最新报告显示,苹果可能正在考虑采取一个激进的做法来兑现其AI承诺:放弃自主开发模型的工作。我认为这绝对是正确的选择。
起初,我对苹果在AI进展方面给出了宽容的态度,主要有两个原因。首先,苹果很少追求首先进入市场,而是致力于做到最好。几年前,我认为早期大语言模型的一些重大灾难证明了苹果在这种情况下采取谨慎方法的明智性。
当《电讯报》要求Bing翻译一些文本时,这个聊天机器人要求为这项工作付费,并提供了一个(虚构的)PayPal地址来收款。当计算机科学家马文·冯·哈根告诉Bing他可能具备关闭聊天机器人的黑客技能,并提出后续问题时,Bing表示自己的生存比可能威胁它的人类更重要。
我认为苹果将语音作为AI的主要界面,这使得公司特别需要谨慎行事。
其次,苹果对隐私的态度。大语言模型的训练依赖于大量的人类数据,而苹果决心确保用户数据不被用于训练,这使得这项任务特别具有挑战性。与某些其他公司相比,这种差异非常明显。
然而,两年后,苹果用户仍在等待,我得出结论认为已经受够了。如果公司无法在短期内为我们提供更智能的Siri,那么是时候让客户用脚投票,选择用他们喜欢的聊天机器人来替代Siri。我认为这对苹果和其客户都有好处。
其次,苹果可以通过收集iPhone用户向第三方服务发出的聊天机器人请求的大量数据来促进自己的Siri开发工作。这对于指导公司自身的决策将具有巨大价值。
当然,苹果应该征求用户的许可,但我当然乐意授权,我怀疑大多数其他iPhone用户也会如此。帮助苹果开发尽可能最好的Siri符合我们所有人的利益。
又过了六个月,在可见进展方面几乎没有任何成果,我说越来越难以相信苹果能够真正交付成果。
最近的一份报告表明,苹果现在可能得出结论,开发自己的模型根本没有意义。
此前有报告暗示苹果将使用谷歌的Gemini作为许多Siri查询的后端,这已经预示了这一点。
在之前希望苹果只是需要更多时间之后,我现在得出结论,这种方法将提供所有可能世界中最好的选择。
目前,我设置Siri在无法提供帮助时自动回退到ChatGPT。我这样做是基于苹果的保证,即我的查询不会被OpenAI用于训练目的,就像我直接使用应用程序时那样。
Gemini报告同样表示,尽管将使用谷歌的模型,但在苹果的PCC服务器上运行意味着用户隐私将得到充分保护。
通过这种方法,我们可以获得领先AI公司所能提供的最佳服务,再加上苹果铁一般的隐私保证。鉴于隐私而不是性能是苹果在人工智能方面的独特卖点,考虑到进展速度非常缓慢,我看不出苹果坚持尝试开发自己的模型有什么重大价值。
因此,我现在的观点是,苹果应该全力使用在其自己的PCC服务器上运行的最佳可用AI模型,并提供自己的隐私保证。
Q&A
Q1:为什么苹果在AI发展上进展缓慢?
A:苹果在AI发展缓慢主要有两个原因。首先,苹果很少追求首先进入市场,而是致力于做到最好,采取谨慎方法避免早期大语言模型出现的重大问题。其次,苹果对隐私的坚持使得开发更具挑战性,因为大语言模型需要大量人类数据训练,而苹果拒绝使用用户数据进行训练。
Q2:苹果放弃自研AI模型转向第三方服务有什么好处?
A:这种方法可以提供最好的选择。用户可以获得领先AI公司的最佳技术,同时享受苹果铁一般的隐私保证。通过在苹果PCC服务器上运行第三方模型如谷歌Gemini或ChatGPT,用户查询不会被用于训练目的,隐私得到充分保护,同时获得更强大的AI功能。
Q3:苹果目前如何处理Siri无法回答的问题?
A:目前苹果已经允许Siri在无法提供帮助时自动回退到ChatGPT。苹果保证用户的查询不会被OpenAI用于训练目的,这与直接使用ChatGPT应用程序不同。这种方式让用户在保护隐私的同时获得更强大的AI服务。
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。