在 WWDC 上，苹果只字未提 " 人工智能（AI）"，以及 "ChatGPT" 等当前科技界内的一些更为流行的词汇。

苹果所做的，只是简单地提及了 7 次 " 机器学习（ML）"。

即使是在介绍他们准备了 7 年的 AR 眼镜 Vision Pro 时，也只是表述为" 使用了先进的编码 - 解码神经网络 "。

(资料图片仅供参考)

这与微软、谷歌等硅谷大厂在当前大模型浪潮（或者可以称为 "AI Hype"）中的 " 高调 " 做法截然不同。

难道，真如一些专家、媒体所言，苹果已经在这次 AI 竞赛中掉队了？或者说他们依然在观望？实际上，并非如此。

尽管苹果没有在 WWDC 上谈论（甚至吹捧）AI 大模型，但他们介绍了一些基于 AI 的新功能，如改进的 iPhone 自动更正功能，当你按下空格键时，它可以完成一个单词或整个句子。

该功能基于使用 Transformer 语言模型的 ML 程序，使自动更正比以往任何时候都更加准确，而 Transformer 是支持 ChatGPT 的重要技术之一。

苹果表示，它甚至会学习用户如何发短信和打字，从而变得更好。

据介绍，新的 " 自动更正 " 由设备上的机器学习提供支持，多年来，苹果一直在不断改进这些模型...... 借助 Apple Silicon 的强大功能，iPhone 可以在用户每次轻按按键时运行此模型。

" 在那些你只想输入一个 Ducking word（避讳词）的时刻，键盘也会自己学习，" 苹果软件工程高级副总裁 Craig Federighi 说。

另一个例子是苹果对 AirPods Pro 的改进，即" 当耳机检测到用户对话时会自动关闭降噪功能 "。苹果没有把它作为一个机器学习功能，但这是一个很难解决的问题，而解决方案是要基于 AI 模型的。

此外，识别 PDF 中要填写的字段、识别你的宠物（然后将该宠物的所有照片归纳在一个文件夹中）等新功能，也同样是基于苹果在神经网络方面的研究工作。

在 WWDC 上，苹果没有谈论具体的 AI 模型，或训练数据，或未来可能改进的方向，而是简单地提到了 " 这些功能背后有很酷的技术做支持 "。

与其竞争对手的做法（使用服务器集群、超级计算机和 TB 级数据建立更大的模型）不同，苹果希望在其设备上建立 AI 模型。

新的 " 自动更正 " 等功能正是基于这一想法，它是在 iPhone 上运行的，而像 ChatGPT 这样的模型则需要由数百个昂贵的 GPU 共同训练。

这样做的好处是，运行在设备上的 AI 绕过了很多基于云的 AI 面临的数据隐私问题。当模型可以在手机上运行时，苹果只需要收集更少的数据就可以运行它。

值得关注的是，苹果此次也公布了 M2 芯片家族的最新成员—— M2 Ultra。它采用第二代 5 纳米工艺制造，拥有多达 24 个 CPU 内核、76 个 GPU 内核和 32 个内核的神经引擎，每秒可进行 31.6 万亿次运算。

苹果表示，这种能力可能会在训练 " 大型 Transformer 模型 " 时派上用场。

"M2 Ultra 可以支持高达 192GB 的统一内存，比 M1 Ultra 多 50％，这使其能够完成其他芯片无法完成的任务。例如，在一个单一系统中，它可以训练庞大的 ML 工作负载，如大型 Transformer 模型，这类模型即使是最强大的离散 GPU 也无法处理，因为其内存不足。"

M2 Ultra 的问世，让一些人工智能专家感到兴奋。

" 无论是偶然还是有意为之，苹果硅统一内存架构意味着高端 Mac 现在真的是运行大型 AI 模型和进行 AI 研究的惊人机器，"Perry E. Metzger 在推特上表示，" 在这个价位上，确实没有多少其他系统能提供 192GB 的 GPU 可访问内存。"

更大的内存意味着更大、能力更强的 AI 模型可以装入内存中，这可能使得许多人有机会在个人电脑上训练 AI 训练。

尽管尚未有 M2 Ultra 与 A100（甚至 H100）的性能评估，但至少从目前看来，苹果已经公开进入生成式 AI 训练硬件领域。

参考链接：

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/

｜点击关注我 记得标星｜

标签