چرا اپل خود را پیشتاز هوش مصنوعی جهان می‌داند؟

امروزه، یادگیری ماشین (ML) و هوش مصنوعی (AI) تقریبا در تمام امکانات گوشی آیفون دیده می‌شوند؛ اما اپل مانند دیگر رقبایش این امکانات را ستایش نمی‌کند؛ زیرا این شرکت رویکرد متفاوتی دربرابر امکانات جدید AI و ML خود دارد.

اپل وجهه‌ی عمومی چندانی در‌ حوزه‌ی هوش مصنوعی یا یادگیری ماشین ندارد. برای مثال، افرادی که با دستیار هوش مصنوعی سیری اپل سروکار داشتند، کارایی آن را کمتر از دستیارهایی مثل گوگل اسیستنت یا الکسای آمازون می‌دانستند. بسیاری از علاقه‌مندان فناوری درباره‌ی یادگیری ماشین می‌گویند داده‌های بیشتر به‌معنی مدل‌های بهتر هستند؛ اما اپل حتی در‌زمینه‌ی جمع‌آوری داده هم به‌اندازه‌ی شرکت‌هایی مثل گوگل شناخته‌شده نیست.

با وجود تمام این موضوعات، اپل برای وظایف یادگیری ماشین در اغلب دستگاه‌هایش سخت‌افزارهای اختصاصی را پیاده‌سازی کرده است. مدیران این شرکت از قابلیت هوش ماشین برای توسعه‌ی امکانات جدید آیفون یا آیپد یا اپل‌واچ استفاده می‌کنند. معرفی مک همراه‌با تراشه‌ی اپل در سال جاری، زمینه‌ساز توسعه‌‌ی قابلیت‌های هوش ماشین در بسیاری از شرکت‌های تولیدکننده‌ی لپ‌تاپ شد.

با معرفی تراشه‌ی اپل، جان جیاناندریا، معاون ارشد استراتژی هوش مصنوعی و یادگیری ماشین اپل و باب بورچرز، معاون بازاریابی محصول اپل، درباره‌ی فلسفه‌ی هوش مصنوعی اپل و استفاده از یادگیری ماشین برای توسعه‌ی امکانات جدید و استراتژی AI/ML توضیح دادند.

با اینکه کامپیوترها با سرعت و دقت بیشتری از انسان می‌توانند داده‌های مشخصی را پردازش کنند، باز‌هم به‌اندازه‌ی انسان هوشمند نیستند. در مدل‌های سنتی برنامه‌نویسی کامپیوتری، انسان دستورهای مشخصی به کامپیوتر ارسال می‌کند. برای مثال، اگر چنین اتفاقی رخ داد، دقیقه‌ای مشخص این کار را انجام بده؛ اما اگر اتفاق دیگری رخ داد، کار دیگری را انجام بده. البته برنامه‌نویسان می‌توانند در این زمینه خلاقانه عمل کنند و برنامه‌های پیچیده‌تری را بنویسند؛ اما ماشین در قضاوت ناتوان است.

در یادگیری ماشین، برنامه‌نویس نه‌تنها می‌تواند دستورهایی را به کامپیوتر ارسال کند؛ بلکه مجموعه‌ی داده‌ای مرتبط با وظایف و روش تحلیل این مجموعه را هم می‌تواند وارد کامپیوتر کند. سپس کامپیوتر به‌مرورزمان قادر به برچسب‌گذاری و تفسیر داده‌ها براساس بازخوردهای مثبت و منفی خواهد بود. بدین‌ترتیب، ماشین براساس الگوریتم‌هایی مشخص درباره‌ی داده‌ها حدس خواهد زد و شباهت داده‌های جدید را با داده‌هایی بررسی می‌کند که قبلا دریافت کرده است.

امروزه، وقتی شرکت‌های بزرگ فناوری از هوش مصنوعی سخن می‌گویند، اغلب اوقات به یادگیری ماشین اشاره می‌کنند. یادگیری ماشین یکی از زیرمجموعه‌های هوش مصنوعی است و بسیاری از قابلیت‌های جدید مثل تشخیص تصویر حاصل یکی از زیرمجموعه‌های یادگیری ماشین، یعنی یادگیری عمیق هستند.

 از هوش مصنوعی در قابلیت شست‌شوی دست اپل‌واچ استفاده شده است.

جیاناندریا و بورچرز هر دو چندین سال است که به اپل ملحق شده‌‌اند و در گذشته در گوگل فعالیت می‌کردند. بورچرز پس از چند سال دوری از اپل، دوباره به این شرکت بازگشت و تا سال ۲۰۰۹، مدیر ارشد بازاریابی آیفون بود. مهاجرت جیاناندریا از گوگل به اپل در سال ۲۰۱۸، به‌شدت در کانون توجه قرار گرفت؛ زیرا او سرپرست جست‌وجو و هوش مصنوعی گوگل بود.

گوگل و اپل شرکت‌های کاملا متفاوتی هستند. مشارکت‌های گوگل در پژوهش‌های هوش مصنوعی، اعتبار و وجهه‌ی عمومی فراوانی برای این شرکت به‌ارمغان آورده‌ است. درحالی‌که اغلب پژوهش‌های اپل پشت درهای بسته انجام شده‌اند؛ اما در سال‌های اخیر به‌دلیل استفاده از یادگیری ماشین در دستگاه‌های اپل این روند تغییر کرده و مشارکت اپل در جامعه‌ی هوش مصنوعی افزایش یافته است. جیاناندریا می‌گوید:

وقتی به اپل ملحق شدم، یکی از کاربران ثابت آیپد و عاشق کار با قلم آن بودم؛ بنابراین، وقتی به تیم‌های نرم‌افزاری راه پیدا کردم، به آن‌ها گفتم «خب، تیم یادگیری ماشین چه امکاناتی برای دست خط در نظر گرفته است؟» بااین‌حال، نتوانستم چنین تیمی را پیدا کنم.

گروهی که جیاناندریا به‌دنبال آن بود، اصلا در اپل وجود نداشت؛ آن‌هم با اینکه یادگیری ماشین یکی از ابزارهای برتر برای توسعه‌ی امکانات کنونی است. او می‌افزاید:

متوجه شدم اپل درزمینه‌ی یادگیری ماشین راه زیادی در پیش دارد و برایم تعجب‌آور بود که هنوز اقدامی در این زمینه انجام نداده است؛ اما این روند به‌شکل چشمگیری در دوسه سال گذشته تغییر کرده است. با اطمینان می‌گویم در سال‌های آینده، هیچ قسمتی از iOS یا رابطه‌های کاربری اپل از تحولات یادگیری ماشین بی‌نصیب نخواهند ماند.

جیاناندریا در پاسخ به این پرسش که «آیا اپل جای درستی برای او بوده است یا خیر؟»، خلاصه‌‌ای از استراتژی هوش مصنوعی این شرکت را توصیف می‌کند:

اپل همیشه نماد خلاقیت و فناوری بوده است. معتقدم درزمینه‌‌ی ساخت تجربه‌های کاربری هوشمند، وجود یکپارچه‌سازی عمودی از اپلیکیشن‌ها به فریم‌ورک‌ها تا تراشه‌ها بسیار ضروری است. فکر می‌کنم این روند مانند سفر باشد و این سفر آینده‌ی دستگاه‌های محاسباتی هوشمند ما خواهد بود.

بورچرز درباره‌ی استراتژی اپل می‌افزاید:

رویکرد ما درباره‌ی تمام کارها این است: تمرکز بر منافع، نه چگونگی رسیدن به آن‌ها. در بهترین سناریوها، این فرایند می‌تواند به جادویی خودکار تشبیه شود. شما صرفا روی اتفاقات تمرکز می‌کنید، نه چگونگی رخ‌دادن‌ آن‌ها.»

جیاناندریا با اشاره به مثال دست‌خط، اپل را یکی از پیشتازان توسعه‌ی امکانات و محصولات هوش مبتنی بر ماشین معرفی کرد. او می‌گوید:

ما قلم و آیپد و نرم‌افزار هر دو را ساختیم. این دو فرصت‌های منحصر‌به‌فردی برای انجام بهتر کارها هستند. ما اجازه دادیم افراد ‌افکار خلاقانه‌ی خود را روی کاغذی دیجیتالی ثبت کنند. مشتاقم این قابلیت‌ها در مقیاس‌ وسیع جهانی توسعه پیدا کنند.

جیاناندریا با اشاره به گوگل می‌گوید:

گوگل شرکت کم‌نظیری است و متخصصان برجسته‌ای در آن مشغول به کار هستند؛ اما مدل کسب‌و‌کار آن‌ها کاملا متفاوت است و دلیل شهرت آن‌ها توسعه‌ی تجربه‌های کاربری کاربردی صدها میلیون نفر نیست.

طبق عادت همیشگی، اپل در ارائه‌های بازاریابی جدیدش از یادگیری ماشین برای ارتقای برخی از قابلیت‌های جدید آیفون یا اپل‌ واچ یا آیپد یاد کرد؛ اما درباره‌ی جزئیات آن سخن نگفت؛ البته اغلب افرادی که آیفون می‌خرند، هرگز برنامه‌های معرفی اپل را تماشا نمی‌کنند. درمقابل، گوگل حتی در پیام‌رسانی‌‌هایش به کاربران از هوش مصنوعی استفاده می‌کند.

مثال‌های متعددی از کاربرد یادگیری ماشین در نرم‌افزارها و دستگاه‌های اپل وجود دارند که اغلب آن‌ها در چند سال گذشته توسعه یافته‌اند. برای مثال، در‌ آیپد از یادگیری ماشین برای تشخیص لمس تصادفی صفحه‌‌نمایش یا طراحی با قلم اپل استفاده می‌شود. لمس عمدی به‌معنی واردکردن ورودی است. همچنین، از این قابلیت برای نظارت بر عادت‌های کاربر و بهینه‌سازی طول عمر و شارژ باتری استفاده شده است. این قابلیت دو مزیت دارد: در زمان کاربر برای شارژ صرفه‌جویی می‌شود و دوام باتری را افزایش می‌دهد.

قابلیت دیگر Siri است که تقریبا تمام کاربران آیفون آن را نوعی هوش مصنوعی می‌دانند. یادگیری ماشین در بسیاری از وظایف سیری مثل تشخیص گفتار تا تلاش برای ارائه‌ی پاسخ‌های مفید نقش ایفا می‌کند. کاربران حرفه‌ای آیفون شاید متوجه قابلیت یادگیری ماشین اپلیکیشن Photos برای قراردادن خودکار برخی تصاویر در گالری‌های مشخص شده باشند یا وقتی اسمی را در فیلد جست‌وجوی اپلیکیشن وارد می‌کنند، تصاویر مربوط به آن اسم نمایش داده می‌شوند.

به‌طورکلی، تعداد کمی از کاربران متوجه عملکرد یادگیری ماشین می‌شوند. برای مثال، ممکن است آیفون شما با هربار فشردن دکمه‌ی شاتر، تصاویر متعددی را در یک توالی سریع ثبت کند. الگوریتم آموزش‌دیده‌‌ی یادگیری ماشین هر تصویر را تحلیل می‌کند و بهترین بخش هرکدام از تصاویر را برمی‌گزیند و تمام تصاویر را در یک تصویر ادغام می‌کند.

تلفن‌های هوشمند به پردازنده‌های سیگنال تصویر (ISP) مجهز هستند که هدف آن‌ها بهبود کیفیت تصاویر دیجیتالی در زمان آنی است. اپل در سال ۲۰۱۸ با تولید ISP در آیفون و مرتبط‌ساختن آن با Neural Engine، سرعت پردازش تصویر را افزایش داد. Neural Engine یکی از پردازنده‌های متمرکز یادگیری ماشین جدید اپل است. جیاناندریا به کاربردهای یادگیری ماشین در جدیدترین محصولات و نرم‌افزارهای اپل اشاره می‌کند و این مثال‌ها را می‌آورد:

تعداد زیادی از تجربه‌های کاربری جدید با استفاده از یادگیری ماشین توسعه یافته‌اند؛ قابلیت‌هایی مثل ترجمه‌ی زبان یا املا یا امکانات جدید مربوط به سلامتی و خواب و شست‌وشوی دست‌ها. همچنین، قابلیت‌هایی که در گذشته درزمینه‌ی سلامت قلب و موضوعات این‌چنینی ارائه دادیم، در این دسته قرار می‌گیرند. درحال‌حاضر، فقط در بخش‌های محدودی از iOS از یادگیری ماشین استفاده نشده است. پیش‌گویی‌ها تقریبا در تمام بخش‌ها مثل پیش‌گویی اپلیکیشن یا پیش‌گویی صفحه‌کلید تعبیه شده‌اند. دوربین تلفن‌های هوشمند می‌توانند نقاط برجسته‌ی تصویر را تفکیک و محاسبه کنند. با این قابلیت می‌توان مهم‌ترین قسمت تصویر را تشخیص داد یا برای مثال پس‌زمینه را در حالت پرتره محو کرد. کل امکانات یادشده  از یادگیری ماشین سرچشمه می‌گیرند که در پلتفرم اصلی اپل تعبیه شده‌اند؛ درنتیجه، به شما می‌گویم چیزی را پیدا کنید که در آن از یادگیری ماشین استفاده نکرده باشیم.

بورچرز هم به قابلیت‌های دسترسی به‌عنوان نمونه‌های مهم یادگیری ماشین اشاره می‌کند. او می‌گوید: «امکاناتی مثل تشخیص صدا به‌دلیل سرمایه‌گذاری روی یادگیری ماشین محقق شده‌اند.» علاوه‌بر‌این، با مروری بر به‌روزرسانی‌های سخت‌افزاری و نرم‌افزاری اپل در چند سال گذشته، متوجه تمرکز این شرکت بر امکانات واقعیت افزوده خواهید شد. اغلب این قابلیت‌ها به‌لطف یادگیری ماشین محقق شده‌اند.

یادگیری ماشین کاربرد زیادی در واقعیت افزوده دارد. مسئله‌ی اصلی SLAM یا نقشه‌برداری و موقعیت‌‌یابی هم‌زمان است؛ بنابراین، اگر آیپد مجهز به اسکنر لایدار دارید، به اطراف حرکت کنید. این اسکنر مدلی سه‌بعدی از آنچه می‌بیند، ترسیم می‌کند. برای این قابلیت از یادگیری عمیق استفاده شده است؛ درنتیجه، یادگیری عمیق توانایی تبدیل داده‌های خام به داده‌های معنادار را به کاربر می‌دهد.

اپل وظایف یادگیری ماشین را به‌صورت مبتنی‌بر موقعیت تعبیه کرده است یا از سخت‌افزارهایی مثل ANE (Apple Neural Engine) یا GPU‌های اختصاصی و سفارشی خود (واحدهای پردازش گرافیکی) استفاده کرده است. جیاناندریا و بورچز معتقدند این استراتژی اپل را از دیگر رقبای خود متمایز می‌کند.