Az Apple nemrég bemutatta a legújabb Apple Intelligence-t, amely funkciók között szerepel az írás, beszéd szöveggé alakítása és összegzés, intelligens válaszadás, íróeszközök, képgenerálás vagy emoji generálás, és ami a legfontosabb, hogy a Siri közelebb kerüljön egy valódi hangasszisztenshez.

Az első néhány eszköz bemutatásakor úgy tűnik, mintha az Apple ismét csak néhány, az Androidon már régóta elérhető, kevésbé jelentős funkciót mutatna be.

De amikor meglátjuk a következő generációs Sirit, akkor érezhetjük igazán az Apple termékek erős tervezési és integrációs képességeit.

Nem pusztán a GPT-4o használata, ahogy sokan gondolták

A mostani Keynote és a hivatalos weboldal információi alapján nem úgy tűnik, hogy az Apple Intelligence modellje pusztán a GPT-4o-ra épülne, ahogy azt sokan előre gondolták. Az A17 Pro és M sorozatú hardverek alapján úgy tűnik, hogy az Apple ezúttal kis nyelvi modelleket vagy speciális képgeneráló modelleket helyezett el az eszközökön. Emellett a legújabb Private Cloud Compute technológiáját is használja, amely lehetővé teszi, hogy az Apple Intelligence vagy Siri a felhőben lévő nagy nyelvi modelleket használja, miközben biztosítja a magánélet védelmét.

Úgy tűnik, hogy az új generatív nyelvi modell az Apple által a telefonon gyakran használt helyzetekre specializáltan lett kiképezve. Az OpenAI-val együttműködve a GPT-4o modell csak a fejlettebb helyzetekben használatos, például összetett logikai kérdések megválaszolására. Ez lehetővé teszi, hogy a Siri mögötti AI jobban összpontosítson az „Apple termékek használati élményének javítására”, így a modell fókuszáltabb és könnyebb lesz. A különböző szolgáltatások kombinálása csökkenti az Apple nyomását a GenAI utolérésére, és egyúttal közvetlenül szembeszáll a Microsoft Copilot funkciójával, amely az OS-ben közvetlenül integrálja a GenAI Chatbotot.

A nagy nyelvi modellek fejlesztésének útján az Apple célja nem az LLM Benchmarkok üldözése, hanem a termékekre való visszatérés, hogy az LLM szolgálja a terméket, és ne csak az LLM teljesítményének és multimodális képességeinek hajszolása legyen a cél.

Azonban 2024 végéig csak az angol nyelvet támogató AI Siri lesz elérhető, a régebbi eszközök vagy nem angol nyelvű felhasználók számára úgy tűnik, hogy továbbra is a régi, LLM-t nem támogató Siri marad. Ebből a szempontból az Apple még mindig lemarad a főbb szereplőkhöz képest, mint az OpenAI, a Microsoft vagy a Google, és úgy tűnik, hogy más nyelvek támogatása (vagy a más nyelvek pontosságának elérése) még mindig távol van.

Összességében azonban a „felhasználói élmény” terén továbbra is vezetni fogja a jelenlegi versenytársakat.

A „ChatBot”-tól a „ChatBot+”-ig az „Élményig”

Jelenleg a többi LLM piaci főszereplő: az OpenAI ChatGPT-je a „ChatBot” szinten marad, és csak az API-k eladásával tud kilépni a ChatGPT-ből a fejlesztők számára történő integráció érdekében. A Google Gemeni és a Microsoft PC-n futó Copilot jelenleg is a „ChatBot+” szinten van, ami azt jelenti, hogy a ChatBot néhány külső funkcióval van integrálva, de továbbra is a piacon a legvalószínűbb szereplők, akik az LLM mély integrációját elérhetik. Más hardvergyártók, mint a Samsung és az Asus AI képességei, úgy tűnik, hogy még mindig a „funkció” szinten maradnak, például: körkép keresés, valós idejű fordítás, AI képszerkesztés vagy képkeresés.

Az Apple Intelligence esetében úgy tűnik, hogy az LLM szolgáltatást az „élmény” szintjére emelte, lehetővé téve, hogy az AI valóban „releváns” legyen, és ha a „releváns” elérése megtörténik, a felhasználók által használható helyzetek vagy funkciók száma jelentősen megnő, sőt közel végtelen lehet, és csak így valósítható meg igazán az AI asszisztens ideálja. Összefoglalva, az erős Apple ökoszisztéma alatt más nyelvi modellek bármilyen erősek is legyenek, nehezen tudják megingatni az Apple „LLM mély integrációját a felhasználók életébe” versenyképességét, és várhatóan a jövőben minden LLM mélyebben integrálódik a felhasználók élethelyzeteibe.