Складчастість Apple у сфері штучного інтелекту: дослідження рамки MLX та її вплив на майбутні досвіди MacBook AI

Сфера штучного інтелекту зараз переживає значну трансформацію, яку спричиняє широке впровадження та доступність генеративного штучного інтелекту в відкритих екосистемах. Ця трансформаційна хвиля не тільки підвищує продуктивність та ефективність, але також сприяє інноваціям, надаючи важливий інструмент для того, щоб залишатися конкурентоспроможними в сучасну епоху. Відійшовши від своєї традиційної закритої екосистеми, Apple (AAPL ) нещодавно прийняла цей змісти парадигми, представивши MLX, відкриту рамку, призначену для надання можливостей розробникам штучного інтелекту ефективно використовувати можливості чіпів Apple Silicon. У цій статті ми глибоко розглянемо рамку MLX, розкриваємо її значення для Apple та потенційний вплив на ширшу екосистему штучного інтелекту.

Розкриття MLX

Розроблена командою штучного інтелекту Apple, MLX є передовою рамкою, призначеною для досліджень та розробки штучного інтелекту на чінах Apple silicon. Рамка охоплює набір інструментів, які дозволяють розробникам штучного інтелекту створювати передові моделі, чат-боти, генерацію тексту, визнання мовлення та генерацію зображень. MLX йде далі, включаючи попередньо треновані фундаментальні моделі, такі як LlaMA Meta для генерації тексту, Stable Diffusion Stability AI для генерації зображень та Whisper OpenAI для визнання мовлення.

Вдохновлена добре встановленими рамками, такими як NumPy, PyTorch, Jax та ArrayFire, MLX ставить сильний акцент на зручному дизайні та ефективній навчанні та розгортанні моделей. Відзначними особливостями є зручні API, включаючи Python API, подібний до NumPy, та детальний C++ API. Спеціалізовані пакети, такі як mlx.nn та mlx.optimizers, спрощують побудову складних моделей, приймаючи знайому стилі PyTorch.

MLX використовує підхід відкладеного обчислення, генеруючи масиви лише коли це необхідно. Її динамічна конструкція графу обчислення дозволяє спонтанну генерацію графів обчислення, гарантуючи, що зміни до аргументів функції не перешкоджають продуктивності, при цьому зберігаючи процес відладки простим та інтуїтивним. MLX пропонує широку сумісність з пристроями, виконуючи операції як на ЦП, так і на ГП. Ключовим аспектом MLX є її уніфікована модель пам’яті, яка зберігає масиви в спільній пам’яті. Ця унікальна особливість дозволяє виконувати операції з масивами MLX на різних підтримуваних пристроях без необхідності переносу даних.

Відмінність CoreML та MLX

Apple розробила як CoreML, так і MLX, щоб допомогти розробникам штучного інтелекту на системах Apple, але кожна рамка має свої унікальні особливості. CoreML призначена для легкої інтеграції попередньо тренованих моделей машинного навчання з відкритих інструментів, таких як TensorFlow, у додатки на пристроях Apple, включаючи iOS, macOS, watchOS та tvOS. Вона оптимізує виконання моделей, використовуючи спеціалізовані апаратні компоненти, такі як ГП та Neural Engine, забезпечуючи прискорене та ефективне оброблення. CoreML підтримує популярні формати моделей, такі як TensorFlow та ONNX, що робить її універсальною для застосунків, таких як розпізнавання зображень та обробка природної мови. Основною особливістю CoreML є виконання на пристрої, забезпечуючи виконання моделей безпосередньо на пристрої користувача без використання зовнішніх серверів. Хоча CoreML спрощує інтеграцію попередньо тренованих моделей машинного навчання з системами Apple, MLX служить рамкою розробки, спеціально призначеною для полегшення розробки моделей штучного інтелекту на чінах Apple silicon.

Аналіз мотивів Apple за MLX

Введення MLX вказує на те, що Apple вступає у розширювану сферу генеративного штучного інтелекту, область, яку зараз домінують технологічні гіганти, такі як Microsoft (MSFT ) та Google. Хоча Apple інтегрувала технологію штучного інтелекту, таку як Siri, у свої продукти, компанія традиційно утримувалася від входу у сферу генеративного штучного інтелекту. Однак значне збільшення зусиль Apple щодо розробки штучного інтелекту у вересні 2023 року, з особливим акцентом на оцінці фундаментальних моделей для ширших застосунків та введенні MLX, свідчить про потенційний зсув у бік дослідження генеративного штучного інтелекту. Аналітики припускають, що Apple могла б використовувати рамки MLX для введення творчих функцій генеративного штучного інтелекту у свої послуги та пристрої. Однак, у відповідності з сильним зобов’язанням Apple щодо конфіденційності, очікується ретельна оцінка етичних питань перед будь-якими значними кроками. Наразі Apple не поділилася додатковими деталями чи коментарями щодо своїх конкретних намірів щодо MLX, даних MLX та генеративного штучного інтелекту.

Важливість MLX за межами Apple

За межами світу Apple уніфікована модель пам’яті MLX пропонує практичну перевагу, виділяючи її серед рамок, таких як PyTorch та Jax. Ця особливість дозволяє масивам спільно використовувати пам’ять, роблячи операції на різних пристроях простішими без зайвих дублікатів даних. Це стає особливо важливим, оскільки штучний інтелект все більше залежить від ефективних ГП. Замість звичайної установки, яка включає потужні ПК та спеціалізовані ГП з великою кількістю відеооперативної пам’яті, MLX дозволяє ГП спільно використовувати відеооперативну пам’ять з оперативною пам’яттю комп’ютера. Ця тонка зміна має потенціал тихо змінити апаратні вимоги штучного інтелекту, роблячи їх більш доступними та ефективними. Це також впливає на штучний інтелект на пристроях країв, пропонуючи більш гнучкий та ресурсо-економний підхід, ніж той, до якого ми звикли.

Висновок

Вихід Apple у сферу генеративного штучного інтелекту з рамкою MLX відзначає значний зсув у ландшафті штучного інтелекту. Приймаючи відкриті практики, Apple не тільки демократизує передовий штучний інтелект, але також позиціонує себе як конкурента у сфері, домінуюній технологічними гігантами, такими як Microsoft та Google. Зручний дизайн MLX, динамічна конструкція графу та уніфікована модель пам’яті пропонують практичну перевагу за межами екосистеми Apple, особливо оскільки штучний інтелект все більше залежить від ефективних ГП. Потенційний вплив рамки на апаратні вимоги та її адаптованість для штучного інтелекту на пристроях країв свідчить про трансформаційне майбутнє. Коли Apple орієнтується у цій новій сфері, акцент на конфіденційності та етичних питаннях залишається головним, формуючи траєкторію ролі MLX у ширшій екосистемі штучного інтелекту.