Apple buduje system uczenia maszynowego, aby rządzić nimi alI

With Siri ustawić, aby zobaczyć znaczące ulepszenia po iOS 13 statków, Apple pojawia się na kluczowym głos AI tradeshow i opublikował badanie wyjaśniające niektóre szczegóły pierwszego w swoim rodzaju uczenia maszynowego (ML) tech nazywa „Overton”.”

Definiowanie okna uczenia maszynowego

W tym tygodniu firma Apple sponsoruje największą na świecie konferencję poświęconą przetwarzaniu języka mówionego, Interspeech 2019.

W ramach swojej pracy na tym wydarzeniu przedstawiła wiele prac badawczych – a członkowie jej rosnących zespołów uczenia maszynowego spotkają się tam z uczestnikami.

Wśród innych tematów (zobacz je wszystkie tutaj), Apple przedstawi dokumenty na temat wykrywania ekspresji / intencji przez głos, poprawy rozpoznawania głosu, opracowanie dokładniejszych narzędzi do zrozumienia niuansów mowy, przy użyciu lustrzanego odbicia do budowania relacji między ludzkich użytkowników i asystentów mowy i przy użyciu technologii do optymalizacji poprawy mowy.

Możemy dowiedzieć się nieco więcej o tym, co firma jest do w ML w zupełnie nowym portalu Interspeech Youtube, choć nie wiemy, czy jakiekolwiek wideo Apple pojawi się tam.

To nie jest szok Apple naukowcy angażują się z szerszej społeczności naukowej. Firma opublikowała sporadyczne papiery uczenia maszynowego i ogłoszenia na własnym portalu Machine Learning od 2017.

Wprowadzenie Overton

Apple twierdzi, że ma pierwsze w swoim rodzaju rozwiązanie z Overton – ma na celu umożliwienie wiele z personalizacji modeli ML być zarządzane przez maszynę, a nie human.

Interakcja głosowa jest tylko front-end tego, co dzieje się, gdy zadajesz Siri pytanie. Modele uczenia maszynowego muszą następnie spróbować zrozumieć pytanie, nadać mu kontekst i znaleźć najtrafniejszą odpowiedź. Dostarczanie wysokiej jakości odpowiedzi jest w rzeczywistości trudniejsze, niż się wydaje.

Z pewnością w przypadku niektórych zapytań wszystko, co otrzymasz od Siri, to dane znalezione na stronie Wikipedii (choć nawet wtedy mogła sprawdzić kilka takich stron, aby wybrać najbardziej odpowiednią odpowiedź). Ale ostatecznym celem musi być to, aby Siri stała się skutecznym źródłem złożonych odpowiedzi na złożone problemy – nawet w stopniu umożliwiającym ich przewidywanie.

Te kolejne kroki są trudne do zrealizowania.

Jak naukowcy mogą stać się bardziej pewni, że odpowiedź, którą Siri ma udzielić, jest najdokładniejszą z dostępnych?

Takie wyzwanie Apple rozwiązuje za pomocą Overton, który „automatyzuje cykl życia konstrukcji modelu, wdrażania i monitorowania.”

W kategoriach ludzkich oznacza to, że maszyna sama naprawia i dostosowuje modele uczenia maszynowego w odpowiedzi na bodźce zewnętrzne, czyniąc je dokładniejszymi i naprawiając wady logiczne, które mogą prowadzić do błędnych wniosków. Chodzi o to, że ludzie mogą wtedy skupić się na wysokiej klasy nadzorze modeli uczenia maszynowego.

To (jak sądzę) oznacza, że zamiast potrzeby zagłębiania się w coraz bardziej skomplikowany kod, aby dokonać drobnych, ale niezbędnych poprawek, ludzie mogą zażądać zestawu zmian, które Overton następnie stosuje.

Dosłownie, kontrolują okno Overtona.

Jak Apple to wykorzysta?

Myślę, że ambicje Apple dla Siri wykraczają poza bycie cyfrowym odpowiednikiem nieco bezużytecznego przyjaciela, którego czasami pytasz, mimo że wiesz, że możesz nie dostać użytecznej odpowiedzi.

Siri ma być kierowanym głosem pomocnikiem zdolnym do przynoszenia informacji wysokiego poziomu, kontekstowej analizy i rozszerzenia zadań, które już robisz. Sugestie Siri pokazują ten kierunek, choć implementacje pozostają ograniczone.

Apple mówi: „Głównym kierunkiem trwających prac są systemy, które opierają się na Overtonie, aby pomóc w zarządzaniu rozszerzaniem danych, nadzorem programistycznym i współpracą.”

Myślę też, że Overton ma wpływ na prywatność użytkownika.

Pomyśl o tym w ten sposób:

Naukowcy Apple budują modele, które uważają za bardzo dokładne. Modele te są uruchamiane na urządzeniach z systemem iOS. Overton zapewnia tym modelom pewien stopień niezależności, a systemy ML dostosowują modele pod kątem dokładności i trafności – wszystko bez dawania naukowcom szczegółowego wglądu w indywidualne działania.

To oznacza, że menedżerowie danych (w tym przypadku naukowcy tworzący te modele w pierwszej kolejności) zajmują bardziej uogólnione role strategiczne, w których informacje dotyczące poszczególnych użytkowników nie są im udostępniane.

Apple tworzy maszyny ML do obsługi pewnych określonych zadań, jednocześnie wyposażając same maszyny w możliwość personalizacji modeli, których używają. To wydaje się być to, co Overton jest o – i był z pewnością część tego, co doprowadziło Apple do zakupu Silk Labs.

Apple mówi Overton jest pierwszy system zarządzania uczenia maszynowego ustanowiony w celu poprawy i monitorowania jakości aplikacji. Czytając między wierszami, to może (i podkreślam „może”, jak nie wiem nic lepszego) również być technologia wykorzystywana do identyfikacji, kiedy skierować aparat iPhone 11 na zwierzę do portretu pet.

Jutrzejszy świat jest praca w toku.

Proszę śledzić mnie na Twitterze, lub dołącz do mnie w AppleHolic’s bar & grill i Apple Discussions grupy na MeWe.