چرا اپل خود را پیشتاز هوش مصنوعی جهان می‌داند؟

زوميت

بروزرسانی 1399/05/22 - 22:14

چرا اپل خود را پیشتاز هوش مصنوعی جهان می‌داند؟

زوميت/ در چند سال گذشته، اپل با تمرکز بر يادگيري ماشين، اين قابليت را در اغلب سخت‌افزارها و نرم‌افزارهاي خود تعبيه کرده و امروزه، به يکي از پيشتازان اين حوزه تبديل شده است.

امروزه، يادگيري ماشين (ML) و هوش مصنوعي (AI) تقريبا در تمام امکانات گوشي آيفون ديده مي‌شوند؛ اما اپل مانند ديگر رقبايش اين امکانات را ستايش نمي‌کند؛ زيرا اين شرکت رويکرد متفاوتي دربرابر امکانات جديد AI و ML خود دارد.

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

با وجود تمام اين موضوعات، اپل براي وظايف يادگيري ماشين در اغلب دستگاه‌هايش سخت‌افزارهاي اختصاصي را پياده‌سازي کرده است. مديران اين شرکت از قابليت هوش ماشين براي توسعه‌ي امکانات جديد آيفون يا آيپد يا اپل‌واچ استفاده مي‌کنند. معرفي مک همراه‌با تراشه‌ي اپل در سال جاري، زمينه‌ساز توسعه‌‌ي قابليت‌هاي هوش ماشين در بسياري از شرکت‌هاي توليدکننده‌ي 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 امکانات جديد و استراتژي AI/ML توضيح دادند.

مقدمه‌‌اي سريع بر يادگيري ماشين
با اينکه کامپيوترها با سرعت و دقت بيشتري از انسان مي‌توانند داده‌هاي مشخصي را پردازش کنند، باز‌هم به‌اندازه‌ي انسان هوشمند نيستند. در مدل‌هاي سنتي برنامه‌نويسي کامپيوتري، انسان دستورهاي مشخصي به کامپيوتر ارسال مي‌کند. براي مثال، اگر چنين اتفاقي رخ داد، دقيقه‌اي مشخص اين کار را انجام بده؛ اما اگر اتفاق ديگري رخ داد، کار ديگري را انجام بده. البته برنامه‌نويسان مي‌توانند در اين زمينه خلاقانه عمل کنند و برنامه‌هاي پيچيده‌تري را بنويسند؛ اما ماشين در قضاوت ناتوان است.

در يادگيري ماشين، برنامه‌نويس نه‌تنها مي‌تواند دستورهايي را به کامپيوتر ارسال کند؛ بلکه مجموعه‌ي داده‌اي مرتبط با وظايف و روش تحليل اين مجموعه را هم مي‌تواند وارد کامپيوتر کند. سپس کامپيوتر 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 بررسي مي‌کند که قبلا دريافت کرده است.

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

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

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

گوگل و اپل شرکت‌هاي کاملا متفاوتي هستند. مشارکت‌هاي گوگل در پژوهش‌هاي هوش مصنوعي، اعتبار و وجهه‌ي عمومي فراواني براي اين شرکت به‌ارمغان آورده‌ است. درحالي‌که اغلب پژوهش‌هاي اپل پشت درهاي بسته انجام شده‌اند؛ اما در سال‌هاي اخير به‌دليل استفاده از يادگيري ماشين در دستگاه‌هاي اپل اين روند تغيير کرده و مشارکت اپل در جامعه‌ي هوش مصنوعي افزايش يافته است. جياناندريا مي‌گويد:

وقتي به اپل ملحق شدم، يکي از کاربران ثابت آيپد و عاشق کار با قلم آن بودم؛ بنابراين، وقتي به تيم‌هاي نرم‌افزاري راه پيدا کردم، به آن‌ها گفتم «خب، تيم يادگيري ماشين چه امکاناتي براي دست خط در نظر گرفته است؟» بااين‌حال، نتوانستم چنين تيمي را پيدا کنم.
گروهي که جياناندريا به‌دنبال آن بود، اصلا در اپل وجود نداشت؛ آن‌هم با اينکه يادگيري ماشين يکي از ابزارهاي برتر براي توسعه‌ي امکانات کنوني است. او مي‌افزايد:

متوجه شدم اپل درزمينه‌ي يادگيري ماشين راه زيادي در پيش دارد و برايم تعجب‌آور بود که هنوز اقدامي در اين زمينه انجام نداده است؛ اما اين روند به‌شکل چشمگيري در دوسه سال گذشته تغيير کرده است. با اطمينان مي‌گويم در سال‌هاي آينده، هيچ قسمتي از iOS يا رابطه‌هاي کاربري اپل از تحولات يادگيري ماشين بي‌نصيب نخواهند ماند.
جياناندريا در پاسخ به اين پرسش که «آيا اپل جاي درستي براي او بوده است يا خير؟»، خلاصه‌‌اي از استراتژي هوش مصنوعي اين شرکت را توصيف مي‌کند:

اپل هميشه نماد خلاقيت و فناوري بوده است. معتقدم درزمينه‌‌ي ساخت تجربه‌هاي کاربري هوشمند، وجود يکپارچه‌سازي عمودي از اپليکيشن‌ها به فريم‌ورک‌ها تا تراشه‌ها بسيار ضروري است. فکر مي‌کنم اين روند مانند سفر باشد و اين سفر آينده‌ي دستگاه‌هاي محاسباتي هوشمند ما خواهد بود.
بورچرز درباره‌ي استراتژي اپل مي‌افزايد:

رويکرد ما درباره‌ي تمام کارها اين است: تمرکز بر منافع، نه چگونگي رسيدن به آن‌ها. در بهترين سناريوها، اين فرايند مي‌تواند به جادويي خودکار تشبيه شود. شما صرفا روي اتفاقات تمرکز مي‌کنيد، نه چگونگي رخ‌دادن‌ آن‌ها.»
جياناندريا با اشاره به مثال دست‌خط، اپل را يکي از پيشتازان توسعه‌ي امکانات و محصولات هوش مبتني بر ماشين معرفي کرد. او مي‌گويد:

ما قلم و آيپد و نرم‌افزار هر دو را ساختيم. اين دو فرصت‌هاي منحصر‌به‌فردي براي انجام بهتر کارها هستند. ما اجازه داديم افراد ‌افکار خلاقانه‌ي خود را روي کاغذي ديجيتالي ثبت کنند. مشتاقم اين قابليت‌ها در مقياس‌ وسيع جهاني توسعه پيدا کنند.
جياناندريا با اشاره به گوگل مي‌گويد:

گوگل شرکت کم‌نظيري است و متخصصان برجسته‌اي در آن مشغول به کار هستند؛ اما مدل کسب‌و‌کار آن‌ها کاملا متفاوت است و دليل شهرت آن‌ها توسعه‌ي تجربه‌هاي کاربري کاربردي صدها ميليون نفر نيست.

اپل امروزه چگونه از يادگيري ماشين استفاده مي‌کند؟
طبق عادت هميشگي، اپل در ارائه‌هاي بازاريابي جديدش از يادگيري ماشين براي ارتقاي برخي از قابليت‌هاي جديد آيفون يا اپل‌ واچ يا آيپد ياد کرد؛ اما درباره‌ي جزئيات آن سخن نگفت؛ البته اغلب افرادي که آيفون مي‌خرند، هرگز برنامه‌هاي معرفي اپل را تماشا نمي‌کنند. درمقابل، گوگل حتي در پيام‌رساني‌‌هايش به کاربران از هوش مصنوعي استفاده مي‌کند.

مثال‌هاي متعددي از کاربرد يادگيري ماشين در نرم‌افزارها و دستگاه‌هاي اپل وجود دارند که 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 واردکردن ورودي است. همچنين، از اين قابليت براي نظارت بر عادت‌هاي کاربر و بهينه‌سازي طول عمر و شارژ باتري استفاده شده است. اين قابليت دو مزيت دارد: در زمان کاربر براي شارژ صرفه‌جويي مي‌شود و دوام باتري را افزايش مي‌دهد.

امروزه، يادگيري ماشين تقريبا به تمام سخت‌افزارها و نرم‌افزارهاي اپل راه يافته است
قابليت ديگر Siri است که تقريبا تمام کاربران 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 مي‌کند. کاربران حرفه‌اي آيفون شايد متوجه قابليت يادگيري ماشين اپليکيشن Photos براي قراردادن خودکار برخي تصاوير در گالري‌هاي مشخص شده باشند يا وقتي اسمي را در فيلد جست‌وجوي اپليکيشن وارد مي‌کنند، تصاوير مربوط به آن اسم نمايش داده مي‌شوند.

به‌طورکلي، تعداد کمي از کاربران متوجه عملکرد يادگيري ماشين مي‌شوند. براي مثال، ممکن است آيفون شما با هربار فشردن دکمه‌ي شاتر، تصاوير متعددي را در يک توالي سريع ثبت کند. الگوريتم آموزش‌ديده‌‌ي يادگيري ماشين هر تصوير را تحليل مي‌کند و بهترين بخش هرکدام از تصاوير را برمي‌گزيند و تمام تصاوير را در يک تصوير ادغام مي‌کند.

تلفن‌هاي هوشمند به پردازنده‌هاي سيگنال تصوير (ISP) مجهز هستند که هدف آن‌ها بهبود کيفيت 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 يکي از پردازنده‌هاي متمرکز يادگيري ماشين جديد اپل است. جياناندريا به کاربردهاي يادگيري ماشين در جديدترين محصولات و نرم‌افزارهاي اپل اشاره مي‌کند و اين مثال‌ها را مي‌آورد:

تعداد زيادي از تجربه‌هاي کاربري جديد با استفاده از يادگيري ماشين توسعه يافته‌اند؛ قابليت‌هايي مثل ترجمه‌ي زبان يا املا يا امکانات جديد مربوط به سلامتي و خواب و شست‌وشوي دست‌ها. همچنين، قابليت‌هايي که 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 اپليکيشن يا پيش‌گويي صفحه‌کليد تعبيه شده‌اند. دوربين تلفن‌هاي هوشمند مي‌توانند نقاط برجسته‌ي تصوير را تفکيک و محاسبه کنند. با اين قابليت مي‌توان مهم‌ترين قسمت تصوير را تشخيص داد يا براي مثال پس‌زمينه را در حالت پرتره محو کرد. کل امکانات يادشده از يادگيري ماشين سرچشمه مي‌گيرند که در پلتفرم اصلي اپل تعبيه شده‌اند؛ درنتيجه، به شما مي‌گويم چيزي را پيدا کنيد که در آن از يادگيري ماشين استفاده نکرده باشيم.
بورچرز هم به قابليت‌هاي دسترسي به‌عنوان نمونه‌هاي مهم يادگيري ماشين اشاره مي‌کند. او مي‌گويد: «امکاناتي مثل تشخيص صدا به‌دليل سرمايه‌گذاري روي يادگيري ماشين محقق شده‌اند.» علاوه‌بر‌اين، با مروري بر به‌روزرساني‌هاي سخت‌افزاري و نرم‌افزاري اپل در چند سال گذشته، متوجه تمرکز اين شرکت بر امکانات واقعيت افزوده خواهيد شد. اغلب اين قابليت‌ها به‌لطف يادگيري ماشين محقق شده‌اند.

جياناندريا اعتقاد دارد:

يادگيري ماشين کاربرد زيادي در واقعيت افزوده دارد. مسئله‌ي اصلي SLAM يا نقشه‌برداري و موقعيت‌‌يابي هم‌زمان است؛ بنابراين، اگر آيپد مجهز به اسکنر ليدار داريد، به اطراف حرکت کنيد. اين اسکنر مدلي سه‌بعدي از آنچه مي‌بيند، ترسيم مي‌کند. براي اين قابليت از يادگيري عميق استفاده شده است؛ درنتيجه، يادگيري عميق توانايي تبديل داده‌هاي خام به داده‌هاي معنادار را به کاربر مي‌دهد.
اپل وظايف يادگيري ماشين را به‌صورت مبتني‌بر موقعيت تعبيه کرده است يا از سخت‌افزارهايي مثل ANE (Apple Neural Engine) يا GPU‌هاي اختصاصي و سفارشي خود (واحدهاي پردازش گرافيکي) استفاده کرده است. جياناندريا و بورچز معتقدند اين استراتژي اپل را از ديگر رقباي خود متمايز مي‌کند.