A Apple detalhou em um artigo como funciona a sua abordagem baseada em grandes modelos de linguagem utilizada nos resumos de avaliações na App Store, recurso alimentado por inteligência artificial que foi liberado com o iOS 18.4.
Segundo a empresa, essa implementação leva em consideração três grandes desafios, os quais foram devidamente abordados por ela para garantir que os resumos sejam precisos, de alta qualidade e úteis para os usuários. Foram eles:
- Pontualidade: os resumos devem se adaptar dinamicamente para refletir novos lançamentos, atualizações e correções de bugs e manter um panorama atualizado.
- Diversidade: eles devem garantir que sejam inclusos em poucas linhas diferentes pontos de vista, vindos de diferentes usuários e com variados estilos e informações;
- Precisão: os modelos devem ignorar por completo avaliações ou conteúdos que não tenham a ver necessariamente com o assunto do aplicativo.
A Maçã também destacou como se dá o fluxo natural de resumo das avaliações, o qual começa com uma espécie de filtragem para ignorar comentários que contenham spam, palavrões ou fraude.
As avaliações filtradas passam por uma sequência de módulos alimentados por modelos de IA, os quais extraem suas principais informações, entendem elas e agregam temas comuns para produzir um resumo que reflete a maioria das opiniões em um parágrafo que pode ter de 100 a 300 caracteres.
Esse fluxo foi detalhado pela Maçã nessa página.
Novas pesquisas da Apple
Adicionalmente, a Apple também revelou que participará da edição deste ano da Conferência Internacional sobre Representações de Aprendizagem (International Conference on Learning Representations, ou ICLR), onde apresentará uma série de artigos relacionados a pesquisas da empresa sobre aprendizagem de máquina.
Um desses artigos é sobre o Depth Pro, um modelo básico cujo objetivo é realizar uma estimativa de profundidade monocular com escala absoluta sem a necessidade de metadados da câmera, calculando precisamente a distância focal a partir de uma única imagem.
Posts relacionados
- Apple colabora com NVIDIA para diminuir tempo de inferência de LLMs
- Pesquisadores da Apple constatam que IAs não têm tanto raciocínio lógico
- Apple anuncia modelos de IA de código aberto e biblioteca de treinamento
O Depth Pro gera espécies de mapas de profundidade de alta resolução com bordas nítidas e detalhes finos de forma rápida (apenas 0,3 segundo para 2,25MP), oferecendo um desempenho surpreendente, graças ao uso combinado de dados reais e sintéticos.
Outro trabalho a ser apresentado fala sobre o DART, um modelo de geração de imagens que combina características de modelos autorregressivos (AR) e de difusão sem seguir uma estrutura Markoviana 1 tradicional dos modelos de difusão atuais, as quais seriam ineficientes.
Em vez disso, o DART analisa iterativamente os patches da imagem de forma espacial e espectral, usando uma arquitetura de transformer semelhante à de modelos de linguagem. Ele não usa quantização da imagem e pode ser treinado de forma unificada com dados de texto e imagem.
Tais pesquisas podem aprimorar as tecnologias da Apple na área de IA, bem como refinar seus recursos existentes. Esses e outros modelos foram detalhados pela Maçã nessa página — além, é claro, das páginas individuais de cada um deles.
via AppleInsider, MacRumors
