Apple utilizza una tecnologia innovativa per addestrare modelli di intelligenza artificiale confrontando dati sintetici con email reali e migliorando la qualità dell’output del testo con incorporamenti e strumenti per la privacy.

Nonostante l’attesa che circondava la funzionalità Siri personalizzata, Apple ha annunciato che il suo debutto sarebbe stato posticipato al prossimo anno, in seguito al lancio di iOS 18.4. Tuttavia, il feedback dei dipendenti suggerisce ottimismo all’interno dell’azienda sul fatto che la funzionalità potrebbe effettivamente essere lanciata entro la fine dell’anno. Recenti analisi rivelano come Apple stia perfezionando i suoi processi di formazione dell’IA, in particolare attraverso lo sviluppo di Apple Intelligence.

Metodi di formazione innovativi: come Apple utilizza i dati sintetici mantenendo la privacy degli utenti

Alla luce del ritardo di Siri personalizzata, un rapporto di Bloomberg fa luce sulla strategia di Apple per l’addestramento dei suoi sistemi di intelligenza artificiale. Il rapporto fa riferimento a un blog del Machine Learning Research di Apple, che discute l’uso di dati sintetici per l’addestramento di modelli di intelligenza artificiale.

Storicamente, i critici hanno notato che Apple è rimasta indietro rispetto ai suoi concorrenti nell’ambito dell’intelligenza artificiale. L’uso non convenzionale di dati sintetici da parte dell’azienda ha presentato alcune sfide. Ad esempio, il metodo fatica a interpretare efficacemente le tendenze necessarie per strumenti che richiedono una sintesi completa o una comunicazione articolata, come la stesura di lunghe email.

Riconoscendo queste sfide, Apple ha introdotto un approccio innovativo che consente di confrontare dati sintetici con le email reali degli utenti, garantendo al contempo il rispetto della privacy degli stessi. Questo processo è destinato a migliorare l’efficacia dei modelli di intelligenza artificiale per migliorare le funzionalità di comunicazione.

Per migliorare i nostri modelli, dobbiamo generare un set di numerose email che trattino gli argomenti più comuni nei messaggi. Per creare un set rappresentativo di email sintetiche, iniziamo creando un ampio set di messaggi sintetici su una varietà di argomenti. Ad esempio, potremmo creare un messaggio sintetico del tipo “Vorresti giocare a tennis domani alle 11:30?”

Questo viene fatto senza alcuna conoscenza delle email dei singoli utenti. Deriviamo quindi una rappresentazione, chiamata embedding, di ogni messaggio sintetico che cattura alcune delle dimensioni chiave del messaggio, come lingua, argomento e lunghezza. Questi embedding vengono quindi inviati a un numero limitato di dispositivi degli utenti che hanno aderito a Device Analytics.

I dispositivi partecipanti selezionano quindi un piccolo campione di email recenti degli utenti e ne calcolano gli incorporamenti. Ogni dispositivo decide quindi quale degli incorporamenti sintetici è più vicino a questi campioni. Utilizzando la privacy differenziale, Apple può quindi apprendere gli incorporamenti sintetici selezionati più frequentemente su tutti i dispositivi, senza dover apprendere quale incorporamento sintetico sia stato selezionato su ogni singolo dispositivo.

Questi embedding sintetici selezionati più frequentemente possono quindi essere utilizzati per generare dati di training o test, oppure possiamo eseguire ulteriori fasi di curation per perfezionare ulteriormente il dataset. Ad esempio, se il messaggio sul tennis è uno degli embedding più frequenti, un messaggio simile che sostituisce “tennis” con “calcio” o un altro sport potrebbe essere generato e aggiunto al set per il successivo ciclo di curation (vedi Figura 1).Questo processo ci consente di migliorare gli argomenti e il linguaggio delle nostre email sintetiche, aiutandoci ad addestrare i nostri modelli a creare output di testo migliori in funzionalità come i riepiloghi delle email, tutelando al contempo la privacy.

Sebbene Apple riconosca i limiti del suo approccio attuale, la nuova tecnologia promette di fornire una migliore comprensione delle tendenze degli utenti senza violare i diritti alla privacy o raccogliere informazioni sensibili. Secondo Bloomberg, questa funzionalità migliorata dovrebbe essere inclusa nelle prossime versioni beta di iOS 18.5 e macOS 15.5. Per ulteriori dettagli, potete consultare l’articolo completo di Apple sull’argomento.

Fonte e immagini