اپل دیر وارد بازی هوش مصنوعی شد؛ این را همه می‌دانند. طرفداران این شرکت از اواخر سال ۲۰۲۲ که چت‌جی‌پی‌تی طوفانی در جهان فناوری به پا کرد، چشم‌انتظار ورود اپل به این عرصه بوده‌اند، اما تاکنون حرکتی جدی از سوی اپل دیده نشده است.

برخی از رقبا نیز که نگران عقب‌ماندن از این جریان بودند، بلافاصله محصولاتی را با پسوند هوش مصنوعی عرضه کردند که اکثراً مورد استقبال کاربران قرار نگرفتند. اپل نیز مطمئناً به این حوزه علاقه‌مند است و برخی از محصولات جدیدش ازجمله اپلیکیشن لاجیک پرو را با درنظر گرفتن این فناوری عرضه کرده، اما این قدم‌ها در مقایسه با مایکروسافت، گوگل و حتی سامسونگ بسیار کوچک به‌نظر می‌رسند.

از طرفی، به نظر می‌رسد اپل با OpenAI بر سر ادغام ChatGPT در iOS 18، به توافق رسیده است؛ اگرچه به گفته‌ی مارک گرمن از بلومبرگ، اپل بیشتر تمایل دارد با گوگل درباره‌ی ارائه‌ی دستیار هوش مصنوعی جمنای در آیفون به توافق برسد.

ورج برای پی بردن به برنامه‌های اسرارآمیز هوش مصنوعی اپل، نگاه عمیقی به تحقیقات منتشرشده‌ی این شرکت انداخته است که در ادامه آن‌ها را با هم مرور می‌کنیم. البته بدیهی‌ است که از پژوهش تا تولید محصول راه پرپیچ‌وخمی در پیش است و نمی‌توان صرفاً با تمرکز به مقالات پژوهشی درباره‌ی محصولات نهایی این شرکت صحبت کرد؛ اما می‌توان دست‌کم درباره‌ی مدل فکری اپل به نتیجه‌ای رسید.

البته چیزی تا WWDC نمانده است و آنجا پرده از برخی از برنامه‌های مخفی هوش مصنوعی اپل برداشته خواهد شد.

به نظر می‌رسد کاربران اپل همگی منتظر نسخه‌ای بهبودیافته‌ی سیری هستند و ظاهراً اپل هم دارد سیری بهتری را آماده می‌کند. در بسیاری از تحقیقات ثابت شده است که مدل‌ های زبانی بزرگ (LLM)، باعث پیشرفت و هوشمندتر شدن دستیارهای مجازی می‌شوند. بنابراین اپل برای ارائه‌ی نسخه‌ی هوشمندتر سیری، باید تاکنون مدل‌ زبانی بزرگ خود را توسعه داده باشد و به‌زودی دسترسی به آن را از طریق تمام دستگاه‌هایش ممکن کند.

در مقاله‌ای با عنوان «LLM در یک نگاه: استنتاج مدل زبانی بزرگ کارآمد با حافظه‌ی محدود»، محققان اپل سیستمی برای ذخیره‌ی داده‌های یک مدل زبانی ابداع کردند که برخلاف مدل‌های دیگر، به‌جای ذخیره‌ی داده‌ها در رم دستگاه، آن‌ها را در SSD ذخیره می‌کند. این محققان اعلام کردند که توانسته‌اند LLM-هایی با اندازه‌ی دو برابر ظرفیت کل رم دستگاه را روی SSD اجرا کنند. به‌گفته‌ی آن‌ها «سرعت استخراج داده در مدلی که روی SSD قرار دارد، ۴ تا ۵ برابر بیشتر از روش‌های سنتی بارگذاری در CPU و ۲۰ الی ۲۵ برابر بیشتر از GPU در مدل‌های قرارگرفته در رم است. بدین‌ترتیب با استفاده از ارزان‌ترین و در دسترس‌ترین فضای ذخیره‌سازی دستگاه، می‌توان مدل‌های زبانی را سریع‌تر و کارآمدتر از قبل کرد.

محققان اپل نیز سیستم فشرده‌سازی جدیدی به نام EELBERT ساخته‌اند که می‌تواند یک LLM را تا اندازه‌ای بسیار کوچک فشرده کند، بدون اینکه عملکرد آن تضعیف شود. این مدل فشرده تنها ۱٫۲ مگابایت حجم دارد و ۱۵ برابر کوچک‌تر از مدل Bert گوگل است، اما کیفیت نتایج آن پس از فشرده‌سازی تنها ۴ درصد افت می‌کند. البته دریافت و تحویل اطلاعات در این مدل گاهی با تأخیر همراه است.

بسیاری از چیزهایی که در ذهن کاربران است و به‌عنوان هوش مصنوعی از آن یاد می‌کنند، در واقع همان مفهوم دستیار مجازی است؛ دستیارانی همیشه‌آماده که خیلی چیزها را می‌دانند، می‌توانند امور مهم را به ما یادآوری کنند، به سؤالاتمان پاسخ دهند و برخی کارها را به‌جای ما انجام دهند. سیری می‌تواند اغلب این وظایف را با دقت قابل‌ قبولی انجام دهد؛ پس منطقی است که اپل به دنبال بهبود مهارت‌های دستیار مجازی خود تا بالاترین حد ممکن باشد.

گروهی از محققان اپل مشغول تلاش برای فعال‌سازی سیری بدون نیاز به استفاده از عبارت‌های مخصوص فراخوانی آن هستند. در حال حاضر برای فراخوانی سیری حتماً باید عبارت «Hey Siri» یا «Siri» را بر زبان بیاورید. اگر این دستیار مجازی بتواند بدون نیاز به این عبارات تشخیص دهد که دارید با او صحبت می‌کنید یا با فردی دیگر، عملکرد آن بسیار طبیعی‌تر خواهد شد.

جذابیت مدل‌های زبانی مورد بحث در این است که می‌توانند نسبت به رقبا، اطلاعات بسیار بیشتری را با سرعت بالاتر پردازش کنند. مثلاً در مقاله‌ی مربوط به عبارت فراخوانی، محققان دریافتند که با حذف نکردن دیتای صداهای غیرضروری و اجازه دادن به مدل زبانی برای شنیدن تمام اصوات محیط، به آن کمک می‌کنند تا خودش اطلاعات مهم و غیرمهم را از هم تفکیک کند و دقتش در تشخیص عبارت فراخوانی بسیار بیشتر از قبل شود.

وقتی کاربران سیری را صدا می‌زنند، کارهای زیادی در پس‌زمینه انجام می‌شود تا این دستیار صوتی سخنانشان را بفهمد و بهتر با آن‌ها ارتباط برقرار کند. در یک مقاله‌ی دیگر، محققان سیستمی به نام STEER (مخفف تشخیص بسط و توسعه‌ی چرخش معنایی) ایجاد کردند که هدف آن بهبود پیام‌های ردوبدل‌شده میان کاربر و دستیار مجازی و ارتقای توانایی تشخیص دستیار بود تا بفهمد چه زمانی دارید سؤالاتی در تکمیل همان بحث قبلی می‌پرسید و چه زمانی در حال پرسیدن سؤالی جدید هستید.