AI

在前一篇教學中，我們介紹了 Foundation Models 框架，並示範了如何用它來進行基本的內容生成。那個過程相當簡單——你提供一個提示詞（prompt），等幾秒鐘，就能獲得自然語言的回應。在我們的範例中，我們建立了一個簡單的問答 App，讓使用者可以提問，App 則直接顯示生成的文字。 但如果回應變得更複雜——你需要把非結構化文字轉換為結構化的物件呢？ 舉例來說，

在 iOS 26 中，Apple 推出了 Foundation Models 框架，一個隱私優先、可在裝置上執行的 AI 工具組，讓 Apple Intelligence 背後的語言模型可以直接用於你的應用中。這個框架可在 iOS、macOS、

隨著 iOS 18 的推出，Apple 揭露了 Apple Intelligence 旗下一系列令人興奮的功能，其中最引人注目的就是 ImagePlayground 框架。這個強大的 API 讓開發者能夠利用 AI 從文字描述中生成影像，為 iOS 應用程式開啟了無限的創意可能。

Vision 框架長期以來一直包含文字識別功能。我們已經有詳細的教程，向你展示如何使用 Vision 框架掃描圖像並執行文字識別。之前，我們使用了 VNImageRequestHandler 和 VNRecognizeTextRequest 來從圖像中提取文字。 多年來，Vision 框架已經顯著演變。在 iOS 18 中，Vision

iOS 已經包含了一個系統範圍的翻譯功能，允許用戶輕鬆地將文本翻譯成各種語言。隨著 iOS 17.4（以及 iOS 18）的發布，你現在可以利用新的 Translation API 將這個強大的翻譯功能整合到你的應用中。 Apple 為開發者提供了兩種使用 Translation API 的選擇。

在這個教學中，我們將展示如何使用 Google Gemini APIs 進行影像識別。這個簡單的應用程式允許用戶從照片庫中選擇一張圖片，並使用 Gemini 來描述該照片的內容。

在即將到來的 WWDC，Apple 預計將會發佈一個本地端的大型語言模型 (LLM)。 接下來的 iOS SDK 版本將讓開發者更輕易地整合 AI 功能至他們的應用程式中。然而，當我們正在等待 Apple 推出自家的生成 AI 模型時，其他公司（如 OpenAI

近年無程式碼視覺化拖放工具開始出現，以彌補資料科學家的不足，並讓非技術背景的人更加容易使用人工智慧技術，發揮更多創意。在本篇文章中，Anupam 會逐一介紹幾個好用的無程式碼機器學習 (Machine Learning) 工具，讓你把 AI 的想法變成實際的 App。

本篇原文（標題：Advancements in Artificial Intelligence in iOS 14）刊登於作者 Medium，由 Anupam Chugh 所著，並授權翻譯及轉載。 Apple 近幾年一直推動 AI 相關領域的發展，

歡迎來到Core ML教程系列的第二部分。在本教程中，將學習如何設置Python虛擬環境，獲取不在Core ML格式裡的數據模型，並將該模型轉換為Core ML格式，最後將其集成到應用程式中。強烈建議讀者先閱讀上一個教程，然後再繼續閱讀本篇文章。 在這個專案中，我們將構建一個花的識別應用程式，就如同下圖所示。然而，主要的重點是告訴你如何獲得一個訓練有素的模型，並將其轉換為Core ML格式，以供iOS應用程式開發。 注意: