Apple maju dari kecerdasan buatan utama dengan teknologi generasi foto yang bersaing dengan Dall-E dan Midjourney

apel‘S Penelitian Pembelajaran Otomatis Tim telah mengembangkan sistem kecerdasan buatan yang hebat untuk membuat gambar resolusi tinggi yang dapat menantang dominasi prevalensi, seperti teknologi yang mengoperasikan generator foto terkenal seperti dari Dan Midjourney.

Kemajuan, yang dirinci dalam makalah penelitian yang diterbitkan minggu lalu.Starflow“Sistem Peneliti Apple bekerja sama dengan mitra akademik yang menggabungkan aliran normalisasi dengan transformator penurunan otomatis untuk mencapai apa yang oleh tim disebut” kinerja kompetitif “dan model spread modern.

Penetrasi datang dalam momen kritis untuk apel, yang menghadap Kritik yang meningkat Pada perjuangannya dengan kecerdasan buatan. Dalam keduanya Konferensi Pengembang di seluruh duniaPerusahaan hanya mengungkapkan Pembaruan Sederhana Amnesty International untuknya Kecerdasan Apple Platform, dengan sorotan tekanan kompetitif yang dihadapi perusahaan yang mempertimbangkan banyak hambatan ke belakang dalam perlombaan lengan udara.

“As we know, this work is the first successful demonstration to normalize the effects that operate effectively in this scale and decision,” wrote the research team, which includes Apple Jiatao Gu, Joshua M. Susskind and Shuangfei Zhai, along with academic collaborators from institutions including UC Berkeleg Dan Teknologi Georgia.

Bagaimana Apple kembali ke Openai dan Google dalam Perang Kecerdasan Buatan

itu Starflow Penelitian adalah upaya Apple yang lebih luas untuk mengembangkan kemampuan kecerdasan buatan yang khas yang dapat membedakan produknya dari pesaing. Sedangkan seperti perusahaan Google Dan Openai Ini telah mendominasi berita utama karena maju dari kecerdasan buatan, Apple sedang mengerjakan metode alternatif yang dapat memberikan keuntungan unik.

Tim peneliti menghadapi tantangan mendasar dalam menghasilkan gambar kecerdasan buatan: menskalakan arus normalisasi untuk bekerja secara efektif dengan gambar resolusi tinggi. Normalisasi aliran, jenis model kebidanan yang belajar untuk mengubah distribusi sederhana menjadi distribusi yang kompleks, secara tradisional membanjirinya melalui model prevalensi dan permusuhan dalam aplikasi sintesis gambar.

Para peneliti menulis: “Starflow adalah kinerja kompetitif dalam semua tugas menghasilkan gambar bersyarat dan tiga kelas, dan mendekati model proliferasi modern dalam kualitas sampel,” tulis para peneliti.

Penetrasi atletik di dalam yang mengoperasikan AI Apple baru

Tim peneliti Apple telah menyediakan banyak inovasi utama untuk mengatasi metode normalisasi saat ini. Sistem ini menggunakan apa yang oleh para peneliti disebut sebagai “desain yang dalam”, menggunakan “transformator dalam” (yang) menangkap sebagian besar kemampuan perwakilan yang khas, yang dilengkapi dengan beberapa blok transformator dangkal yang efektif tetapi sebagian besar bermanfaat.

Penetrasi juga termasuk bekerja di “pesawat ruang angkasa dari perangkat pengkodean otomatis sebelumnya, yang terbukti lebih efektif daripada pemodelan langsung di tingkat piksel,” menurut kertas. Pendekatan ini memungkinkan model untuk bekerja dengan representasi gambar yang ringkas alih -alih data piksel mentah, yang sangat meningkatkan efisiensi.

Berlawanan dengan model penyebaran, yang tergantung pada pengulangan, Starflow Mempertahankan karakteristik matematika untuk menormalkan aliran, memungkinkan “pelatihan dalam probabilitas maksimum di area berkelanjutan tanpa apresiasi.”

Apa arti StarFlow untuk produk iPhone dan Mac Future dari Apple

Penelitian ini mencapai ketika Apple menghadapi peningkatan tekanan untuk menunjukkan kemajuan yang berarti dalam kecerdasan buatan. kecelakaan Analisis Bloomberg Yang paling menonjol bagaimana Apple Intelligence dan Siri telah berjuang untuk bersaing dengan pesaing, sementara iklan Apple di WWDC minggu ini telah mengkonfirmasi tantangan perusahaan dalam ruang kecerdasan buatan.

Untuk Apple, pelatihan yang akurat dari StarFlow dapat memberikan keuntungan dalam aplikasi yang membutuhkan kontrol akurat dari konten yang dibuat atau dalam skenario di mana pemahaman tentang ketidakpastian dalam model sangat penting untuk membuat keputusan-cenderung berharga bagi lembaga dan kemampuan kecerdasan buatan pada perangkat yang mengkonfirmasi Apple.

Penelitian ini menunjukkan bahwa metode alternatif model proliferasi dapat mencapai hasil yang serupa, dan mungkin membuka metode inovasi baru yang dapat memainkan kekuatan Apple dalam integrasi program alat dan pemrosesan perangkat.

Mengapa Apple Taruhan pada Kemitraan Universitas untuk Memecahkan Masalah Kecerdasan Buatan

Penelitian ini mewujudkan strategi Apple untuk bekerja sama dengan lembaga akademik terkemuka untuk memajukan kemampuannya dalam kecerdasan buatan. Co -Author Tianrong ChenSeorang PhD di Georgia Tech, yang dilatih dengan tim peneliti pembelajaran otomatis Apple, membawa pengalaman dalam kontrol optimal dan pemodelan kebidanan yang optimal.

Itu juga termasuk kerjasama Ruixiang Zhang Dari Departemen Matematika di University of California di Berkeley dan Laurent agamanya, seorang peneliti dalam pembelajaran mesin yang dikenal karena pekerjaan perintis pada model berdasarkan aliran selama periode keberadaannya di dalam Otak Google Dan DeepMind.

“Ini penting, model kami masih merupakan aliran normalisasi yang komprehensif,” para peneliti menekankan pendekatan mereka dari metode campuran yang mengorbankan pelacakan olahraga untuk meningkatkan kinerja.

itu Kertas pencarian lengkap Tersedia ArxivMemberikan detail teknis untuk para peneliti dan insinyur yang ingin membangun pekerjaan ini di bidang kompetitif kecerdasan buatan. Meskipun Starflow mewakili pencapaian teknis yang penting, tes sebenarnya adalah apakah Apple dapat menerjemahkan terobosan penelitian ini menjadi semacam fitur kecerdasan buatan yang dihadapi konsumen yang membuat pesaing seperti nama keluarga chatgpt. Untuk perusahaan yang merevolusi seluruh industri dengan produk -produk seperti iPhone, pertanyaannya bukan apakah Apple dapat berinovasi dalam kecerdasan buatan – apakah mereka dapat melakukan ini dengan cukup cepat.