Apple Intelligence: Veliki Planovi za Unapređenje AI Performansi
Apple Intelligence nije imao najbolju godinu do sada, ali ako mislite da Apple odustaje, u velikoj ste zabludi. Ova kompanija ima velike planove i nastavlja napredovati s novim strategijama obuke modela koje bi mogle znatno poboljšati performanse umjetne inteligencije. Međutim, promjene uključuju bliži pogled na vaše podatke – ako se odlučite sudjelovati.
Novosti iz Apple-ovog Istraživačkog Tima za Mašinsko Učenje
U novom tehničkom radu pod nazivom “Razumijevanje Agregatnih Trendova za Apple Intelligence Koristeći Diferencijalnu Privatnost”, Apple je iznio planove za kombiniranje analize podataka s korisničkim podacima i generiranjem sintetičkih podataka kako bi bolje obučio modele koji pokreću mnoge značajke Apple Intelligence-a. Do sada je Apple trenirao svoje modele isključivo na sintetičkim podacima, koji pokušavaju simulirati stvarnu prirodu podataka, no postoje ograničenja.
Ograničenja Sintetičkih Podataka
Na primjer, kod Genmoji, Appleova upotreba sintetičkih podataka ne oslikava uvijek stvaran način na koji se korisnici angažiraju sa sustavom. U izvješću se navodi: “Razumijevanje kako naši modeli djeluju kada korisnik zatraži Genmoji koji sadrže više entiteta (kao što je ‘dinosaur u šeširu kauboja’) pomaže nam da poboljšamo odgovore na takve zahtjeve.”
Kako Funkcionira Novi Sustav Treniranja
Ako se korisnici odluče sudjelovati, sustav može provjeriti je li njihovo uređaj već obradio određeni podatak. Međutim, telefon ne vraća podatke; umjesto toga, šalje nejasan i anonimni signal, što je, čini se, dovoljno da Appleov model nauči iz njega. Ovaj proces razlikuje se za modele koji rade s dužim tekstovima poput alata za pisanje i sažetak. U ovom slučaju, Apple koristi sintetičke modele, a zatim šalje reprezentaciju ovih sintetičkih modela korisnicima koji su se prijavili za analizu podataka. Na uređaju, sustav vrši usporedbu koja se čini da se mjeri protiv uzoraka nedavnih e-mailova.
- “Ove najčešće odabrane sintetičke reprezentacije mogu se koristiti za generiranje podataka za obuku ili testiranje, ili možemo provesti dodatne korake kuracije kako bismo dodatno poboljšali skup podataka.”
Diferencijalna Privatnost kao Ključna Mjera Zaštite
Ključni aspekt jeste da Apple primjenjuje diferencijalnu privatnost na sve korisničke podatke. Ovaj proces dodaje buku koja otežava povezivanje podataka s pravim korisnicima. Ipak, ništa od ovoga ne može funkcionirati ako se ne prijavite za Appleovu analizu podataka, što se obično događa prilikom prvog postavljanja vašeg iPhone-a, iPad-a ili MacBook-a.
Zaključak: Bolje Iskustvo s Apple Intelligence-om
Odabirom sudjelovanja ne izlažete svoje podatke ili privatnost riziku, ali ta obuka bi trebala dovesti do boljih modela i, nadamo se, boljeg iskustva s Apple Intelligence-om na vašem iPhone-u i drugim Apple uređajima. Ova nova strategija može također rezultirati pametnijim i smislenijim prepravama i sažetcima, što će zasigurno poboljšati vaše svakodnevno korištenje tehnologije.
