Apple utilise une technologie innovante pour former des modèles d’IA en comparant des données synthétiques avec de vrais e-mails, en améliorant la qualité de sortie du texte avec des intégrations et des outils de confidentialité.

Malgré l’attente suscitée par la fonctionnalité Siri personnalisée, Apple a annoncé que son lancement serait reporté à l’année prochaine, suite au déploiement d’iOS 18.4. Cependant, les retours des employés laissent entrevoir un optimisme au sein de l’entreprise quant à un lancement éventuel de cette fonctionnalité plus tard cette année. Des analyses récentes révèlent comment Apple peaufine ses processus d’entraînement de l’IA, notamment grâce au développement d’Apple Intelligence.

Méthodes de formation innovantes : comment Apple utilise les données synthétiques tout en préservant la confidentialité des utilisateurs

Suite au retard pris par Siri personnalisé, un rapport de Bloomberg éclaire la stratégie d’Apple pour entraîner ses systèmes d’IA. Le rapport fait référence à un article de blog du département Machine Learning Research d’Apple, qui traite de l’utilisation de données synthétiques pour l’entraînement des modèles d’IA.

Historiquement, les critiques ont souligné qu’Apple était à la traîne par rapport à ses concurrents dans le domaine de l’IA. L’utilisation non conventionnelle des données synthétiques par l’entreprise a présenté certains défis. Par exemple, la méthode peine à interpréter efficacement les tendances, ce qui est nécessaire aux outils nécessitant une synthèse exhaustive ou une communication claire, comme la rédaction de longs e-mails.

Conscient de ces défis, Apple a mis en place une approche innovante permettant de comparer des données synthétiques avec les adresses e-mail réelles des utilisateurs, tout en garantissant le respect de leur vie privée. Ce processus vise à optimiser l’efficacité des modèles d’IA pour de meilleures fonctionnalités de communication.

Pour améliorer nos modèles, nous devons générer un ensemble de nombreux e-mails couvrant les sujets les plus courants. Pour constituer un ensemble représentatif d’e-mails synthétiques, nous commençons par créer un grand nombre de messages synthétiques sur des sujets variés. Par exemple, nous pourrions créer un message synthétique : « Souhaitez-vous jouer au tennis demain à 11 h 30 ? »

Cette opération est effectuée sans connaître les adresses e-mail individuelles des utilisateurs. Nous obtenons ensuite une représentation, appelée intégration, de chaque message synthétique qui capture certaines de ses dimensions clés, comme la langue, le sujet et la longueur. Ces intégrations sont ensuite envoyées à un petit nombre d’appareils utilisateurs ayant opté pour l’analyse des appareils.

Les appareils participants sélectionnent ensuite un petit échantillon d’e-mails récents d’utilisateurs et calculent leurs intégrations. Chaque appareil détermine ensuite laquelle des intégrations synthétiques est la plus proche de ces échantillons. Grâce à la confidentialité différentielle, Apple peut alors identifier les intégrations synthétiques les plus fréquemment sélectionnées sur tous les appareils, sans connaître l’intégration synthétique sélectionnée sur un appareil donné.

Ces intégrations synthétiques les plus fréquemment sélectionnées peuvent ensuite être utilisées pour générer des données d’entraînement ou de test, ou nous pouvons exécuter des étapes de curation supplémentaires pour affiner l’ensemble de données. Par exemple, si le message concernant le tennis figure parmi les intégrations les plus populaires, un message similaire remplaçant « tennis » par « football » ou un autre sport pourrait être généré et ajouté à l’ensemble pour la prochaine étape de curation (voir Figure 1).Ce processus nous permet d’améliorer les sujets et le langage de nos e-mails synthétiques, ce qui nous aide à entraîner nos modèles à générer de meilleurs résultats textuels pour des fonctionnalités telles que les résumés d’e-mails, tout en protégeant la confidentialité.

Bien qu’Apple reconnaisse les limites de son approche actuelle, cette nouvelle technologie promet de mieux comprendre les tendances des utilisateurs sans porter atteinte à la vie privée ni collecter d’informations sensibles. Selon Bloomberg, cette fonctionnalité améliorée devrait être intégrée aux prochaines versions bêta d’iOS 18.5 et de macOS 15.5. Pour plus d’informations, consultez l’article complet d’Apple sur le sujet.

Source et images