اپل دیر وارد بازی هوش مصنوعی شد؛ این را همه می‌دانند. طرفداران این شرکت از اواخر سال ۲۰۲۲ که چت‌جی‌پی‌تی طوفانی در جهان فناوری به پا کرد، چشم‌انتظار ورود اپل به این عرصه بوده‌اند، اما تاکنون حرکتی جدی از سوی اپل دیده نشده است.
برخی از رقبا نیز که نگران عقب‌ماندن از این جریان بودند، بلافاصله محصولاتی را با پسوند هوش مصنوعی عرضه کردند که اکثراً مورد استقبال کاربران قرار نگرفتند. اپل نیز مطمئناً به این حوزه علاقه‌مند است و برخی از محصولات جدیدش ازجمله اپلیکیشن لاجیک پرو را با درنظر گرفتن این فناوری عرضه کرده، اما این قدم‌ها در مقایسه با مایکروسافت، گوگل و حتی سامسونگ بسیار کوچک به‌نظر می‌رسند.
اپل در حال مذاکره با OpenAI و گوگل است تا ویژگی‌های هوش مصنوعی خود را تقویت کند
بااین‌حال، در ماه‌های اخیر شایعات و گزارش‌هایی منتشر شده که نشان می‌دهند اپل از مدت‌ها پیش پا در مسیر هوش مصنوعی گذاشته و فقط منتظر بهترین فرصت برای عرضه‌ی نهایی محصول جدیدش بوده است. اپل مشغول کار روی مدل زبانی خود به‌نام Ajax بوده، اما احتمالاً همچنان چت‌بات هوش مصنوعی اختصاصی خود را برای معرفی در رویداد WWDC امسال ندارد.
از طرفی، به نظر می‌رسد اپل با OpenAI بر سر ادغام ChatGPT در iOS 18، به توافق رسیده است؛ اگرچه به گفته‌ی مارک گرمن از بلومبرگ، اپل بیشتر تمایل دارد با گوگل درباره‌ی ارائه‌ی دستیار هوش مصنوعی جمنای در آیفون به توافق برسد.
ورج برای پی بردن به برنامه‌های اسرارآمیز هوش مصنوعی اپل، نگاه عمیقی به تحقیقات منتشرشده‌ی این شرکت انداخته است که در ادامه آن‌ها را با هم مرور می‌کنیم. البته بدیهی است که از پژوهش تا تولید محصول راه پرپیچ‌وخمی در پیش است و نمی‌توان صرفاً با تمرکز به مقالات پژوهشی درباره‌ی محصولات نهایی این شرکت صحبت کرد؛ اما می‌توان دست‌کم درباره‌ی مدل فکری اپل به نتیجه‌ای رسید.
البته چیزی تا WWDC نمانده است و آنجا پرده از برخی از برنامه‌های مخفی هوش مصنوعی اپل برداشته خواهد شد.
اپل به‌دنبال مدل‌های هوش مصنوعی کوچک‌تر و کارآمدتر
به نظر می‌رسد کاربران اپل همگی منتظر نسخه‌ای بهبودیافته‌ی سیری هستند و ظاهراً اپل هم دارد سیری بهتری را آماده می‌کند. در بسیاری از تحقیقات ثابت شده است که مدل های زبانی بزرگ (LLM)، باعث پیشرفت و هوشمندتر شدن دستیارهای مجازی می‌شوند. بنابراین اپل برای ارائه‌ی نسخه‌ی هوشمندتر سیری، باید تاکنون مدل زبانی بزرگ خود را توسعه داده باشد و به‌زودی دسترسی به آن را از طریق تمام دستگاه‌هایش ممکن کند.
اپل در iOS 18 قصد دارد تمام ویژگی‌های هوش مصنوعی خود را به‌صورت کاملاً آفلاین اجرا کند
بلومبرگ اخیراً گزارش داده است که اپل در iOS 18 قصد دارد تمام ویژگی‌های هوش مصنوعی خود را به‌صورت کاملاً آفلاین اجرا کند! ساختن یک مدل زبانی چندمنظوره‌ی خوب، حتی با کمک شبکه‌ای از مراکز داده و هزاران پردازنده‌ی گرافیکی پیشرفته نیز سخت است، چه برسد به انجام آن تنها با پردازنده‌ی داخل گوشی موبایل. اگر این گزارش صحیح باشد، باید منتظر خلاقیتی جسورانه از سوی کوپرتینونشین‌ها باشیم.
در مقاله‌ای با عنوان «LLM در یک نگاه: استنتاج مدل زبانی بزرگ کارآمد با حافظه‌ی محدود»، محققان اپل سیستمی برای ذخیره‌ی داده‌های یک مدل زبانی ابداع کردند که برخلاف مدل‌های دیگر، به‌جای ذخیره‌ی داده‌ها در رم دستگاه، آن‌ها را در SSD ذخیره می‌کند. این محققان اعلام کردند که توانسته‌اند LLM-هایی با اندازه‌ی دو برابر ظرفیت کل رم دستگاه را روی SSD اجرا کنند. به‌گفته‌ی آن‌ها «سرعت استخراج داده در مدلی که روی SSD قرار دارد، ۴ تا ۵ برابر بیشتر از روش‌های سنتی بارگذاری در CPU و ۲۰ الی ۲۵ برابر بیشتر از GPU در مدل‌های قرارگرفته در رم است. بدین‌ترتیب با استفاده از ارزان‌ترین و در دسترس‌ترین فضای ذخیره‌سازی دستگاه، می‌توان مدل‌های زبانی را سریع‌تر و کارآمدتر از قبل کرد.
محققان اپل نیز سیستم فشرده‌سازی جدیدی به نام EELBERT ساخته‌اند که می‌تواند یک LLM را تا اندازه‌ای بسیار کوچک فشرده کند، بدون اینکه عملکرد آن تضعیف شود. این مدل فشرده تنها ۱٫۲ مگابایت حجم دارد و ۱۵ برابر کوچک‌تر از مدل Bert گوگل است، اما کیفیت نتایج آن پس از فشرده‌سازی تنها ۴ درصد افت می‌کند. البته دریافت و تحویل اطلاعات در این مدل گاهی با تأخیر همراه است.
اپل در تلاش است مدل زبانی‌اش تعادل مناسبی میان دقت نتایج و مصرف منابع برقرار کند
اپل در حال تلاش برای حل یک معضل بزرگ در دنیای مدل‌های زبانی است. هرچند با بزرگ‌تر شدن مدل زبانی، دقت آن هم بالاتر می‌رود و مفیدتر می‌شود، اما ساخت آن دشوارتر، انرژی مصرفی آن بیشتر و زمان پاسخدهی آن هم طولانی‌تر خواهد شد. کوپرتینونشین‌ها مانند بسیاری دیگر از شرکت‌ها در تلاش‌اند تا نقطه‌ی تعادلی را بین تمام این عوامل پیدا کنند؛ نقطه‌ای که با وجود کسب نتایج دقیق، به هدر دادن منابع زیادی منجر نشود.
شاید همان «سیری»، اما هوشمندتر از قبل
بسیاری از چیزهایی که در ذهن کاربران است و به‌عنوان هوش مصنوعی از آن یاد می‌کنند، در واقع همان مفهوم دستیار مجازی است؛ دستیارانی همیشه‌آماده که خیلی چیزها را می‌دانند، می‌توانند امور مهم را به ما یادآوری کنند، به سؤالاتمان پاسخ دهند و برخی کارها را به‌جای ما انجام دهند. سیری می‌تواند اغلب این وظایف را با دقت قابل قبولی انجام دهد؛ پس منطقی است که اپل به دنبال بهبود مهارت‌های دستیار مجازی خود تا بالاترین حد ممکن باشد.
گروهی از محققان اپل مشغول تلاش برای فعال‌سازی سیری بدون نیاز به استفاده از عبارت‌های مخصوص فراخوانی آن هستند. در حال حاضر برای فراخوانی سیری حتماً باید عبارت «Hey Siri» یا «Siri» را بر زبان بیاورید. اگر این دستیار مجازی بتواند بدون نیاز به این عبارات تشخیص دهد که دارید با او صحبت می‌کنید یا با فردی دیگر، عملکرد آن بسیار طبیعی‌تر خواهد شد.
اپل احتمالاً می‌خواهد عبارت فراخوانی را برای فعال‌کردن سیری حذف کند
محققان اپل می‌گویند حل این مشکل بسیار دشوارتر از تشخیص عبارت فراخوانی است، چرا که در صورت حذف عبارت فراخوانی، سیری باید بسیاری از جملات کاربر را که لحنی عادی دارند اما در حقیقت خطاب به دستیار مجازی بازگو می‌شوند، شناسایی کند. شاید به همین دلیل است که گروه دیگری از محققان ترجیح داده‌اند سیستمی را برای تشخیص دقیق‌تر عبارت‌های فراخوانی ایجاد کنند. در مقاله‌ای دیگر، محققان مدلی را آموزش دادند تا کلمات نادری را که معمولاً دستیارهای مجازی به درستی درک نمی‌کنند، به خوبی بفهمد.
جذابیت مدل‌های زبانی مورد بحث در این است که می‌توانند نسبت به رقبا، اطلاعات بسیار بیشتری را با سرعت بالاتر پردازش کنند. مثلاً در مقاله‌ی مربوط به عبارت فراخوانی، محققان دریافتند که با حذف نکردن دیتای صداهای غیرضروری و اجازه دادن به مدل زبانی برای شنیدن تمام اصوات محیط، به آن کمک می‌کنند تا خودش اطلاعات مهم و غیرمهم را از هم تفکیک کند و دقتش در تشخیص عبارت فراخوانی بسیار بیشتر از قبل شود.
وقتی کاربران سیری را صدا می‌زنند، کارهای زیادی در پس‌زمینه انجام می‌شود تا این دستیار صوتی سخنانشان را بفهمد و بهتر با آن‌ها ارتباط برقرار کند. در یک مقاله‌ی دیگر، محققان سیستمی به نام STEER (مخفف تشخیص بسط و توسعه‌ی چرخش معنایی) ایجاد کردند که هدف آن بهبود پیام‌های ردوبدل‌شده میان کاربر و دستیار مجازی و ارتقای توانایی تشخیص دستیار بود تا بفهمد چه زمانی دارید سؤالاتی در تکمیل همان بحث قبلی می‌پرسید و چه زمانی در حال پرسیدن سؤالی جدید هستید.
منبع : زومیت
