Découvrez la révolution de l’intelligence sur appareil d’Apple, où la formation des systèmes d’IA repose sur des données utilisateur. Grâce à des innovations comme Siri et Apple Neural Engine, la personnalisation atteint de nouveaux sommets, protégeant la vie privée tout en offrant une expérience utilisateur exceptionnelle.
Détails sur le système de formation d’intelligence artificielle d’Apple utilisant les données des utilisateurs
Le mois dernier, Apple a décidé de retarder le déploiement de ses fonctionnalités Siri plus personnelles et puissantes. Dans le cadre de cette réorientation, un rapport de Bloomberg met en lumière un changement significatif que la société opère dans sa manière de former ses modèles d’intelligence artificielle.
Utilisation des données synthétiques pour le modèle d’IA
Traditionnellement, Apple a utilisé des données synthétiques pour entraîner ses modèles d’IA. Toutefois, cette approche présente certaines limites. En effet, les données synthétiques ont du mal à « comprendre les tendances » dans des fonctionnalités telles que la résumée de texte ou des outils d’écriture qui gèrent des phrases plus longues ou des messages électroniques entiers.
Pour surmonter ce défi, Apple a introduit une nouvelle technologie qui compare les données synthétiques à un petit échantillon d’emails récents des utilisateurs, tout en préservant leur vie privée.
Amélioration des modèles d’IA
Dans un article publié sur le site de recherche en apprentissage automatique d’Apple, la société explique comment elle peut améliorer ses modèles. Apple souligne la nécessité de générer un ensemble d’emails synthétiques couvrant des sujets fréquemment rencontrés dans les messages. Pour cela, elle commence par créer un large éventail de messages synthétiques sur divers sujets. Par exemple, un message synthétique pourrait être : « Voudriez-vous jouer au tennis demain à 11h30 ? »
Cet élaboration se fait sans connaissance des emails individuels des utilisateurs. Ensuite, chaque message synthétique est transformé en une représentation appelée « embedding », qui capte certaines des dimensions clés du message, telles que la langue, le sujet et la longueur. Ces embeddings sont envoyés à un petit nombre d’appareils des utilisateurs ayant choisi de participer à l’analytique des dispositifs.
Les appareils participants sélectionnent alors un petit échantillon d’emails récents et calculent leurs propres embeddings. Chaque appareil examine ensuite lequel des embeddings synthétiques est le plus proche de ces échantillons. Grâce à l’utilisation de la confidentialité différentielle, Apple peut apprendre quels sont les embeddings synthétiques les plus fréquemment sélectionnés à travers tous les dispositifs, sans connaître quel embedding a été choisi sur un appareil donné.
Création et affinage des données d’entraînement
Les embeddings synthétiques les plus fréquemment sélectionnés peuvent ensuite servir à générer des données d’entraînement ou de test. De plus, des étapes d’affinage supplémentaires peuvent être appliquées pour améliorer encore le jeu de données. Par exemple, si le message relatif au tennis est l’un des meilleurs embeddings, un message similaire pourrait être créé en remplaçant « tennis » par « football » ou un autre sport et ajouté au set pour le prochain tour de curation.
Cette démarche permet à Apple d’affiner les sujets et le langage de ses emails synthétiques, ce qui aide à former ses modèles pour produire de meilleures sorties textuelles dans des fonctionnalités telles que les résumés d’emails, tout en protégeant la vie privée des utilisateurs.
Avantages de la confidentialité différentielle
Apple explique que ces techniques lui permettent de « comprendre les tendances globales sans apprendre d’informations sur des individus ». Cette approche vise à garantir que les données personnelles des utilisateurs demeurent protégées tout en permettant à Apple de tirer parti des informations collectées pour améliorer ses offres d’IA.
Le rapport de Bloomberg précise qu’Apple prévoit de déployer ce nouveau système dans une future version bêta de iOS 18.5 et macOS 15.5. Ces innovations témoignent de l’engagement d’Apple à respecter la vie privée de ses utilisateurs tout en intégrant des capacités d’intelligence artificielle avancées dans ses produits.
Pour plus de détails, vous pouvez lire l’article complet sur la recherche en apprentissage automatique d’Apple.
Sources pour approfondir le sujet :
Quelles sont les nouvelles fonctionnalités de Siri prévues par Apple ?
Apple a récemment retardé le déploiement de ses fonctionnalités Siri plus personnelles et puissantes, tout en cherchant à améliorer les mises à jour futures d’Apple Intelligence.
Comment Apple entraîne-t-il ses modèles d’intelligence artificielle ?
Apple utilise généralement des données synthétiques pour entraîner ses modèles d’IA, mais cette méthode a des limites, notamment la difficulté à comprendre les tendances dans des fonctionnalités comme les outils de résumé ou d’écriture.
Quelle est la nouvelle technologie qu’Apple va utiliser pour améliorer ses modèles ?
Apple met en avant une nouvelle technologie qui compare les données synthétiques à un petit échantillon d’emails récents des utilisateurs, tout en préservant leur vie privée, afin d’améliorer ses modèles.
Qu’est-ce que l’embedding dans le contexte de l’IA d’Apple ?
L’embedding est une représentation dérivée de chaque message synthétique qui capte les dimensions clés du message, comme la langue, le sujet et la longueur, et qui est utilisée pour affiner les modèles d’IA.
