במהלך צעד שאפוי לאחד את ההיכרות בתחום המובנה בביינס ובחיזוי המחשב, רכשה Apple את Datakalab, חברת AI מחדשנת הממוקמת בפריז, שנוסדה על ידי אחים פישר ב-2016. מוכרת בהתמחותה בדחיסת אלגוריתמים ומערכות AI על מכשירים, עבדה Datakalab עם מגוון לקוחות מהימים, כולל ממשלת צרפת ו-Disney, השופרים את חוויות המשתמש דרך טכנולוגיות זיהוי רגש בעצמות פניה.
מעבר לרכישה, חוקרי Apple חדשנו במרחב של AI על ידי פיתוח שיטה שמשתמשת בזיכרון פלאש לסייע בתהליכי מודל שפה על מכשירים עם נפח זיכרון מוגבל. הגישה דיורה, במאמר "LLM בפלאש: עיבוד עם תוצאה גבוה למודל שפה גדול בזיכרון מוגבל," מציגה תוכנית למינומוס חיסוך נתונים ומכביה צורת קבוצה כדי לקטן העברת נתונים ולמקסם מהירות העברת זכרון פלאש – אסטרטגיות שאינן רק יעילות אלא גם שומרות פרטיות.
על ידי השקעת משאבים בעיבוד על המכשיר, מטרת Apple היא להעביר תכונות גדולות של מודלים שפה (LLM) מהיתרות שרת לסביבה יותר מאובטחת במכשיר. אסטרטגיה זו מגן על פרטיות נתוני המשתמש בזמן שמתמודדת גם עם אנרגיה ולערבות בצריכת משאבים. אף על פי שפיתוח דוגמה מספיק חזקה לעניין מאודחת הזמן והמאמץ, רכישת Datakalab מבטיחה קידום משמעותי לעבר מטרה זו.
Datakalab הצטיינה בידע בתחום האלגוריתמים הקרינאטיים באנרגיה נמוכה הפועלים באופן עצמאי בתוך מכשירים, המציינים צעד מרכזי עבור Apple בהשגת תכונות AI יותר תגובניות ופרטיות על פני התפקידים שלה. הדגשת המחויבות שלהם, הלכויות האלה נודעות במעגלי מחקר בקרובי-עלית, מסמנות את הדרך של Apple למעמדה המהפכני של המשתמשים תחוית והגנת הפרטיות במכשיריה.
נתון קשר למאמר "Apple משפרת את יכולות הAI דרך רכישה אסטרטגית," חלק מהשאלות החשובות ביותר הנובעות לגבי הנושא כוללות:
1. אילו יתרונות אסטרטגיים מציעה רכישת Datakalab ל-Apple?
רכישת Datakalab מספקת ל-Apple ידע AI חדשני ומומחיות בתחום הדחיסת אלגוריתמים והAI על המכשיר. זה מחזק את המחוייבות של Apple לשפר פרטיות ויעילות של המכשיר ומסייע ל-Apple בדרכה אל יכולות עיבוד עוצמתיות יותר, בציון באביליות.
2. איך השיטה "LLM בפלאש" תשפיע על ביצועי המכשירים של Apple?
השיטה "LLM בפלאש" מיועדת לשפר את יעילות עיבוד המודל שפה על מכשירים עם נפח זיכרון מוגבל. זה עשוי ליצור ביצועים משופרים במשימות הקשורות לשפה וכמו כן שמירה על הפרטיות וניהול צריכת אנרגיה ומשאבים בצורה יעילה יותר.
3. מהם האתגרים העיקריים שנקשרים להעברת עיבוד בתחום הAI משרתים למכשירים?
אחד האתגרים המרכזיים הוא לשמר את הביצועים והמורכבות של מודלי הAI תוך הפעלת מגבלות חומרת מכשירי האייפון, המפעילים כיח העיבוד והזיכרון בכלי שרתים. בנוסף, לוודא את הפרטיות והאבטחה של נתוני המשתמש בעניין שהם מובילים.
4. האם ישנם פרשות או דאגות הקשורים להתקשות של Apple בנוגע לAI ובשלום?
בזמן שהתקשות של Apple בנוגע לAI מודגשת על פרטיות המשתמש, ניתן להיות שישנם דאגות על כך שהעיבוד במכשיר עשוי להפוך לוקטור של נקווה עבור עדכונים באבטחה או שהאק מדי אם מידות הפרטיות עשויות להיות מתקפלות. בנוסף, בעיד עתה שהAI משמש ביותר חלק מתפקידי התפקידים במכשירים, שלייתי בכך שהפוטנציאל לאי-ימים ושגיחות במודלי AI מעלה את עונשי והאשמות עצמיות.
מכאן לגבי יתרונות וחסרונות:
יתרונות:
– שיפור פרטיות: עיבוד במכשיר אומר שנתוני המשתמש אינם צריכים להישלח לשרתים חיצוניים, מוריד את הסיכון בריחת נתונים.
– כוח עבודה וביצועים משופרים: עם התקדמויות כמו שיטת "LLM בפלאש," יכולות המכשירים לנהל משימות AI מורכבות יותר במהירות רבה ועם צריכת אנרגיה נמוכה יות.
– חוויית המשתמש משופרת: השקת AI ישירות על גבי המכשירים יכולה להוביל לתכומות אישיות יותר ותכונות תגובתיות עוברת על ממשמא עבור המשתמשים.
חסרונות:
– אתגרי פיתוח: יצירת בקרי עי עוצמה עוצמה לרוץ על מכשירים היא מורת חורה ודורשת משאבים משמעותיים.
– מגבלות חומרה: יש למכשירי נייד מגבכות התולדת בכח חישוב של ושמירה, מהיכולה המורכבות של מודלי הAI.
– פוקסליט אבטחה: בזמן שהמכשירים מתהווים יותר בעיקר עבות עיבודים חולשה, הם יכוליכ להפוך למטרות קריאתי בשיטות הביטחה.
למידע נוסף על החברה שרכשה, תוכלו לבקר באתר הרשמי של Apple בכתובת: Apple.
The source of the article is from the blog queerfeed.com.br