A Apple está construindo um sistema de aprendizagem de máquinas para governá-los alI

Com o Siri pronto para ver melhorias significativas uma vez que o iOS 13 é enviado, a Apple está aparecendo em uma feira comercial de voz-chave e publicou um estudo explicando alguns dos detalhes de uma tecnologia de aprendizagem de máquinas (ML) inédita que ela chama de “Overton”.”

Definindo uma janela de aprendizagem de máquinas

Esta semana, a Apple está patrocinando a maior conferência de processamento de linguagem falada do mundo, Interspeech 2019.

Como parte de seu trabalho no evento, ela submeteu vários trabalhos de pesquisa – e membros de suas crescentes equipes de aprendizagem de máquinas irão se encontrar com os participantes lá.

entre outros tópicos (veja todos aqui), a Apple apresentará trabalhos sobre detecção de expressão/intenção através da voz, melhoria do reconhecimento de voz, desenvolvimento de ferramentas mais precisas para entender nuances da fala, uso de espelhamento para construir relacionamentos entre usuários humanos e assistentes de fala e uso de tecnologia para otimizar o aprimoramento da fala.

Podemos aprender um pouco mais sobre o que a empresa está fazendo no ML no novíssimo portal Interspeech Youtube, embora não saibamos se algum vídeo da Apple aparecerá lá.

Não é um choque que os cientistas da Apple estejam se envolvendo com a comunidade científica mais ampla. A empresa tem publicado artigos e anúncios esporádicos sobre a aprendizagem de máquinas no seu próprio portal Machine Learning desde 2017.

Introducing Overton

A Apple afirma ter uma solução do tipo first-of-its com o Overton – ele visa permitir que grande parte da personalização dos modelos ML seja administrada pela máquina, não pelo humano.

Interacção Voice é apenas o front-end do que acontece quando se faz uma pergunta ao Siri. Os modelos de aprendizagem da máquina devem então tentar compreender a pergunta, contextualizá-la e descobrir a resposta mais precisa. Entregar uma resposta de alta qualidade é na verdade mais difícil do que parece.

Certo, para algumas interrogações tudo o que você receberá da Siri serão dados que são encontrados em uma página da Wikipedia, (embora mesmo assim possa ter checado várias dessas páginas para eleger a resposta mais relevante). Mas o objectivo final deve ser que a Siri se torne uma fonte eficaz para respostas complexas a problemas complexos – mesmo ao ponto de os prever.

Estes próximos passos são difíceis de concretizar.

Como podem os cientistas ficar mais confiantes de que a resposta que a Siri tem de dar é a mais precisa disponível?

Esse é o tipo de desafio que a Apple está enfrentando com Overton, que “automatiza o ciclo de vida da construção, implantação e monitoramento do modelo”.

Em termos humanos, isso significa que a própria máquina conserta e ajusta os modelos de aprendizagem da máquina em resposta a estímulos externos, tornando-a mais precisa e reparando falhas lógicas que podem levar a uma conclusão incorreta. A idéia é que os humanos podem então focar na supervisão high-end dos modelos de aprendizagem da máquina.

Isso (eu acho) significa que, ao invés de precisar entrar em código cada vez mais complexo para fazer ajustes menores, mas necessários, os humanos podem solicitar um conjunto de mudanças Overton, então se aplica.

Bastante literalmente, eles estão controlando a janela Overton.

Como a Apple irá usar isso?

>

Eu acho que as ambições da Apple para o Siri vão além de ser o equivalente digital do amigo ligeiramente inútil que você às vezes consulta, mesmo sabendo que você pode não obter uma resposta útil.

Siri tem a intenção de ser um ajudante de voz capaz de trazer informações de alto nível, análise contextualizada e aumento das tarefas que você já faz. Siri Suggestions mostra essa direção, embora as implementações permaneçam limitadas.

Apple diz: “Uma direção principal do trabalho em andamento são os sistemas que se baseiam em Overton para ajudar no gerenciamento do aumento de dados, supervisão programática e colaboração”.

Eu também acho que Overton tem implicações na privacidade do usuário.

Pense assim:

Os cientistas da Apple constroem modelos que eles acreditam ser altamente precisos. Estes modelos correm no dispositivo iOS. Overton fornece esses modelos com um grau de independência e os sistemas ML ajustam os modelos para precisão e relevância – tudo sem dar aos pesquisadores uma visão granular das ações individuais.

Isso significa que os gerentes de dados (neste caso, os cientistas que criam esses modelos em primeiro lugar) ocupam papéis estratégicos mais generalizados nos quais as informações relativas aos usuários individuais não são disponibilizadas para eles.

Apple cria máquinas ML para lidar com certas tarefas definidas, enquanto também equipam as próprias máquinas para personalizar os modelos que eles usam. Isto parece ser o que Overton é – e certamente foi parte do que levou a Apple a comprar o Silk Labs.

Apple diz que Overton é o primeiro sistema de gerenciamento de aprendizagem de máquinas configurado para melhorar e monitorar a qualidade da aplicação. Ler nas entrelinhas, pode (e sublinho “pode”, pois não sei melhor) ser também a tecnologia usada para identificar quando você aponta sua câmera do iPhone 11 para um animal de estimação para um retrato de animal de estimação.

O mundo de amanhã é um trabalho em andamento.

Por favor, siga-me no Twitter, ou junte-se a mim no bar do AppleHolic & grill e grupos de Discussões Apple no MeWe.