Có một quan điểm lâu đời khi nói đến Apple và các công nghệ mới nóng hổi: nếu công ty không xuất xưởng bất cứ thứ gì mà mọi người khác trong ngành hiện đang tập trung vào, thì công ty đó phải ở phía sau.
Điều này hiếm khi là sự thật.
Hoạt động kinh doanh của Apple giống như tảng băng chìm: chúng ta chỉ nhìn thấy phần nổi của những gì công ty đang làm, trong khi phần lớn các nỗ lực nghiên cứu và phát triển của công ty đang lờ mờ hiện ra dưới bề mặt. Chỉ cần nhìn vào tài chính của nó trong quý gần đây nhất: nó đã chi 7,7 tỷ đô la cho R&D, chiếm hơn một nửa tổng chi phí hoạt động của nó.
Tất nhiên, công nghệ mới nhất xuất hiện trong cốt truyện này là trí tuệ nhân tạo. Làm thế nào công ty có thể cạnh tranh trong thị trường mới đang phát triển này nếu nó không ra mắt một chatbot hoặc trình tạo hình ảnh vội vàng? (Đừng bận tâm rằng nó vẫn chưa xuất xưởng tai nghe thực tế ảo–đó là cuối cùng thị trường mà công ty rõ ràng đang tụt lại phía sau.)
Tuy nhiên, như mọi khi với chiếc mũi cụ thể này, sự thật là Apple đang làm AI theo cách riêng của mình và không phải để chạy theo thị trường.
Nhận học tập của bạn trên
Một lý do khiến công việc AI của Apple đôi khi bị bỏ qua chỉ đơn giản là một trong những thuật ngữ. Mặc dù công ty không thường nói về “trí tuệ nhân tạo”, nhưng họ dành nhiều thời gian để thảo luận về “máy học” (ML), đây là nền tảng quan trọng cho nhiều công nghệ mới nhất của Apple.
Mặc dù về mặt kỹ thuật, máy học có thể chỉ là một tập hợp con của trí tuệ nhân tạo (và thậm chí có một số bất đồng về điều đó), hai thuật ngữ này thường được sử dụng thay thế cho nhau, ít nhất là trên cơ sở thông tục. Các mô hình ngôn ngữ lớn đằng sau các công cụ như ChatGPT, Google’s Bard và chatbot Bing mới của Microsoft tận dụng các công nghệ máy học, cũng như các trình tạo hình ảnh như DALL-E và Stable Diffusion. Nói chung, đây là tất cả các công nghệ liên quan đến các thuật toán sử dụng dữ liệu để tìm hiểu và cải thiện.
Khoản đầu tư của Apple vào máy học rất rõ ràng: năm 2018, công ty đã thuê John Giannandrea, người đứng đầu bộ phận trí tuệ máy móc của Google, làm Phó chủ tịch cấp cao về Chiến lược máy học và AI, báo cáo trực tiếp cho Tim Cook. Nó cũng điều hành một trang web công khai hiếm hoi nơi nó xuất bản một lượng lớn nghiên cứu về máy học của mình và tài trợ tích cực cho Ph.D. học bổng, tuyển dụng thực tập sinh, và cung cấp nơi cư trú. Và nó góp phần vào các dự án máy học mã nguồn mở, chẳng hạn như tối ưu hóa phần mềm Khuếch tán Ổn định để chạy trên phần cứng của nó.

IDF
Cốt lõi của học máy
Bạn có thể thừa nhận rằng Apple là thú vị trong ML, nhưng có lẽ bạn sẽ gấp đôi khi hỏi nó thực sự có gì sản xuất với tất cả khoản đầu tư này.
Nhiều. Nếu bạn là người yêu thích các tính năng như Văn bản trực tiếp—tính năng cho phép bạn chọn bất kỳ văn bản nào từ ảnh hoặc video—hoặc khả năng tìm kiếm thư viện Ảnh của bạn để tìm từ “chó” và thực sự xem tất cả ảnh về những chú chó của bạn’ đã sử dụng hoặc tính năng Phụ đề trực tiếp phiên bản beta có thể tạo phụ đề cho bất kỳ video hoặc âm thanh nào đang phát từ thiết bị của bạn, bạn đang được hưởng lợi từ nghiên cứu máy học của Apple.
Công ty cũng đã tạo ra toàn bộ khung có tên CoreML để giúp các nhà phát triển dễ dàng tích hợp máy học vào sản phẩm của họ và nếu điều đó vẫn chưa đủ, thì hãy nhớ rằng mọi bộ xử lý do Apple sản xuất kể từ A11 Bionic năm 2017 đều có một Công cụ thần kinh chuyên dụng, được tối ưu hóa để chạy các thuật toán máy học—trong phiên bản gần đây nhất, có 16 lõi, nó có thể chạy một con số đáng kinh ngạc là 17 nghìn tỷ phép tính mỗi giây, cho phép, theo phong cách điển hình của Apple, các mô hình máy học chạy riêng trên thiết bị của bạn thay vì phụ thuộc vào một dịch vụ điện toán đám mây.
Nếu Apple chi tiền để dành một phần đáng kể bộ vi xử lý của mình cho máy học, thì chắc chắn họ đang đặt tiền đúng chỗ.

Live Captions beta là một ví dụ về nghiên cứu của Apple về máy học.
Quả táo
Phần nổi của tảng băng chìm, bề nổi của vấn đề
Có nhiều cơ hội hơn để Apple tăng dấu ấn máy học của mình không? Chắc chắn. Câu trả lời ngắn gọn là hiệu suất thường mờ nhạt của Siri có thể được tăng cường nhờ loại AI mà bạn thấy trong các chatbot gần đây—tuy nhiên, do tính chất thực sự kỳ lạ của một số cuộc trò chuyện với Bước đột phá gần đây của Microsoftcó vẻ như Apple sẽ không ngay lập tức nhảy vào phần cuối (học tập) sâu của nhóm.
Nhưng khả năng các loại hệ thống đó giữ lại ngữ cảnh và giao tiếp theo cách linh hoạt và nhân văn hơn có những lợi thế có thể và nên hoạt động theo cách của chúng đối với trợ lý ảo của Apple, ngay cả khi theo cách hạn chế và được kiểm soát hơn.
Tương tự như vậy, khả năng chuyển giọng nói thành văn bản của Phụ đề trực tiếp và hệ thống đọc chính tả của Apple có thể được nâng cao nếu Apple thực hiện một số tối ưu hóa tương tự như đã thực hiện với Khuếch tán ổn định trên khung nhận dạng giọng nói Whisper rất ấn tượng.
Một lần nữa, những điều này không hào nhoáng như những gì mà nhiều đối thủ cạnh tranh của Apple đang làm trên thị trường, nhưng Apple cũng vậy. có để theo đuổi chức năng đó theo cách tương tự. Ví dụ: Google và Microsoft đang sử dụng AI để tấn công nó trong lĩnh vực tìm kiếm, một thị trường mà Apple không thực sự tham gia (mặc dù tôi khó có thể phản đối việc Apple sử dụng một số công nghệ cơ bản để cải thiện hoạt động tìm kiếm trên thiết bị của chính họ khả năng).
Cuối cùng, việc sử dụng máy học của Apple vẫn được thúc đẩy nhiều hơn bởi ý tưởng làm thế nào hãng có thể nâng cao những gì người dùng làm, thay vì chỉ tồn tại vì lợi ích của chính họ. Và mặc dù điều đó có thể không thu hút trí tưởng tượng theo cùng một cách, nhưng cuối cùng nó có thể có tác động lớn hơn đến cuộc sống của người dùng. Theo tôi, điều đó giúp Apple dẫn đầu trong cuộc chơi chứ không phải bị tụt lại phía sau.