Пять лет назад Apple стала первой технической корпорацией, которая интегрировала «умного» помощника в собственную операционную систему. Siri — это своего рода усовершенствованная версия приложения, приобретенного «яблочной» компанией в 2010 году. Дебют вызвал восторженные отзывы среди общественности, но со временем у владельцев продукции Apple возник ряд вопросов к недоработкам Siri. Пользователей не устраивала искаженная интерпретация команд, которую нельзя было исправить даже jailbreak-твиками.

2
Эдди Кью, старший вице-президент Apple по программному обеспечению
Именно поэтому 15 августа 2014 года Apple перевела своего помощника на систему, основанную на нейронной сети. Ранее корпорация обращалась к методам вроде скрытой модели Маркова, а теперь задействует технологии машинного обучения (ML), в том числе сверточные и глубинные нейронные сети (DNN), нейронную сеть Джордана, а также униграммы. Первые обновления Siri не принесли существенных изменений, но теперь система в корне изменилась.

Как это обычно бывает с программными продуктами, Apple не стала отчитываться об этапах развития «умного» помощника. Сейчас же в корпорации заявляют, что им удалось достигнуть ошеломляющих результатов по части интерпретации пользовательских запросов.

«Это был один из проектов, прогресс которого оказался настолько значительным, что мы проводили десятки тестов, чтобы убедиться в достигнутых результатах», — говорит Эдди Кью, старший вице-президент компании Apple по программному обеспечению.

Для Apple секретность разработок прежде всего

Эта история метаморфоз Siri может удивить всех, кто в первую очередь связан с миром искусственного интеллекта. Не то чтобы в корпорации улучшили целую экосистему ИИ, но умелая работа Apple с нейронными сетями заслуживает внимания. До недавнего времени, а именно до нескольких громких приобретений и активизации «яблочников» в поиске специалистов в сфере искусственного интеллекта, многие эксперты считали корпорацию отстающей в гонке за использование мощных ИИ-инструментов наилучшим образом. Поскольку Apple всегда вела свою деятельность в стороне ото всех, никто даже не мог догадываться об амбициях корпорации в машинном обучении. «Apple тяжело назвать частью общественности», — говорит Джерри Каплан, преподаватель курса по истории искусственного интеллекта в Стэнфорде. «Разработки этой корпорации в сфере ИИ настолько секретны, как и в Агентстве национальной безопасности». Однако люди, приближенные к сфере ИИ, полагают, что если бы достижения Apple были бы настолько серьезными, как у Facebook или Google, о них бы узнали практически наверняка.

«В Google, Facebook и Microsoft работают лучшие ML-специалисты», — уверен Орен Этциони из института искусственного интеллекта П. Аллена. «Apple действительно наняла людей, знающих на И. И. Но назовите хотя бы 5 ведущих сотрудников, работающих на эту корпорацию в сфере машинного обучения! У них есть сервис распознавания речи, но не понятно, где еще Apple задействует ML».

В августе 2016 года Apple все же показала другие проекты, в которых используется машинное обучение. Правда, не для Этциони, а для журналиста известного издания Backchannel. Репортер провел почти целый день в конференц-зале штаб-квартиры Apple в Купертино, где получил массу информации от топ-менеджеров корпорации (вышеупомянутого Эдди Кью, вице-президента по маркетингу Фила Шиллера и старшего вице-президента по разработке П. О. Крейга Федериги) касательно деятельности корпорации в сфере искусственного интеллекта. С самого начала беседы ключевые фигуры Apple вручили журналисту плотную двухстраничную повестку дня, на которой были указаны все продукты и услуги вендора, связанные с ML: одни уже готовились получать патенты, другие можно было только обсуждать.

Разработки Apple в сфере ИИ

Если у вас есть iPhone, вы определенно столкнетесь с искусственным интеллектом от Apple, и речь идет не только об улучшенной сообразительности Siri. Яркое проявление ИИ — идентификация телефоном абонента, которого нет в вашем списке контактов, но который недавно отправлял вам e-mail. Или, например, когда вы делаете свайп по экрану, чтобы увидеть список приложений, которые, скорее всего, скоро откроете — это тоже искусственный интеллект. А еще ИИ Apple — это когда вы получаете напоминание о событии, которое ни за что бы не догадались добавить в календарь (например, уведомление о пробках на дорогах, и если вы хотите успеть на встречу, то вам лучше выехать пораньше). И, наконец, работа искусственного интеллекта хорошо видна, когда iPhone самостоятельно маркирует на карте место, где пользователь припарковал машину. Все это стало возможным благодаря внедрению корпорацией глубинного обучения и нейронных сетей. Своеобразный «мозг Apple» находится внутри вашего iPhone.

Распознавание лиц? Apple в игре благодаря нейронным сетям
Распознавание лиц? Apple в игре благодаря нейронным сетям
Топ-менеджеры уверяют, что машинное обучение в той или иной мере используется во всех сервисах и продуктах корпорации. Apple применяет глубинное обучение для отслеживания мошенничества в App Store, продления «жизни» батареи от одной зарядки, а также чтобы определить наиболее полезные отзывы среди тысяч отчетов бета-тестеров. ML помогает «яблочному» гиганту выбрать подходящие новости для каждого пользователя. Оно определяет, когда владельцы Apple Watch занимаются спортом, а когда просто прогуливаются. Распознавание лиц и локаций в фотографиях — это также дело машинного обучения. Оно выясняет, что будет лучше: остаться подключенным к слабому сигналу Wi-Fi или перейти на сотовую передачу данных. Машинное обучение даже знает толк в кинопроизводстве, позволяя реализовать возможность компоновки снимков и видео в мини-фильм одним нажатием кнопки. Руководители Apple говорят, что многие конкуренты пытались реализовать подобные вещи, но никому не удалось соединить хороший функционал с высоким уровнем конфиденциальности.

Apple нельзя назвать новичком в использовании искусственного интеллекта: в начале 1990-х годов корпорация применила некоторые методы машинного обучения в продуктах по распознаванию рукописного текста (речь идет о карманном ПК Newton). Что-то подобное можно увидеть и в современных решениях, которые преобразовывают нацарапанные ногтем китайские иероглифы в текст или распознают ввод типа «letter-by-letter» на циферблате Apple Watch. Обе эти функции были реализованы одной командой ML-разработчиков. Конечно, в прежние времена машинное обучение было более примитивным, а о существовании термина «глубинное обучение» знали только в узких кругах. Сегодня эти методы искусственного интеллекта применяются чаще, и Apple знает, что технологии ИИ могут быть применены во многих областях. В 2014 году об этом заявил CEO корпорации Тим Кук. А теперь ведущие менеджеры компании принимают меры для изменения ситуации.

Apple Watch использует машинное обучение в приложениях для занятий спортом
Apple Watch использует машинное обучение в приложениях для занятий спортом
«За последние 5 лет в Apple произошел ощутимый рост использования искусственного интеллекта», — говорит Фил Шиллер. «Наши устройства становятся умнее, и не последнюю роль в этом играют микропоцессоры серии A. Это же касается и программно-аппаратной части всех устройств, все узлы которой синхронизируются между собой. Это дает простор для использования машинного обучения, с которым можно прояснить много вещей».

Что препятствует развитию машинного обучения в корпорации?

Несмотря на приязнь Apple к машинному обучению, вполне возможно, что руководители корпорации рассматривают ML только с бизнес-позиции. Руководители купертиновской компании видят в глубинном и машинном обучении последний устойчивый тренд технологий. Действительно, машинное обучение — часть ИИ, которая меняет определенные аспекты в работе Apple, но она не является настолько прорывной, какими в свое время стали multitouch-дисплеи, экраны и объектно-ориентированное программирование как таковое. Несмотря на широкую популяризацию, в экосистеме «яблочной» корпорации ML не рассматривается как последняя инстанция. «На протяжении последних лет был ряд других технологий, которые поменяли методы взаимодействия с устройствами», — говорит Э. Кью. В Apple уверяют, что не хотят заниматься спекуляциями, которые возникают на почве разработки любого ИИ-проекта. Как и следовало ожидать, в корпорации не подтвердили, велись ли работы по производству автономной системы управления автомобилем; не было комментариев и о попытке создания аналога Netflix. Тем не менее, разработчики дали четко понять, что они не занимались чем-то вроде создания Skynet.

«Мы используем эти методы для реализации наших давних амбиций», — говорит Ф. Шиллер. «Также мы планируем начать новые проекты, которые раньше просто не могли выполнить. Это методы, которые в конечном итоге станут основой нашей компании».

По мере общения с топ-менеджерами, становится ясным уровень применения искусственного интеллекта в экосистеме Apple. На данный момент корпорация сдерживается от более активного внедрения ИИ из-за отсутствия поисковой машины, которая могла бы передавать данные для изучения нейронных сетей; другая причина — проблема с защитой конфиденциальной информации. Но, похоже, в компании поняли, как обойти эти препятствия.

Есть проблема — найдется и решение

Давайте задумаемся: насколько большой этот «мозг», динамический кэш, без которого невозможно представить машинное обучение на iPhone? В Apple уверяют, что в среднем его объем равен 200 МБ, в зависимости от того, сколько личной информации хранится в телефоне. Сюда входит информация об использовании приложений, взаимодействии с другими пользователями, генератор речи и текста. Также используются данные нейронных сетей, с помощью которых распознаются объекты, лица, места съемки.

И, по словам Apple, все это делается так, что ваши предпочтения и места пребывания остаются полностью конфиденциальными.

Хотя в корпорации не принято распространятся об ИИ-проектах, журналисту Backchannel удалось получить информацию о том, как Apple использует машинное обучение в организации работы. ML распространяется по всей компании и становится доступным для команд разработчиков, которые ранее применяли ИИ в отдельных продуктах и планировали его использовать в других решениях. «В Apple машинному обучению не принадлежит статус культовой идеологии», — говорит Крейг Федериги. «Мы стараемся применять его точечно, предоставляя ML командам, способным выжать максимум для комфорта пользователей».

К. Федериги заверил, что тем или иным образом машинное обучение в структуре Apple затрагивает «множество» людей. И, что самое интересное, в данной отрасли искусственного интеллекта трудятся специалисты, которые не обязательно имеют опыт работы в машинном обучении. По словам старшего вице-президента по разработке ПО, корпорация нанимает людей, хорошо ориентирующихся в фундаментальных областях математики, статистики, криптографии и языков программирования. «Многие основополагающие отрасли находят отражение в машинном обучении. Несмотря на то, что сегодня мы привлекаем специалистов по ML, Apple также ищет людей, которые обладают хорошими базовыми навыками и ярко выраженным талантом».

Старший вице-президент по разработке программного обеспечения Крейг Федериги (слева) слушает руководителя команды обработки голоса Siri Алекса Эйсеро в штаб-квартире Apple
Старший вице-президент по разработке программного обеспечения Крейг Федериги (слева) слушает руководителя команды обработки голоса Siri Алекса Эйсеро в штаб-квартире Apple
И хотя г-н Федериги не говорит этого прямым текстом, такой подход может быть вынужденным, а не добровольным. Склонность Apple оставаться в тени ставит корпорацию в невыгодное положение по сравнению с конкурентами, которые напротив поощряют ведущих специалистов делиться исследованиями и разработками с общественностью. «Подобная практика подкреплена желанием улучшить отбор специалистов: люди, которые работают на команду для создания качественного продукта, всегда ценятся больше тех, чья главная задача — банальная публикация наших разработок», — уверяет топ-менеджер. «Для нас во главе угла стоит конечный результат», — добавляет Э. Кью.

Сторонние фирмы как источник новых кадров

Некоторых перспективных сотрудников в сфере ML удается получить благодаря множеству приобретений. «Недавно мы покупали от 20 до 30 небольших компаний в год, благодаря чему компания получила немало хороших сотрудников», — делится с журналистом г-н Кью. Когда Apple приобретает ИИ-фирму, речь не идет о том, чтобы из всех новоприбывших специалистов по машинному обучению создать огромный отдел. По утверждению К. Федериги, корпорации интересны талантливые кадры со знаниями в определенных отраслях ИИ, но главным образом их интересуют люди, которые хотят достигнуть серьезных результатов.

В начале прошлого месяца за $200 млн Apple приобрела Turi — компанию, базирующуюся в Сиэтле. Ее специалистам удалось создать ML-инструментарий, который по своим возможностям сравним с TensorFlow от Google. Эта покупка подпитывает спекуляции о том, что купертиновская корпорация планирует создать точно такой же инструмент как для использования во внутренней структуре, так и для вывода на рынок. Высшее руководство Apple воздерживается от комментирования слухов. В ближайший год или два мы точно узнаем, что задумали в корпорации. Индикатором станет значимое событие, вроде того, когда Siri получила некоторые предикативные возможности Cue — небольшого стартапа, приобретенного Apple в 2013 году.

Для Apple не играет роли, откуда появляются разработчики: инфраструктура искусственного интеллекта в Apple позволяет создавать решения, которые ранее казались чем-то невозможным. Происходит изменение вектора деятельности компании. «Интересные идеи рождаются в нашей корпорации постоянно», — уверяет Фил Шиллер. «Машинное обучение позволяет нам сказать „да“, тем вещам, которые мы не могли реализовать еще несколько лет тому назад. Оно становится одним из решающих факторов, когда мы определяем, какой продукт будет разрабатываться следующим».

Текущие достижения корпорации

Яркий пример влияния ML на разработку — создание Apple Pencil для iPad Pro. Чтобы запустить высокотехнологичный стилус на широкий рынок, компании пришлось иметь дело с тем, что когда люди пишут на планшете, их рука постоянно задевает сенсорный дисплей, в результате чего нельзя получить желаемый результат. Использование модели с интегрированным сенсором на базе машинного обучение позволило «отключить» ладонь: система способна отличать свайп от прикосновения и ввода информации с помощью стилуса. «Если бы Apple Pencil не работал с высочайшей стабильностью, я бы не смог назвать его хорошим продуктом», — говорит К. Федериги.

Наверное, наилучшим показателем прогресса Apple в машинном обучении является «умный» помощник Siri — главное ИИ-приобретение корпорации на сегодняшний день. Истоки Siri находятся в некогда амбициозной программе DAPRA, главным заданием которой было создание интеллектуальных помощников. Позже некоторые разработчики решили основать собственную компанию, чтобы, используя имеющиеся технологии, выпустить полноценное приложение. Покупку молодой фирмы курировал лично Стив Джобс, и он уже тогда, в 2010 году, решил, что Siri будет встроена в новую версию iOS. Так и случилось в октябре 2011 года, когда представление революционной системы стало кульминацией мероприятия, приуроченного к выходу iPhone 4s. На сегодняшний день система, вызываемая нажатием кнопки Home, умеет делать намного больше, чем это было сразу после ее анонса. Интеллект Siri — это неотъемлемая часть мозга Apple, который работает постоянно.

По мере возрастания интереса к новому продукту, Э. Кью рассказывает о его 4 составляющих компонентах: распознавание речи (чтобы понимать, когда пользователь говорит с системой), понимание живого языка, реализация выполняющих функций (выполнение запросов) и принятие ответных мер (диалог с пользователем). «Машинное обучение оказало невероятное влияние на все эти аспекты», — уверен г-н Кью.

Переход на нейронные сети

Начальник отдела программных разработок Siri Том Грубер (сверху) и Алекс Эйсеро
Начальник отдела программных разработок Siri Том Грубер (сверху) и Алекс Эйсеро
Начальник отдела программных разработок Siri Том Грубер, который пришел в Apple сразу после заключения сделки, говорит, что до того, как корпорация начала применять в интеллектуальном помощнике нейронные сети, масштабы клиентской базы компании открывали доступ к данным, которые сыграли ключевую роль в развертывании этих сетей позже. «Стив (прим. Джобс) сказал, что я собираюсь запустить приложение для сотен миллионов пользователей без бета-версии. „Они расскажут тебе о недочетах и выразят свое мнение по приложению“. Это был первый вестник революции. Тогда мы и прибегли к нейронным сетям», — рассказывает Т. Грубер.

Переход Siri к нейронной сети распознавания речи стал более интенсивным с приходом некоторых экспертов в области искусственного интеллекта, в том числе и Алекса Эйсеро, который сейчас возглавляет команду по обработке речи. Эйсеро связал свою карьеру с технологиями обработки речи в компании Apple еще в начале 90-х годов, а затем в течение многих лет работал в структуре Microsoft Research. «Мне нравилось то, чем я занимаюсь, и я опубликовал немало своих работ», — делится мнением специалист. «Но когда появилась Siri, я подумал, что это реальный шанс воплотить в жизнь глубинные нейронные сети, которые могли бы стать повседневным инструментом для миллионов людей». Другими словами, Эйсеро был и остается таким ученым, который идеально подходит Apple: разработку продукта он наделяет более высоким приоритетом по сравнению со своими публикациями.

Когда Эйсеро прибыл в Apple в 2013 году, корпорация продолжала от третьего лица лицензировать большинство технологий распознавания речи. К. Федериги отмечает, что к подобной практике компания прибегает постоянно. «Как только становится понятно, что та или иная технология играет решающую роль в максимально эффективной разработке продукта, мы тут же пытаемся реализовать проект. При том мы намерены вести разработки внутри организации. Сервисы по распознаванию речи — пример того, как Apple удалось использовать внешний ресурс для успешного старта новой кампании».

Команда разработчиков приступила к обучению нейронных сетей, чтобы подкорректировать исходники Siri. «У нас есть самое большое производство графических процессоров, которое функционирует постоянно. А еще мы прогоняем терабайты данных», — говорит Эйсеро. Состоявшийся в июле 2014 года релиз показал, что все старания не были напрасными.

«Частота появления ошибок уменьшилась более чем в 2 раза во всех языках. Это стало возможным, прежде всего, благодаря глубинному обучению и нашему подходу к работе с ним: мы не только оптимизировали алгоритм работы, но и улучшили весь продукт в целом», — уверяет глава команды по обработке речи.

Преимущества Apple перед кокурентами

Apple — не первая компания, которая прибегла к использованию DNN в сервисах распознавания речи. Но у «яблочников» есть неоспоримое преимущество. Поскольку корпорация производит собственные микросхемы, Эйсеро говорит, что у него была возможность работать непосредственно с инженерами по аппаратной части и специалистами, которые пишут прошивку для достижения максимальной производительности нейронной сети. Потребности команды разработчиков Siri повлияли даже на дизайн iPhone 4s.

«Речь идет не просто о создании кремниевого процессора. На этой стадии нам нужно настроить микрофоны, встраиваемые в девайс, другие аппаратные средства, а также стек программного обеспечения, который отвечает за обработку звука. Все в одном флаконе, можно сказать. Такой подход дает нам огромное преимущество перед компаниями, которые сначала разрабатывают ПО, а потом оценивают его работоспособность на стороннем железе», — добавляет К. Федериги.

Иным «плюсом» для Apple является то, что, применяя нейронные сети в одном продукте, корпорация может на его основании разработать другой проект в будущем. Таким образом, машинное обучение, которое помогает Siri понять пользователя, становится инструментом, способным обработать человеческую речь, отбрасывая необходимость ручного ввода. В результате работы интеллектуального помощника, все больше людей считают, что Apple следует быть последовательной и развивать технологию голосового ввода в сообщениях.

Переломный момент в развитии Siri

Второй компонент Siri, о котором упомянул Э. Кью, было распознавание живого языка. Система начала использовать ML в ноябре 2014 года, чтобы лучше понять намерения пользователя. Еще через год появилась версия помощника с более проработанным глубинным обучением. Как это произошло с функцией распознавания речи, машинное обучение улучшило «квалификацию» Siri, особенно по части интерпретации пользовательских команд. Чтобы подтвердить это, прямо на глазах журналиста, Э. Кью достает свой iPhone и вызывает Siri. «Отправь Джейн 20 долларов через Square Cash», — дает команду топ-менеджер. На экране появляется окно, отвечающее на его просьбу. Затем г-н Кью решил несколько изменить запрос: «Перешли 20 баксов моей жене». Результат оказался аналогичным.

В Apple уверены, что без этих изменений Siri, корпорация вряд ли бы выпустила обновленную версию приставки Apple TV, которая отличается более сложным голосовым управлением. В то время как более ранние версии Siri вынуждали пользователя говорить несколько неестественным образом, теперь, благодаря глубинному обучению, интеллектуальный помощник способен не только отыскать фильм или песню по названию, но и справится с более сложными заданиями. Например, показать хорошие триллеры с Томом Хэнксом. К. Федериги говорит, что до текущего релиза Siri, никто даже не мог такого предположить.

В операционной системе iOS 10, релиз которой состоится через несколько дней, голос Siri станет последним из квартета компонентов, подверженных воздействию ML. Глубокая нейронная сеть заменила ранее лицензированную реализацию озвучки. Все ответы Siri поступают из базы данных аудиозаписей, собранных в голосовом центре; каждое предложение — скомпонованные комбинации имеющихся записей. Т. Грубер рассказывает, что машинное обучение «сглаживает» голос Siri, тем самым делая его максимально похожим на человеческую речь.

А. Эйсеро демонстрирует новые возможности системы. Изначально слышится знакомый голос с робототехническим акцентом. Тогда специалист показывает новую озвучку Siri. Она приветствует пользователя словами «Привет, что я могу для вас сделать?», при чем, делает это в тоне, который можно выдать за живой язык. Разницу, как всегда, обеспечило машинное обучение.

И хотя новая тональность может показаться мелким апдейтом, на самом деле естественному голосу обновленной Siri отводится значимая роль. «Люди становятся более доверчивыми, когда слышат хороший голос. Чем лучше голос, тем комфортнее клиенту работать с Siri, к тому же, натуральная речь вызывает больше доверия. Как итоговый результат — постоянный рост общения с системой».

Готовность запустить обновленную Siri и другие проекты, созданные при помощи машинного обучения, становится еще более важным событием ввиду того, что Apple наконец решила открыть исходный код интеллектуального помощника для сторонних разработчиков. Многие критики отмечают, что компания Apple, у которой партеров по Siri можно пересчитать по пальцам обеих рук, пребывает далеко позади системы. В противовес ставится голосовой помощник Alexa от Amazon, получивший более 1 000 «навыков» благодаря стараниям сторонних программистов. Представители корпорации из Купертино говорят, что сравнение нелогично, ведь пользователи Amazon должны использовать определенный язык, чтобы получить доступ к возможностям помощника. В то время, ка Siri проведет интеграцию с сервисами вроде SquareCash и Uber более естественно. (Еще один конкурент, Viv, созданный другуми соучредителями Siri, также обещает тесную интеграцию со многими сервисами).

Также в Apple сообщают, что улучшения Siri продолжают делать разницу: пользователи открывают для себя новые возможности системы и находят больше ответов на старые запросы. «Уровень общения с Siri продолжает расти», — твердит Э. Кью. «Я считаю, что мы должны продолжить работать по каждому сектору пользовательских запросов. Например, я люблю спорт и могу спросить, кто выиграет сегодня, а Siri ответит мне на поставленный вопрос».

Политика конфиденциальности как палка двух концов

Пожалуй, главная проблема для Apple состоит в том, чтобы ответить на вопрос: как использовать ML и добиться желаемого результата, при этом придерживаясь принципов политики конфиденциальности? Компания шифрует информацию о пользователях так, что юристы Apple или даже ФБР с ордером не смогут ее прочесть. Кроме того, корпорация всегда хвасталась тем, что не собирает клиентские данные в рекламных целях.

С одной стороны, такая политика Apple идеальна с точки зрения пользователя. С другой стороны, строгая позиция руководства по этому вопросу никак не поможет в привлечении наиболее талантливых исследователей в области ИИ.

«Специалистам по машинному обучению необходимо получать максимум информации», — уверен бывший сотрудник Apple, работающий сейчас в компании, специализирующейся на ИИ. «Политика конфиденциальности Apple фактически завязывает одну руку таким сотрудникам. Можно бесконечно спорить о правильности столь жесткой позиции, но текущий расклад дел уже наделил корпорацию статусом не самой продвинутой организации по части искусственного интеллекта».

Эта точка зрения горячо оспаривается руководителями Apple, которые заявляют, что необходимые для машинного обучения профили пользователей необязательно сохранять на облаке, как ненужно сохранять и клиентские модели поведения для обучения нейронных сетей. «Это все неправда: обычные домыслы, не более того», — говорит К. Федериги. «Здорово, что Apple известна как компания, которая уважает права пользователей. И ради пользователей по всему миру, мы хотели бы показать остальным игрокам рынка, как можно найти баланс».

Есть два вопроса, касающиеся политики конфиденциальности. Первый связан с обработкой персональной информации в системах на основе машинного обучения. Когда сведения проходят через нейронную сеть, что далее происходит с этими данными? Второй вопрос задевает проблему сбора информации для подготовки нейронных сетей с целью распознавания пользовательского поведения. Как возможно это смоделировать без сбора персональной информации?

В Apple уверяют, что у них есть ответы на оба вопроса. «Некоторые люди считают, что мы не можем полноценно работать с ИИ, потому что у нас недостаточно информации», — говорит Э. Кью. «Но мы нашли способ получать необходимые данные, сохраняя при этом конфиденциальность. Это результат нашего труда».

Apple решает первый вопрос — защиту личных данных, обрабатываемых нейронными сетями — путем использования собственных методов контроля программного и аппаратного обеспечения. Другими словами, персональная информация остается внутри «Мозга Apple». «Мы ограждаем наиболее деликатные вещи там, где машинное обучение происходит локально для каждого устройства», — говорит старший вице-президент по разработке ПО. В качестве примера он говорит о предложении программ, иконки которых появляются во время свайпа вправо. В идеальном случае, это как раз те приложения, которые вы откроете следующими. Эти предложения основаны на ряде факторов, многие из которых касаются личностных предпочтений. И это работает: К. Федериги говорит, что 90% пользователей находят то, что им нужно. В данном случае Apple занимается обработкой информации на устройстве конкретного пользователя.

Прочие сведения, которые собирает корпорация на конкретном телефоне или планшете, включают в себя, вероятно, наиболее личные данные, обрабатываемые Apple. Речь идет о словах, которые пользователи набирают с использованием стандартной клавиатуры iPhone QuickType. С помощью системы нейронных сетей, функционирующей во время ввода текста, Apple может получить доступ к важным данным вроде информации о рейсе или месте встречи, но эти сведения остаются на вашем телефоне. Даже в случае резервных копий, которые хранятся на облаке Apple, информация помещается таким образом, что самостоятельно достать ее невозможно. «Мы не хотим, чтобы информация о пользователях хранилась на серверах Apple. Нет необходимости в том, чтобы корпорация знала, куда вы завтра полетите или с кем сегодня встречаетесь», — уверяет К. Федериги.

Apple пытается минимизировать объем хранимой информации в целом. К. Федериги приводит пример, в котором в ходе беседы кто-то мог упомянуть термин, являющийся объектом потенциального поиска. Другим компаниям пришлось бы анализировать весь разговор, «вытягивая» информацию с облака. А «яблочный» смартфон может обнаружить его, не сохраняя пользовательские данные. Все благодаря работе системы по постоянному поиску совпадений в так называемой «базе знаний», что расположена на телефоне (это часть «мозга» объемом 200 МБ).

«Это компактная, но довольно полная база знаний. Она используется всеми приложениями Apple, в том числе Safari, Maps и поиском Spotlight. Также база помогает в автоматической коррекции слов. Система постоянно функционирует в фоновом режиме», — добавляет топ-менеджер.

Проблема, которая касается машинного обучения, и ставит под вопрос корректную работу нейронных сетей — это второй вопрос, возникающий из-за ограничений по политике конфиденциальности Apple. Нейронным сетям необходимо обрабатывать огромные массивы данных, чтобы предикативные функции работали на должном уровне. Если Apple не хочет собирать информацию обо всех привычках пользователей, то каким образом корпорация получит нужные данные? Как и многие другие организации, купертиновцы решили построить обучение нейронных сетей на общедоступной информации. Но иногда требуются более конкретные данные, которые можно получить только из пользовательской базы. Apple пытается получить эту информацию, не зная о пользователях практически ничего: компания шифрует данные, помечая их специальными идентификаторами, не связанными с Apple ID.

Новая версия старого алгоритма

Начиная с iOS 10, Apple будет использовать новый метод сбора информации — «Дифференциальную конфиденциальность». Он состоит в том, чтобы находить данные в массовых сервисах, не идентифицируя при этом людей в принципе. Например, сигналом к появлению новой тенденции может стать частный набор слов, которых нет в словаре Apple, или всплеск использования определенных смайликов. «Это традиционный путь, благодаря которому отрасль успешно решает данную проблему. Каждое слово или символ, которые вы набрали, отправляются на сервера, где полученная информация обрабатывается, а на выходе можно проследить определенную тенденцию», а — говорит К. Федериги. Хотя «Дифференциальная конфиденциальность» была разработана научно-исследовательским сообществом Apple, корпорация предпринимает меры, чтобы запустить систему в массовом масштабе. «Мы хотим задействовать примерно 1 млрд пользователей по всему миру», — делится планами Э. Кью.

«Работа над системой длилась на протяжении нескольких лет, и сейчас ее можно использовать на практике, даже в больших масштабах. Система невероятно защищена», — уверяет К. Федериги. Топ-менеджер рассказал, что «Дифференциальная конфиденциальность» включается в себя криптографические протоколы. Речь идет об использовании математических моделей в определенных блоках информации, что и позволяет компании Apple определять поведенческую модель без идентификации отдельных пользователей. Он говорит, что вклад Apple можно считать достаточно значительным и ценным для технологического мира в целом.

Машинное обучение в экосистеме корпорации

Машинное обучение повлияло на всю «яблочную» продукцию. Но изменилась ли сама структура Apple под воздействием ML? В некотором смысле, машинное обучение идет в в противоположную сторону от идеалов корпорации. Apple — это компания, которая тщательно контролирует пользовательский интерфейс, включая количество свайпов. Все заранее разработано и четко запрограммировано. Но когда инженеры применяют ML, они должны сделать шаг назад и позволить программному обеспечению находить решения в автономном режиме. Сможет ли корпорация приспособиться к современным реалиям, в которых системы машинного обучения влияют на дизайн продукта?

«Это источник ряда внутренних дебатов», — говорит К. Федериги. «Мы привыкли к хорошо продуманному интерфейсу, в котором мы контролируем взаимодействие ОС с пользователем. Когда вы начинаете использовать систему, основанную на данных о пользовательских привычках, итоговые результаты не всегда совпадают с ожиданиями сотрудников Apple. Они являют собой строгую структуру, возникшую из анализа данных».

Однако Ф. Шиллер уверяет, что Apple не хочет возвращаться в прошлое. «Хотя эти методы влияют на то, как устройство будет выглядеть в конечном итоге, машинное обучение помогает нам создавать более качественные продукты».

Вот здесь и кроется вся суть: Apple не может целиком и полностью перейти на машинное обучение, но компания будет его использовать как можно больше с целью улучшения гаджетов. Вряд ли можно поспорить с тем, что ML — этакий мозг внутри смартфона.

«Среднестатистический пользователь будет знакомиться с действием алгоритмов машинного обучения изо дня в день по мере использования своего устройства», — уверяет вице-президент по маркетингу. «Наиболее впечатляющие проявления ML настолько тонки, что вы не сразу начинается задумываться о том, как это работает».

ОСТАВЬТЕ ОТВЕТ