在 WWDC 上，蘋果只字未提 " 人工智能（AI）"，以及 "ChatGPT" 等當前科技界內的一些更為流行的詞匯。
蘋果所做的，只是簡單地提及了 7 次 " 機器學習（ML）"。
【資料圖】
即使是在介紹他們準備了 7 年的 AR 眼鏡 Vision Pro 時，也只是表述為" 使用了先進的編碼 - 解碼神經網絡 "。
這與微軟、谷歌等硅谷大廠在當前大模型浪潮（或者可以稱為 "AI Hype"）中的 " 高調 " 做法截然不同。難道，真如一些專家、媒體所言，蘋果已經在這次 AI 競賽中掉隊了？或者說他們依然在觀望？實際上，并非如此。
盡管蘋果沒有在 WWDC 上談論（甚至吹捧）AI 大模型，但他們介紹了一些基于 AI 的新功能，如改進的 iPhone 自動更正功能，當你按下空格鍵時，它可以完成一個單詞或整個句子。
該功能基于使用 Transformer 語言模型的 ML 程序，使自動更正比以往任何時候都更加準確，而 Transformer 是支持 ChatGPT 的重要技術之一。
蘋果表示，它甚至會學習用戶如何發短信和打字，從而變得更好。
據介紹，新的 " 自動更正 " 由設備上的機器學習提供支持，多年來，蘋果一直在不斷改進這些模型...... 借助 Apple Silicon 的強大功能，iPhone 可以在用戶每次輕按按鍵時運行此模型。" 在那些你只想輸入一個 Ducking word（避諱詞）的時刻，鍵盤也會自己學習，" 蘋果軟件工程高級副總裁 Craig Federighi 說。
另一個例子是蘋果對 AirPods Pro 的改進，即" 當耳機檢測到用戶對話時會自動關閉降噪功能 "。蘋果沒有把它作為一個機器學習功能，但這是一個很難解決的問題，而解決方案是要基于 AI 模型的。此外，識別 PDF 中要填寫的字段、識別你的寵物（然后將該寵物的所有照片歸納在一個文件夾中）等新功能，也同樣是基于蘋果在神經網絡方面的研究工作。
在 WWDC 上，蘋果沒有談論具體的 AI 模型，或訓練數據，或未來可能改進的方向，而是簡單地提到了 " 這些功能背后有很酷的技術做支持 "。
與其競爭對手的做法（使用服務器集群、超級計算機和 TB 級數據建立更大的模型）不同，蘋果希望在其設備上建立 AI 模型。
新的 " 自動更正 " 等功能正是基于這一想法，它是在 iPhone 上運行的，而像 ChatGPT 這樣的模型則需要由數百個昂貴的 GPU 共同訓練。
這樣做的好處是，運行在設備上的 AI 繞過了很多基于云的 AI 面臨的數據隱私問題。當模型可以在手機上運行時，蘋果只需要收集更少的數據就可以運行它。
值得關注的是，蘋果此次也公布了 M2 芯片家族的最新成員—— M2 Ultra。它采用第二代 5 納米工藝制造，擁有多達 24 個 CPU 內核、76 個 GPU 內核和 32 個內核的神經引擎，每秒可進行 31.6 萬億次運算。
蘋果表示，這種能力可能會在訓練 " 大型 Transformer 模型 " 時派上用場。"M2 Ultra 可以支持高達 192GB 的統一內存，比 M1 Ultra 多 50％，這使其能夠完成其他芯片無法完成的任務。例如，在一個單一系統中，它可以訓練龐大的 ML 工作負載，如大型 Transformer 模型，這類模型即使是最強大的離散 GPU 也無法處理，因為其內存不足。"
M2 Ultra 的問世，讓一些人工智能專家感到興奮。
" 無論是偶然還是有意為之，蘋果硅統一內存架構意味著高端 Mac 現在真的是運行大型 AI 模型和進行 AI 研究的驚人機器，"Perry E. Metzger 在推特上表示，" 在這個價位上，確實沒有多少其他系統能提供 192GB 的 GPU 可訪問內存。"
更大的內存意味著更大、能力更強的 AI 模型可以裝入內存中，這可能使得許多人有機會在個人電腦上訓練 AI 訓練。盡管尚未有 M2 Ultra 與 A100（甚至 H100）的性能評估，但至少從目前看來，蘋果已經公開進入生成式 AI 訓練硬件領域。
參考鏈接：
https://www.cnbc.com/2023/06/05/apple-practical-approach-to-ai-no-bragging-just-features.html
https://venturebeat.com/ai/the-best-ai-features-apple-announced-at-wwdc-2023/
https://arstechnica.com/information-technology/2023/06/at-apples-wwdc-keynote-ai-never-came-up-by-name-but-it-was-there/
｜點擊關注我 記得標星｜
責任編輯：
