Apple construiește un sistem de învățare automată care să le domine pe toate

În condițiile în care Siri va avea parte de îmbunătățiri semnificative odată cu lansarea iOS 13, Apple apare la un târg cheie de inteligență artificială vocală și a publicat un studiu care explică unele dintre detaliile unei tehnologii de învățare automată (ML), prima de acest fel, pe care o numește „Overton”.”

Definirea unei ferestre de învățare automată

În această săptămână, Apple sponsorizează cea mai mare conferință de procesare a limbajului vorbit din lume, Interspeech 2019.

Ca parte a activității sale la acest eveniment, a prezentat mai multe lucrări de cercetare – iar membrii echipelor sale în creștere de învățare automată se vor întâlni cu participanții acolo.

Printre alte subiecte (vedeți-le pe toate aici), Apple va prezenta lucrări despre detectarea expresiei/intentiei prin voce, îmbunătățirea recunoașterii vocale, dezvoltarea unor instrumente mai precise pentru a înțelege nuanțele vorbirii, utilizarea oglindirii pentru a construi relații între utilizatorii umani și asistenții vocali și utilizarea tehnologiei pentru a optimiza îmbunătățirea vorbirii.

Am putea afla ceva mai multe despre ceea ce face compania în ML la noul portal Interspeech Youtube, deși nu știm dacă va apărea vreun videoclip Apple acolo.

Nu este un șoc că oamenii de știință de la Apple se implică în comunitatea științifică mai largă. Compania a publicat sporadic articole și anunțuri de învățare a mașinilor pe propriul portal Machine Learning încă din 2017.

Introducerea lui Overton

Apple susține că are o soluție inedită cu Overton – aceasta are ca scop să permită ca o mare parte din personalizarea modelelor ML să fie administrată de către mașină, nu de către om.

Interacțiunea vocală este doar partea frontală a ceea ce se întâmplă atunci când îi adresați o întrebare lui Siri. Modelele de învățare automată trebuie apoi să încerce să înțeleagă întrebarea, să o contextualizeze și să își dea seama care este cel mai precis răspuns. Oferirea unui răspuns de înaltă calitate este, de fapt, mai dificilă decât pare.

Sigur, pentru unele interogări, tot ce veți primi de la Siri vor fi date pe care le-a găsit pe o pagină Wikipedia, (deși chiar și atunci s-ar putea să fi verificat mai multe astfel de pagini pentru a alege cel mai relevant răspuns). Dar scopul final trebuie să fie ca Siri să devină o sursă eficientă de răspunsuri complexe la probleme complexe – chiar până la punctul de a le prezice.

Acești pași următori sunt greu de realizat.

Cum pot oamenii de știință să devină mai încrezători că răspunsul pe care Siri trebuie să îl dea este cel mai precis disponibil?

Acesta este genul de provocare pe care Apple o abordează cu Overton, care „automatizează ciclul de viață al construcției, implementării și monitorizării modelelor.”

În termeni umani, asta înseamnă că mașina însăși repară și ajustează modelele de învățare automată ca răspuns la stimuli externi, făcându-le mai precise și reparând defectele logice care ar putea duce la o concluzie incorectă. Ideea este că oamenii se pot concentra apoi pe supervizarea de vârf a modelelor de învățare automată.

Aceasta (cred eu) înseamnă că, mai degrabă decât să fie nevoie să pătrundă adânc în coduri din ce în ce mai complexe pentru a face ajustări minore, dar necesare, oamenii pot solicita un set de modificări pe care Overton le aplică apoi.

La propriu, ei controlează fereastra Overton.

Cum va folosi Apple acest lucru?

Cred că ambițiile Apple pentru Siri se extind dincolo de faptul că acesta este echivalentul digital al prietenului ușor inutil pe care îl interoghezi uneori, chiar dacă știi că s-ar putea să nu primești un răspuns util.

Siri se dorește a fi un asistent condus de voce capabil să aducă informații de nivel înalt, analize contextualizate și creșterea sarcinilor pe care le faci deja. Sugestiile Siri arată această direcție, deși implementările rămân limitate.

Apple spune: „O direcție majoră a lucrărilor în curs sunt sistemele care se bazează pe Overton pentru a ajuta la gestionarea creșterii datelor, a supravegherii programatice și a colaborării.”

Cred, de asemenea, că Overton are implicații în ceea ce privește confidențialitatea utilizatorilor.

Gândiți-vă la acest lucru astfel:

Cercetătorii Apple construiesc modele pe care le consideră foarte precise. Aceste modele rulează pe dispozitivul iOS. Overton oferă acestor modele un anumit grad de independență, iar sistemele ML ajustează modelele în funcție de acuratețe și relevanță – toate acestea fără a oferi cercetătorilor o perspectivă granulară asupra acțiunilor individuale.

Aceasta înseamnă că managerii de date (în acest caz, oamenii de știință care creează acele modele în primul rând) ocupă roluri strategice mai generalizate, în care informațiile referitoare la utilizatorii individuali nu le sunt puse la dispoziție.

Apple creează mașini ML pentru a se ocupa de anumite sarcini definite, echipând în același timp mașinile însele pentru a personaliza modelele pe care le utilizează. Acesta pare a fi scopul lui Overton – și cu siguranță a fost o parte din ceea ce a determinat Apple să achiziționeze Silk Labs.

Apple spune că Overton este primul sistem de gestionare a învățării automate înființat pentru a îmbunătăți și monitoriza calitatea aplicațiilor. Citind printre rânduri, s-ar putea (și subliniez „s-ar putea”, pentru că nu știu mai bine) să fie, de asemenea, tehnologia folosită pentru a identifica momentul în care îndreptați camera iPhone 11 către un animal de companie pentru un portret al acestuia.

Lumea de mâine este o lucrare în desfășurare.

Vă rog să mă urmăriți pe Twitter, sau să vă alăturați mie în grupurile AppleHolic’s bar & grill și Apple Discussions pe MeWe.

.