimodal de IA da Apple

O MM1: o primeiro modelo multimodal de IA da Apple é perfilado pela BTW Media porque evidências publicadas o ligam à infraestrutura da internet, governança, dependências operacionais ou visibilidade de mercado.

• Rivalizando com o Gemini do Google: a ampla faixa de parâmetros do MM1 compete com as versões iniciais do modelo de IA do Google.
• Aprendizado inovador em contexto: a capacidade do MM1 de entender e responder a novas consultas com base no contexto conversacional atual.

A Apple revelou o MM1, uma nova geração de modelos multimodais que podem interpretar e interagir perfeitamente com imagens e texto, preparando o terreno para uma experiência mais intuitiva e responsiva com oSiri e iMessage.

MM1: IA multimodal pioneira

A Apple apresentou o MM1, um conjunto inovador de modelos de IA multimodal capazes de processar dados visuais e textuais. Esses modelos possuem uma impressionante contagem de parâmetros de até 30 bilhões, tornando-os páreo para as primeiras iterações dos modelos Gemini do Google.

Leia também:Anthropic afirma que seu mais recente modelo de IA supera o GPT-4

Os modelos MM1 são capazes de interpretar e executar instruções que envolvem elementos visuais e textuais. Por exemplo, a IA pode calcular o custo combinado de duas bebidas analisando as informações de preço exibidas em um menu.

Um dos recursos de destaque do MM1 é sua capacidade de aprendizado em contexto. Isso permite que o modelo compreenda e responda a consultas com base nas informações contextuais presentes no discurso em andamento, sem a necessidade de retreinamento específico ou ajuste fino para cada nova consulta ou tarefa.

Essa capacidade de aprendizado em contexto pode potencialmente permitir que o modelo gere descrições detalhadas de imagens ou responda a perguntas sobre o conteúdo de prompts baseados em fotos, mesmo que não tenha sido exposto anteriormente a conteúdo semelhante.

Leia também:Apple apresentará 'avanços do visionOS' na WWDC 2024

Aprimorando a experiência do usuário

Em termos de aprimorar a experiência do usuário, as habilidades de compreensão multimodal do MM1 podem ser aproveitadas pela Apple para elevar o desempenho de sua assistente de voz, Siri. Isso permitiria que a Siri fornecesse respostas a perguntas baseadas em dados visuais, como aquelas baseadas em imagens. Além disso, o MM1 poderia auxiliar na interpretação do contexto de imagens e mensagens de texto compartilhadas via iMessage, fornecendo assim sugestões de respostas mais pertinentes aos usuários.