एप्पल मशीन लर्निंग एप्पल इंक के भीतर अनुसंधान और विकास संगठन है, जो कृत्रिम बुद्धिमत्ता और मशीन लर्निंग के क्षेत्रों को आगे बढ़ाने के लिए समर्पित है। यह समूह मुख्य एल्गोरिदम, मॉडल और ऑन-डिवाइस तकनीकों का विकास करता है जो एप्पल के पारिस्थितिकी तंत्र में iOS, macOS और सिरी तथा फोटो जैसी सेवाओं सहित सुविधाओं को शक्ति प्रदान करते हैं। इसका कार्य गहन शिक्षण, तंत्रिका नेटवर्क और जनरेटिव एआई में मौलिक अनुसंधान तक फैला हुआ है, जिसमें गोपनीयता-संरक्षण और ऑन-डिवाइस गणना पर मजबूत जोर दिया गया है।
यह विभाग एप्पल के व्यापक सॉफ्टवेयर और हार्डवेयर इंजीनियरिंग छतरी के तहत काम करता है, और कंपनी के कस्टम सिलिकॉन के लिए जिम्मेदार टीमों के साथ निकट सहयोग करता है, जैसे कि एआरएम-आधारित एप्पल सिलिकॉन चिप्स। एप्पल मशीन लर्निंग अनुसंधान पत्र प्रकाशित करता है, कुछ उपकरणों को ओपन-सोर्स करता है, और शैक्षणिक समुदाय के साथ निष्कर्ष साझा करने के लिए एक समर्पित वेबसाइट बनाए रखता है, साथ ही अपनी प्रगति को उपभोक्ता उत्पादों में एकीकृत करता है।
इतिहास और गठन
एप्पल के औपचारिक मशीन लर्निंग प्रयास 2010 के दशक के मध्य में गंभीरता से शुरू हुए, जब कई एआई स्टार्टअप्स का अधिग्रहण किया गया और प्रमुख शोधकर्ताओं को नियुक्त किया गया। 2016 में, एप्पल ने ट्यूरी, एक मशीन लर्निंग प्लेटफॉर्म कंपनी, का अधिग्रहण किया, और 2017 में, इसने कार्नेगी मेलन विश्वविद्यालय के प्रोफेसर रस सलाखुतदीनोव को नियुक्त किया, जो एआई अनुसंधान के निदेशक बने। कंपनी ने ज़ेरॉक्स पार्क-स्पिनऑफ सैमसंग रिसर्च प्रतियोगी का भी अधिग्रहण किया, हालांकि विशिष्ट विवरण गोपनीय बने हुए हैं।
2018 में, एप्पल ने सार्वजनिक रूप से अपनी मशीन लर्निंग पत्रिका लॉन्च की, जिससे शोधकर्ताओं को कंपनी की पूर्व मंजूरी के बिना निष्कर्ष प्रकाशित करने की अनुमति मिली, जो शीर्ष प्रतिभाओं को आकर्षित करने के उद्देश्य से एक कदम था। 2020 तक, संगठन में सैकड़ों शोधकर्ता और इंजीनियर शामिल हो गए थे, जिनके कार्यालय क्यूपर्टिनो, सिएटल और कैम्ब्रिज में थे। समूह का ध्यान कंप्यूटर विज़न और प्राकृतिक भाषा प्रसंस्करण से बढ़कर 2020 के दशक की शुरुआत में ट्रांसफॉर्मर-आधारित मॉडल और बड़े भाषा मॉडल तक विस्तारित हुआ।
प्रमुख अनुसंधान क्षेत्र
एप्पल मशीन लर्निंग का अनुसंधान कई मुख्य क्षेत्रों में फैला हुआ है। कंप्यूटर विज़न एक प्राथमिक फोकस है, जिसमें छवि पहचान, वस्तु पहचान और दृश्य समझ पर काम शामिल है, जो फेस आईडी और फोटो ऐप की खोज जैसी सुविधाओं को रेखांकित करता है। प्राकृतिक भाषा प्रसंस्करण एक और स्तंभ है, जो सिरी की वाक् पहचान और पाठ समझ के साथ-साथ ऑन-डिवाइस कीबोर्ड पूर्वानुमान को सक्षम बनाता है।
समूह मोबाइल हार्डवेयर पर कुशल अनुमान के लिए अवशिष्ट नेटवर्क और अन्य आर्किटेक्चर की भी जांच करता है। मॉडल प्रूनिंग और डेटा संवर्धन तकनीकें मॉडल आकार को कम करने और मजबूती में सुधार करने के लिए विकसित की जाती हैं, जो सीमित शक्ति के साथ ऑन-डिवाइस चलाने के लिए महत्वपूर्ण हैं। इसके अतिरिक्त, मल्टी-हेड अटेंशन और स्थितीय एन्कोडिंग पर अनुसंधान ने एप्पल के अपने ट्रांसफॉर्मर-आधारित मॉडल के डिजाइन को सूचित किया है।
ऑन-डिवाइस और गोपनीयता-प्रथम दृष्टिकोण
एप्पल मशीन लर्निंग की एक परिभाषित विशेषता ऑन-डिवाइस प्रोसेसिंग के प्रति इसकी प्रतिबद्धता है। कई प्रतियोगियों के विपरीत जो क्लाउड-आधारित एआई पर भारी निर्भर हैं, एप्पल ऐसे मॉडल डिजाइन करता है जो आईफोन, आईपैड और मैक पर स्थानीय रूप से चलते हैं, अपने एप्पल सिलिकॉन चिप्स में तंत्रिका नेटवर्क त्वरक का उपयोग करते हुए। यह दृष्टिकोण सर्वरों को डेटा संचरण को कम करता है, एप्पल के व्यापक गोपनीयता रुख के अनुरूप।
अधिक कम्प्यूटेशनल शक्ति की आवश्यकता वाले कार्यों के लिए, एप्पल प्राइवेट फेडरेटेड लर्निंग नामक एक हाइब्रिड प्रणाली का उपयोग करता है, जो कच्चे उपयोगकर्ता डेटा को केंद्रीकृत किए बिना वितरित उपकरणों में मॉडल प्रशिक्षित करती है। एप्पल के अनुसंधान पत्रों में विस्तृत यह तकनीक, क्विकटाइप कीबोर्ड सुझाव और वाक् पहचान जैसी सुविधाओं में सुधार की अनुमति देती है, जबकि उपयोगकर्ता की गुमनामी को संरक्षित करती है। कंपनी इन वितरित सेटिंग्स में स्थिर प्रशिक्षण सुनिश्चित करने के लिए ड्रॉपआउट और बैच सामान्यीकरण का भी उपयोग करती है।
उल्लेखनीय मॉडल और उत्पाद
एप्पल मशीन लर्निंग ने कई उल्लेखनीय मॉडल और सुविधाएँ उत्पन्न की हैं। 2022 में, एप्पल ने ट्रांसफॉर्मर-आधारित मॉडल पेश किया जो इसके ऑन-डिवाइस डिक्टेशन और बेहतर सिरी प्राकृतिक भाषा समझ को शक्ति देता है। 2023 में, कंपनी ने 'एप्पल फाउंडेशन मॉडल' नामक बड़े भाषा मॉडल का एक परिवार जारी किया, जो मेल में ऑटो-सारांशीकरण और स्पॉटलाइट में बुद्धिमान खोज जैसी सुविधाओं के लिए उपयोग किया जाता है।
समूह ने न्यूरल इंजन भी विकसित किया, जो 2017 में A11 बायोनिक चिप में पहली बार पेश किया गया एक समर्पित हार्डवेयर घटक है, जो मशीन लर्निंग कार्यों को तेज करता है। यह हार्डवेयर-सॉफ्टवेयर सह-डिजाइन, जिसमें चिप निर्माण के लिए टीएसएमसी के साथ सहयोग शामिल है, एनिमोजी और वास्तविक समय फोटो वर्गीकरण जैसी सुविधाओं के लिए वास्तविक समय गहन शिक्षण अनुमान को सक्षम बनाता है। सीखने की दर अनुसूची और एडम ऑप्टिमाइज़र वेरिएंट पर अनुसंधान इन मॉडलों को कुशलतापूर्वक प्रशिक्षित करने के लिए लागू किया गया है।
सहयोग और पारिस्थितिकी तंत्र
एप्पल मशीन लर्निंग शैक्षणिक संस्थानों और उद्योग भागीदारों के साथ सक्रिय रूप से सहयोग करता है। इसने एमआईटी सीएसएआईएल, स्टैनफोर्ड एआई लैब और बर्कले एआई रिसर्च में अनुसंधान को वित्त पोषित किया है, और इसके शोधकर्ता अक्सर न्यूरिप्स और आईसीएमएल जैसे सम्मेलनों में प्रकाशित करते हैं। समूह अंतरसंचालनीयता मानकों पर गूगल डीपमाइंड और ओपनएआई के साथ भी काम करता है, हालांकि प्रतिस्पर्धात्मक तनाव बने हुए हैं।
एप्पल के भीतर, विभाग एआरएम-आधारित चिप्स पर तंत्रिका नेटवर्क प्रदर्शन को अनुकूलित करने के लिए हार्डवेयर टीमों के साथ और मॉडल को एप्पल के ऑपरेटिंग सिस्टम में एकीकृत करने के लिए सॉफ्टवेयर टीमों के साथ साझेदारी करता है। यह कोर एमएल फ्रेमवर्क जैसे ओपन-सोर्स परियोजनाओं में भी योगदान देता है, जो तीसरे पक्ष के डेवलपर्स को अपने ऐप्स में मशीन लर्निंग मॉडल तैनात करने की अनुमति देता है। यह पारिस्थितिकी तंत्र दृष्टिकोण एप्पल मशीन लर्निंग को कंपनी की उत्पाद रणनीति का एक केंद्रीय स्तंभ बनाता है, जिसका अनुसंधान अरबों उपकरणों में उपयोगकर्ता-सामना करने वाली सुविधाओं को सीधे प्रभावित करता है।
भविष्य की दिशाएँ
आगे देखते हुए, एप्पल मशीन लर्निंग से जनरेटिव एआई और बड़े भाषा मॉडल में अपने काम का विस्तार करने की उम्मीद है, विशेष रूप से ऑन-डिवाइस सहायकों और रचनात्मक उपकरणों के लिए। कंपनी ने गोपनीयता-संरक्षण ट्रांसफॉर्मर अनुमान के लिए पेटेंट दायर किए हैं और मॉडल को उपयोगकर्ता इरादे के साथ संरेखित करने के लिए आरएलएचएफ-जैसी तकनीकों की खोज कर रही है। 2025 तक, एप्पल शीर्ष शोधकर्ताओं को नियुक्त करना और एआई बुनियादी ढांचे में निवेश करना जारी रखता है, जो संकेत देता है कि मशीन लर्निंग कंपनी के अगले दशक के नवाचार के लिए एक मुख्य फोकस बना रहेगा।