Apple stratēģiskā inovācija AI tehnoloģijās ir novedusi pie OpenELM ieviešanas, komplekta ar atvērta koda valodu modeļiem, kas paredzēti darbībai uz ierīcēm, nevis balstoties uz mākoņa serveriem. Atklāti 25.aprīlī, šie atvērta koda modeļi ir nozīmīgs solis no tehnoloģiju giganta puses.
Atvērta koda OpenELM modeļi, kas pieejami izstrādātājiem, var tikt lejupielādēti no Hugging Face – platformas, kas uzglabā modernu, iepriekš apmācītu modeļu kolekciju. No astoņiem valodu modeļiem, ko Apple prezentēja, puse tika iepriekš apmācīta, izmantojot Apple CoreNet bibliotēku – nesen izlaistu resursu, lai apmācītu dziļās neironu tīklu. Izskaistinājums atspoguļo Apple apņemšanos pret atvērtu AI ekosistēmu.
Izstrādātājiem ir pieeja pilniem apmācības un novērtēšanas protokoliem, kas atrodas publiskos datukopos. Tie ietver vairākas pārbaudes punktus un iepriekšēji apmācītas konfigurācijas, kas ir pieejamas, izmantojot Hugging Face, AI koda koplietošanas kopienai, kas strauji iegūst popularitāti, piedāvājot vairāk nekā 350 000 modeļus, 75 000 datukopas un 150 000 demo lietojumprogrammas savā repertuārā.
Atlikušie četri modeļi ir izstrādāti pārneses mācību nolūkos, ļaujot tiem saprast un interpretēt tiešas instrukcijas, kas ievadītas lietotāju puse. Nodrošinot šos modeļus un mācību protokolus publiski, Apple veicina kolaboratīvu attīstību mašīnmācībā.
OpenELM ieviešana sakrīt ar Apple plašo daudzlīmeņu pieeju AI spēju palielināšanai, mērķējot uzlabot valodu modeļu precizitāti un efektivitāti. Tā vietā, lai piedāvātu galīgo apmācītu modeli, Apple piedāvā kodu, mācību protokolus un versijas tālākai izplatīšanai, veicinot ātru progresu un uzticamus rezultātus dabiskā valodas AI pētniecībā.
Apple izpilddirektors Tims Kūks februārī iezīmēja par generatīvo AI funkciju integrēšanu Apple ierīcēs šī gada laikā. Lai gan šīs funkcijas vēl nav izveidotas iPhone, MacBook vai citās ierīcēs, ziņas liecina, ka iOS 18 iekļaus jaunas AI funkcijas. Kā ziņo Bloomberg Apple korespondents Mark Gūrmans, iOS 18 AI funkcionalitātes pamatā galvenokārt izmantos lielo ierīcē esošo valodu modeļu, lai nodrošinātu labāku datu aizsardzību un uzlabotu apstrādes ātrumu.
Galvenie jautājumi un atbildes:
J1: Kāpēc Apple ievieš atvērta koda AI valodu modeļus?
A1: Apple ievieš OpenELM, lai veicinātu kolaboratīvu progresu mašīnmācībā un demonstrētu savu apņemšanos pret atvērtu AI ekosistēmu. Piedāvājot atvērta koda modeļus, viņi mērķē uz inovāciju veicināšanu un aicināšanu attīstīt uzlabotas AI tehnoloģijas.
J2: Kā OpenELM noder izstrādātājiem vai AI kopienai?
A2: Izstrādātāji un AI kopiena iegūst piekļuvi moderniem valodu modeļiem un apmācības protokoliem, kas var tikt izmantoti un modificēti dažādām lietojumprogrammām. Atvērtu šo modeļu avotu atbalsts arī veicina pārredzamību un kolektīvu problēmu risināšanu nozares ietvaros.
J3: Kādas ir atvērtas ierīces darbības valodu modeļu potenciālās priekšrocības?
A3: Ierīces iekšpusē darbodamies valodu modeļi piedāvā uzlabotu datu privātumu, jo lietotāju dati netiek nosūtīti uz mākoņa serveriem. Tas arī ļauj ātrāku apstrādes ātrumu, jo aprēķini tiek veikti lokāli, un uzlabo uzticamību, jo modeļi var darboties bez interneta savienojuma.
Galvenās izaicinājumi un kontroverses:
– Datu privātums: Lai gan ierīces darbība uzlabo datu privātumu, daži var būt satraukti par Apple datu vākšanas praksi šo modeļu apmācības laikā.
– Resursu ierobežojumi: Progresīvu AI modeļu darbināšana uz ierīcēm var būt resursu intensīva, iespējams radot problēmas ar baterijas darbību, siltuma veidošanos vai lēnāku darbību citām funkcijām.
– Atvērto avotu filozofijas: Daži atvērtā koda kopienas locekļi ir uzmanīgi attiecībā uz lielu korporāciju iesaistīšanos atvērtā avota projektos, baidoties, ka tās var izdarīt pārāk lielu kontroli vai neatbilst atvērtas sadarbības garai.
– Modela priekšnoteikumi un ētika: AI modeļu mācīšana atbildīgā veidā, kas minimizē priekšnoteikumus un ievēro etikas apsvērumus, paliek par izaicinājumu.
Priekšrocības un trūkumi:
Priekšrocības:
– Datu aizsardzība: Ierīces valodu modeļi saglabā lietotāju datus privātus un drošus, jo apstrāde notiek lokāli.
– Uzlabota reakcijas ātrums: Lokālā apstrāde novērš aizkavējumus, kas saistīti ar mākoņa serveru saziņu, piedāvājot vienmērīgāku lietotāja pieredzi.
– Kopīgas inovācijas: Šo rīku atvēršana avotā var ievērojami paātrināt inovācijas dabiskās valodas apstrādē (NLP).
Trūkumi:
– Ierīces ierobežojumi: Ne visām ierīcēm var būt spējas apstrādāt progresīvas AI modeļu skaitļošanas slodzi, ierobežojot to izplatīšanu.
– Programmatūras fragmentācija: Ar izstrādātājiem potenciāli modificējot modeļus dažādos veidos, tas var novest pie fragmentācijas un neskaidrībām AI veiktspējā un lietojumu funkcijās.
Saistībā ar saturu augošajā jomā AI un mašīnmācīšanā jūs varat apskatīt resursus, kas pieejami no lielām iestādēm un korporācijām, kas ir aktīvas AI pētniecībā. Šeit ir daži ieteikumi:
– Google AI pētniecības nodaļa: Google AI
– OpenAI, pazīstama ar GPT modeļiem: OpenAI
– MIT Datorzinātnes un mākslīgās inteliģences laboratorija: CSAIL
– Stanfordas AI pētniecība: Stanford AI Lab
Šie resursi piedāvā ieskatu jaunākajos notikumos AI jomā, ieskaitot iepriekš apmācītus modeļus, pētniecības darbus un citu informāciju.