چرا اپل خود را پيشتاز هوش مصنوعي جهان مي‌داند؟

امروزه، يادگيري ماشين (ML) و هوش مصنوعي (AI) تقريبا در تمام امكانات موبايل آيفون ديده مي‌شوند؛ اما اپل مانند ديگر رقبايش اين امكانات را ستايش نمي‌كند؛ زيرا اين شركت رويكرد متفاوتي دربرابر امكانات جديد AI و ML خود دارد.

اپل وجهه‌ي عمومي چنداني در‌ حوزه‌ي هوش مصنوعي يا يادگيري ماشين ندارد. براي مثال، افرادي كه با دستيار هوش مصنوعي سيري اپل سروكار داشتند، كارايي آن را كمتر از دستيارهايي مثل گوگل اسيستنت يا الكساي آمازون مي‌دانستند. بسياري از علاقه‌مندان فناوري درباره‌ي يادگيري ماشين مي‌گويند داده‌هاي بيشتر به‌معني مدل‌هاي بهتر هستند؛ اما اپل حتي در‌زمينه‌ي جمع‌آوري داده هم به‌اندازه‌ي شركت‌هايي مثل گوگل شناخته‌شده نيست.

با وجود تمام اين موضوعات، اپل براي وظايف يادگيري ماشين در اغلب دستگاه‌هايش سخت‌افزارهاي اختصاصي را پياده‌سازي كرده است. مديران اين شركت از قابليت هوش ماشين براي توسعه‌ي امكانات جديد آيفون يا آيپد يا اپل‌واچ استفاده مي‌كنند. معرفي مك همراه‌با تراشه‌ي اپل در سال جاري، زمينه‌ساز توسعه‌‌ي قابليت‌هاي هوش ماشين در بسياري از شركت‌هاي توليدكننده‌ي لپ‌تاپ شد.

با معرفي تراشه‌ي اپل، جان جياناندريا، معاون ارشد استراتژي هوش مصنوعي و يادگيري ماشين اپل و باب بورچرز، معاون بازاريابي محصول اپل، درباره‌ي فلسفه‌ي هوش مصنوعي اپل و استفاده از يادگيري ماشين براي توسعه‌ي امكانات جديد و استراتژي AI/ML توضيح دادند.

با اينكه كامپيوترها با سرعت و دقت بيشتري از انسان مي‌توانند داده‌هاي مشخصي را پردازش كنند، باز‌هم به‌اندازه‌ي انسان هوشمند نيستند. در مدل‌هاي سنتي برنامه‌نويسي كامپيوتري، انسان دستورهاي مشخصي به كامپيوتر ارسال مي‌كند. براي مثال، اگر چنين اتفاقي رخ داد، دقيقه‌اي مشخص اين كار را انجام بده؛ اما اگر اتفاق ديگري رخ داد، كار ديگري را انجام بده. البته برنامه‌نويسان مي‌توانند در اين زمينه خلاقانه عمل كنند و برنامه‌هاي پيچيده‌تري را بنويسند؛ اما ماشين در قضاوت ناتوان است.

در يادگيري ماشين، برنامه‌نويس نه‌تنها مي‌تواند دستورهايي را به كامپيوتر ارسال كند؛ بلكه مجموعه‌ي داده‌اي مرتبط با وظايف و روش تحليل اين مجموعه را هم مي‌تواند وارد كامپيوتر كند. سپس كامپيوتر به‌مرورزمان قادر به برچسب‌گذاري و تفسير داده‌ها براساس بازخوردهاي مثبت و منفي خواهد بود. بدين‌ترتيب، ماشين براساس الگوريتم‌هايي مشخص درباره‌ي داده‌ها حدس خواهد زد و شباهت داده‌هاي جديد را با داده‌هايي مطالعه مي‌كند كه قبلا دريافت كرده است.

امروزه، وقتي شركت‌هاي بزرگ فناوري از هوش مصنوعي سخن مي‌گويند، اغلب اوقات به يادگيري ماشين اشاره مي‌كنند. يادگيري ماشين يكي از زيرمجموعه‌هاي هوش مصنوعي است و بسياري از قابليت‌هاي جديد مثل تشخيص تصوير حاصل يكي از زيرمجموعه‌هاي يادگيري ماشين، يعني يادگيري عميق هستند.

 از هوش مصنوعي در قابليت شست‌شوي دست اپل‌واچ استفاده شده است.

جياناندريا و بورچرز هر دو چندين سال است كه به اپل ملحق شده‌‌اند و در گذشته در گوگل فعاليت مي‌كردند. بورچرز پس از چند سال دوري از اپل، دوباره به اين شركت بازگشت و تا سال ۲۰۰۹، مدير ارشد بازاريابي آيفون بود. مهاجرت جياناندريا از گوگل به اپل در سال ۲۰۱۸، به‌شدت در كانون توجه قرار گرفت؛ زيرا او سرپرست جست‌وجو و هوش مصنوعي گوگل بود.

گوگل و اپل شركت‌هاي كاملا متفاوتي هستند. مشاركت‌هاي گوگل در پژوهش‌هاي هوش مصنوعي، اعتبار و وجهه‌ي عمومي فراواني براي اين شركت به‌ارمغان آورده‌ است. درحالي‌كه اغلب پژوهش‌هاي اپل پشت درهاي بسته انجام شده‌اند؛ اما در سال‌هاي اخير به‌دليل استفاده از يادگيري ماشين در دستگاه‌هاي اپل اين روند تغيير كرده و مشاركت اپل در جامعه‌ي هوش مصنوعي افزايش يافته است. جياناندريا مي‌گويد:

وقتي به اپل ملحق شدم، يكي از متخصصان ثابت آيپد و عاشق كار با قلم آن بودم؛ بنابراين، وقتي به تيم‌هاي نرم‌افزاري راه پيدا كردم، به آن‌ها گفتم «خب، تيم يادگيري ماشين چه امكاناتي براي دست خط در انديشه متخصصين گرفته است؟» بااين‌حال، نتوانستم چنين تيمي را پيدا كنم.

گروهي كه جياناندريا به‌دنبال آن بود، اصلا در اپل وجود نداشت؛ آن‌هم با اينكه يادگيري ماشين يكي از ابزارهاي برتر براي توسعه‌ي امكانات كنوني است. او مي‌افزايد:

متوجه شدم اپل درزمينه‌ي يادگيري ماشين راه زيادي در پيش دارد و برايم تعجب‌آور بود كه هنوز اقدامي در اين زمينه انجام نداده است؛ اما اين روند به‌شكل چشمگيري در دوسه سال گذشته تغيير كرده است. با اطمينان مي‌گويم در سال‌هاي آينده، هيچ قسمتي از iOS يا رابطه‌هاي متخصصي اپل از تحولات يادگيري ماشين بي‌نصيب نخواهند ماند.

جياناندريا در پاسخ به اين پرسش كه «آيا اپل جاي درستي براي او بوده است يا خير؟»، خلاصه‌‌اي از استراتژي هوش مصنوعي اين شركت را توصيف مي‌كند:

اپل هميشه نماد خلاقيت و فناوري بوده است. معتقدم درزمينه‌‌ي ساخت تجربه‌هاي متخصصي هوشمند، وجود يكپارچه‌سازي عمودي از اپليكيشن‌ها به فريم‌ورك‌ها تا تراشه‌ها بسيار ضروري است. فكر مي‌كنم اين روند مانند سفر باشد و اين سفر آينده‌ي دستگاه‌هاي محاسباتي هوشمند ما خواهد بود.

بورچرز درباره‌ي استراتژي اپل مي‌افزايد:

رويكرد ما درباره‌ي تمام كارها اين است: تمركز بر منافع، نه چگونگي رسيدن به آن‌ها. در بهترين سناريوها، اين فرايند مي‌تواند به جادويي خودكار تشبيه شود. شما صرفا روي اتفاقات تمركز مي‌كنيد، نه چگونگي رخ‌دادن‌ آن‌ها.»

جياناندريا با اشاره به مثال دست‌خط، اپل را يكي از پيشتازان توسعه‌ي امكانات و محصولات هوش مبتني بر ماشين معرفي كرد. او مي‌گويد:

ما قلم و آيپد و نرم‌افزار هر دو را ساختيم. اين دو فرصت‌هاي منحصر‌به‌فردي براي انجام بهتر كارها هستند. ما اجازه داديم افراد ‌افكار خلاقانه‌ي خود را روي كاغذي ديجيتالي ثبت كنند. مشتاقم اين قابليت‌ها در مقياس‌ وسيع جهاني توسعه پيدا كنند.

جياناندريا با اشاره به گوگل مي‌گويد:

گوگل شركت كم‌نظيري است و متخصصان برجسته‌اي در آن مشغول به كار هستند؛ اما مدل كسب‌و‌كار آن‌ها كاملا متفاوت است و دليل شهرت آن‌ها توسعه‌ي تجربه‌هاي متخصصي متخصصدي صدها ميليون نفر نيست.

طبق عادت هميشگي، اپل در ارائه‌هاي بازاريابي جديدش از يادگيري ماشين براي ارتقاي برخي از قابليت‌هاي جديد آيفون يا اپل‌ واچ يا آيپد ياد كرد؛ اما درباره‌ي جزئيات آن سخن نگفت؛ البته اغلب افرادي كه آيفون مي‌خرند، هرگز برنامه‌هاي معرفي اپل را تماشا نمي‌كنند. درمقابل، گوگل حتي در پيام‌رساني‌‌هايش به متخصصان از هوش مصنوعي استفاده مي‌كند.

مثال‌هاي متعددي از متخصصد يادگيري ماشين در نرم‌افزارها و دستگاه‌هاي اپل وجود دارند كه اغلب آن‌ها در چند سال گذشته توسعه يافته‌اند. براي مثال، در‌ آيپد از يادگيري ماشين براي تشخيص لمس تصادفي صفحه‌‌نمايش يا طراحي با قلم اپل استفاده مي‌شود. لمس عمدي به‌معني واردكردن ورودي است. همچنين، از اين قابليت براي نظارت بر عادت‌هاي متخصص و بهينه‌سازي طول عمر و شارژ باتري استفاده شده است. اين قابليت دو مزيت دارد: در زمان متخصص براي شارژ صرفه‌جويي مي‌شود و دوام باتري را افزايش مي‌دهد.

قابليت ديگر Siri است كه تقريبا تمام متخصصان آيفون آن را نوعي هوش مصنوعي مي‌دانند. يادگيري ماشين در بسياري از وظايف سيري مثل تشخيص گفتار تا تلاش براي ارائه‌ي پاسخ‌هاي مفيد نقش ايفا مي‌كند. متخصصان حرفه‌اي آيفون شايد متوجه قابليت يادگيري ماشين اپليكيشن Photos براي قراردادن خودكار برخي تصاوير در گالري‌هاي مشخص شده باشند يا وقتي اسمي را در فيلد جست‌وجوي اپليكيشن وارد مي‌كنند، تصاوير مربوط به آن اسم نمايش داده مي‌شوند.

به‌طوركلي، تعداد كمي از متخصصان متوجه عملكرد يادگيري ماشين مي‌شوند. براي مثال، ممكن است آيفون شما با هربار فشردن دكمه‌ي شاتر، تصاوير متعددي را در يك توالي سريع ثبت كند. الگوريتم يادگيري‌ديده‌‌ي يادگيري ماشين هر تصوير را تحليل مي‌كند و بهترين بخش هركدام از تصاوير را برمي‌گزيند و تمام تصاوير را در يك تصوير ادغام مي‌كند.

تلفن‌هاي هوشمند به پردازنده‌هاي سيگنال تصوير (ISP) مجهز هستند كه هدف آن‌ها بهبود كيفيت تصاوير ديجيتالي در زمان آني است. اپل در سال ۲۰۱۸ با توليد ISP در آيفون و مرتبط‌ساختن آن با Neural Engine، سرعت پردازش تصوير را افزايش داد. Neural Engine يكي از پردازنده‌هاي متمركز يادگيري ماشين جديد اپل است. جياناندريا به متخصصدهاي يادگيري ماشين در جديدترين محصولات و نرم‌افزارهاي اپل اشاره مي‌كند و اين مثال‌ها را مي‌آورد:

تعداد زيادي از تجربه‌هاي متخصصي جديد با استفاده از يادگيري ماشين توسعه يافته‌اند؛ قابليت‌هايي مثل ترجمه‌ي زبان يا املا يا امكانات جديد مربوط به سلامتي و خواب و شست‌وشوي دست‌ها. همچنين، قابليت‌هايي كه در گذشته درزمينه‌ي سلامت قلب و موضوعات اين‌چنيني ارائه داديم، در اين دسته قرار مي‌گيرند. درحال‌حاضر، فقط در بخش‌هاي محدودي از iOS از يادگيري ماشين استفاده نشده است. پيش‌گويي‌ها تقريبا در تمام بخش‌ها مثل پيش‌گويي اپليكيشن يا پيش‌گويي صفحه‌كليد تعبيه شده‌اند. دوربين تلفن‌هاي هوشمند مي‌توانند نقاط برجسته‌ي تصوير را تفكيك و محاسبه كنند. با اين قابليت مي‌توان مهم‌ترين قسمت تصوير را تشخيص داد يا براي مثال پس‌زمينه را در حالت پرتره محو كرد. كل امكانات يادشده  از يادگيري ماشين سرچشمه مي‌گيرند كه در پلتفرم اصلي اپل تعبيه شده‌اند؛ درنتيجه، به شما مي‌گويم چيزي را پيدا كنيد كه در آن از يادگيري ماشين استفاده نكرده باشيم.

بورچرز هم به قابليت‌هاي دسترسي به‌عنوان نمونه‌هاي مهم يادگيري ماشين اشاره مي‌كند. او مي‌گويد: «امكاناتي مثل تشخيص صدا به‌دليل سرمايه‌گذاري روي يادگيري ماشين محقق شده‌اند.» علاوه‌بر‌اين، با مروري بر به‌روزرساني‌هاي سخت‌افزاري و نرم‌افزاري اپل در چند سال گذشته، متوجه تمركز اين شركت بر امكانات واقعيت افزوده خواهيد شد. اغلب اين قابليت‌ها به‌لطف يادگيري ماشين محقق شده‌اند.

يادگيري ماشين متخصصد زيادي در واقعيت افزوده دارد. مسئله‌ي اصلي SLAM يا نقشه‌برداري و موقعيت‌‌يابي هم‌زمان است؛ بنابراين، اگر آيپد مجهز به اسكنر لايدار داريد، به اطراف حركت كنيد. اين اسكنر مدلي سه‌بعدي از آنچه مي‌بيند، ترسيم مي‌كند. براي اين قابليت از يادگيري عميق استفاده شده است؛ درنتيجه، يادگيري عميق توانايي تبديل داده‌هاي خام به داده‌هاي معنادار را به متخصص مي‌دهد.

اپل وظايف يادگيري ماشين را به‌صورت مبتني‌بر موقعيت تعبيه كرده است يا از سخت‌افزارهايي مثل ANE (Apple Neural Engine) يا GPU‌هاي اختصاصي و سفارشي خود (واحدهاي پردازش گرافيكي) استفاده كرده است. جياناندريا و بورچز معتقدند اين استراتژي اپل را از ديگر رقباي خود متمايز مي‌كند.