Apple-forskare har utvecklat ett AI-system som heter ReALM (Reference Resolution As Language Modeling) som kan tolka tvetydiga referenser och kontextuella ledtrådar. Detta genombrott kan revolutionera interaktionen med röstassistenter och omforma handelslandskapet. Systemet förenklar förståelsen av visuella referenser på skärmen genom språkmodellering med hjälp av stora språkmodeller och syftar till att förbättra kommunikationen med AI-röster och förbättra kundupplevelserna. Röstteknologi är på frammarsch, med en växande intresse från konsumenterna för dess snabbhet. Men det finns fortfarande viss skepsis när det gäller effektivitet och tillförlitlighet hos röst-AI jämfört med mänsklig service. Apples ReALM-projekt adresserar utmaningen att hantera pronomen och underförstådda referenser i konversationer genom att behandla referensupplösning som en uppgift inom språkmodellering, vilket möjliggör att systemet förstår visuella element och integrerar dem sömlöst i konversationer.

Denna metod överträffar traditionella metoder och uppnår bättre resultat än OpenAI:s GPT-4. Apples lösning kan erbjuda ett genombrott inom förståelse av sammanhang i röstbaserad kommunikation, ett område där AI traditionellt har haft svårigheter på grund av pauser, utfyllnadsord och konversationsstörningar. Även om AI har förbättrats när det gäller förståelse av sammanhang saknas fortfarande empati och emotionell intelligens, vilket kan göra interaktioner kalla och opersonliga i vissa situationer. Apple har undersökt AI-samarbeten, inklusive diskussioner med Google för att integrera Googles AI-motor i iPhone-programfunktioner samt samarbeten med OpenAI. Men Apples AI-utveckling har varit mer dämpad jämfört med dess konkurrenter.