擁抱開發者，蘋果公開展示「4M」模型技術

蘋果與瑞士洛桑聯邦理工學院（EPFL）合作，在 Hugging Face Spaces 平台公開展示「Massively Multimodal Masked Modeling」（4M）模型。這款模型 7 個月前開源釋出，現在透過公開平台展示技術，給予更多開發者接觸這項技術的機會。

4M 是一種多功能 AI 模型，能夠多模態處理和生成影像內容。使用者能與 AI 系統互動，根據文字描述建立圖像、執行複雜物件偵測，甚至以自然語言操控 3D 場景。

4M 與眾不同之處在於，它針對不同模式的統一架構，這種方法可能在蘋果生態系帶來連貫和通用的 AI 應用程式。想像一下，未來 Siri 能夠理解並回應涉及文字、圖像及空間資訊的複雜查詢，或 Final Cut Pro 根據自然語言指令自動生成和編輯影片。

4M 暗示蘋果的 AI 野心，這款模型以自然語言操控 3D 場景的能力，可能對 Vision Pro 功能迭代和蘋果 AR 進展帶來令人興奮的長遠影響。

▲ 多模態模型 4M 的框架。（Source：Massively Multimodal Masked Modeling）

蘋果一直穩步提升自己的 AI 能力，值得一提的是，透過公開平台展示技術，透露出蘋果傳統的秘密研發方式產生重大轉變。以開源 AI 平台提供存取 4M，不僅展現蘋果 AI 實力，更能吸引開發者興趣，進一步參與蘋果生態系。

• Apple just launched a public demo of its ‘4M’ AI model: Here’s why it’s a big deal

（首圖來源：shutterstock）

延伸閱讀：

• 蘋果推出開源生成式 AI 模型 OpenELM
• 幫助 Siri 理解使用者提問，蘋果提出 AI 新研究 ReALM
• 蘋果發表全新文字生成動畫 AI 模型 Keyframer
• AI 視覺界的突破，探索蘋果 AIM 模型的未來潛力
• AI 競賽蘋果不缺席，研究人員低調發表多模態「雪貂」模型