W zeszłym miesiącu Apple opóźniony Wprowadzenie jego bardziej osobistych i potężnych funkcji Siri. Jak wygląda na statek do przyszłych aktualizacji Apple Intelligence, Bloomberg Podkreśla zmianę, którą Apple dokonuje w zakresie trenowania swoich modeli sztucznej inteligencji.
Raport podkreśla post na blogu od Witryna badań nad uczeniem się maszynowym Applewyjaśniając, w jaki sposób Apple zwykle wykorzystuje dane syntetyczne do szkolenia swoich modeli AI. Istnieją jednak ograniczenia tej strategii, w tym fakt, że dane syntetyczne jest trudne do „zrozumienia trendów” w funkcjach takich jak podsumowanie lub narzędzia pisania, które działają na dłuższych zdaniach lub całych wiadomościach e -mail.
Aby zająć się tym ograniczeniem, Apple podkreśla nową technologię, z której wkrótce zacznie używać, która porównuje dane syntetyczne z małą próbką najnowszych wiadomości e -mail użytkowników, ale bez uszczerbku dla prywatności użytkowników:
Aby ulepszyć nasze modele, musimy wygenerować zestaw wielu wiadomości e -mail obejmujących tematy, które są najczęstsze w wiadomościach. Aby wyselekcjonować reprezentatywny zestaw syntetycznych wiadomości e -mail, zaczynamy od utworzenia dużego zestawu wiadomości syntetycznych na różne tematy. Na przykład możemy stworzyć syntetyczne przesłanie: „Czy chciałbyś zagrać w tenisa jutro o 11:30?”
Odbywa się to bez wiedzy na temat indywidualnych e -maili użytkowników. Następnie wyprowadzimy reprezentację, zwaną osadzeniem każdego syntetycznego przesłania, które oddaje niektóre kluczowe wymiary wiadomości, takie jak język, temat i długość. Te osadzenia są następnie wysyłane do niewielkiej liczby urządzeń użytkownika, które zdecydowały się na analizę urządzeń.
Urządzenia uczestniczące następnie wybierz małą próbkę najnowszych e -maili użytkowników i oblicz ich osadzanie. Każde urządzenie decyduje następnie, które z syntetycznych osadzonych jest najbliżej tych próbek. Korzystając z różnicowej prywatności, Apple może nauczyć się najczęściej wybranych syntetycznych osadzonych na wszystkich urządzeniach, bez uczenia się, które syntetyczne osadzanie zostało wybrane na dowolnym urządzeniu.
Te najczęściej wybrane syntetyczne osadzony można następnie wykorzystać do generowania danych szkoleniowych lub testowych, lub możemy uruchomić dodatkowe kroki kuracyjne w celu dalszego udoskonalenia zestawu danych. Na przykład, jeśli wiadomość o odtwarzaniu tenisa jest jedną z najlepszych osadzonych, można wygenerować podobny komunikat zastępujący „tenis” „piłką nożną” lub inny sport (patrz rysunek 1). Ten proces pozwala nam ulepszyć tematy i język naszych syntetycznych wiadomości e -mail, które pomagają nam szkolić nasze modele w celu tworzenia lepszych wyników tekstu w funkcjach takich jak podsumowania e -mail, jednocześnie chroniąc prywatność.
Apple wyjaśnia, że techniki te pozwalają „zrozumieć ogólne trendy, bez uczenia się informacji o żadnej osobie. Bloomberg mówi, że Apple wprowadzi ten nowy system w przyszłej wersji beta z iOS 18.5 i macOS 15.5.
Możesz przeczytać Apple’s Pełny post na blogu Aby uzyskać więcej informacji.
Podążaj za przypadkiem: WątkiW BluesyW InstagramI Mastodont.
FTC: Używamy dochodów z automatycznych linków partnerskich. Więcej.