Plan sztucznej inteligencji na urządzeniach iOS 18 i iPhone 16 staje się bardziej przejrzysty

Krążą pogłoski, że Apple zastosuje inne podejście do wdrażania generatywnej sztucznej inteligencji w systemie iOS 18 i modelach iPhone'a nowej generacji, przechowując całe przetwarzanie na urządzeniu, zamiast wysyłać je do chmury i z powrotem w celu uzyskania odpowiedzi.

Raporty te wydają się dobrze uzasadnione, biorąc pod uwagę solidne podejście Apple do prywatności użytkowników i dotychczasowej formy. Przechowywanie żądań wyłącznie lokalnie będzie prawdopodobnie szybsze i bezpieczniejsze niż wysyłanie informacji do stratosfery i z powrotem.

Nie jest jednak jasne, czy modele działające na urządzeniach będą miały dostęp do tego samego bogactwa wiedzy, co modele korzystające z chmury, takie jak Gemini Google i ChatGPT OpenAI. Na przykład Samsung w swoim Galaxy AI wykorzystuje połączenie wydajności na urządzeniu i przetwarzania w chmurze. Krążą pogłoski, że Apple rozważa zawarcie umowy z Google, aby wypełnić luki, wprowadzając Gemini na iPhone'y.

Nie jest również jasne, czy korzystanie z modelu wbudowanego w urządzenie ograniczy nowe funkcje do urządzeń iPhone nowej generacji, a nie do istniejących urządzeń.

Teraz jest trochę więcej dowodów sugerujących, że właśnie tę drogę Apple będzie chciał obrać. W tym tygodniu firma Apple wypuściła kilka dużych modeli językowych typu open source, które, jak się domyślacie, zostały zbudowane z myślą o przetwarzaniu na urządzeniu.

Jak MacPlotki raportów, firma opublikowała biały papier w związku z uruchomieniem ośmiu OpenELM (Open-source Efficient Language Models) w społeczności AI w aplikacji Hugging Face.

Apple uważa, że ​​wydajność jest porównywalna z innymi LLM, które korzystają z pomocy chmury po odbyciu mniejszego szkolenia. Ma nadzieję, że programiści zaangażują się w prace nad wiarygodnością i wiarygodnością wyników.

W artykule wyjaśniono: „W tym celu udostępniamy OpenELM, najnowocześniejszy model otwartego języka. OpenELM wykorzystuje strategię skalowania warstwowego, aby efektywnie przydzielać parametry w każdej warstwie modelu transformatora, co prowadzi do zwiększonej dokładności. Na przykład przy budżecie parametrów wynoszącym około miliarda parametrów OpenELM wykazuje poprawę dokładności o 2,36% w porównaniu do OLMo, wymagając jednocześnie 2 razy mniej tokenów przedtreningowych.

„Odbiegając od wcześniejszych praktyk, które zapewniały jedynie wagi modeli i kod wnioskowania oraz wstępne uczenie na prywatnych zbiorach danych, nasza wersja zawiera kompletne ramy do uczenia i ewaluacji modelu językowego na publicznie dostępnych zbiorach danych, w tym dzienniki szkoleniowe, wiele punktów kontrolnych i wstępne -konfiguracje szkoleniowe. Udostępniamy także kod do konwersji modeli do biblioteki MLX w celu wnioskowania i dostrajania na urządzeniach Apple. Celem tej kompleksowej publikacji jest wzmocnienie pozycji społeczności otwartych badaczy, torując drogę przyszłym wysiłkom w zakresie otwartych badań.”

Czy wiążesz więc duże nadzieje z zagłębieniem się Apple w generatywną sztuczną inteligencję w iOS 18 i przyszłych iPhone'ach? Daj nam znać @trustedreviews na Twitterze.