Lisaks riistvarale ja teenustele on Apple keskendunud üha spetsiifilisemate tööriistade väljatöötamisele, mis võimaldavad hallata suuri andmemahte. Kas soovite näidet? seda Overtonüks raamistik mida Ma kasutab sisemiselt "tehisintellekti süsteemi olelusringi automatiseerimiseks".
Ma insener ütleb VentureBeat seda raamistik toetab mitut rakendust, aitab neil töödelda "triljoneid" märkmeid ja vastab "miljarditele" küsimustele mitmes keeles. Nende teadlaste sõnul on Overtoni eesmärk panna arendajad keskenduma kõige keerukamatele ülesannetele ja jätta andmeanalüüsi programmeerimine tööriistale.
Keskendutakse arendajate abistamisele keskendumisel kõrgema taseme ülesannetele, mitte madala taseme masinõppeülesannetele. Need inimesed saavad teha õppepõhiseid rakendusi ilma koodi kirjutamata. Overton (oskab) automatiseerida paljusid traditsioonilisi programmeerimisvõimalusi, sealhulgas põhjalikku õppearhitektuuri, ning võimaldab arendajatel oma rakendusi luua ja jälgida, aidates samal ajal andmetega manipuleerimisel.
Täpsemalt teeb Overton sekunditega andmetöötluse (kasutatakse AI tööriistades, näiteks Siri) koos mudeliülesannetega, mis pole midagi muud kui toimingud, mida süsteem peab nende andmetega tegema. Vaatamata sellele, et tegemist on sisemise tööriistaga raamistik da Ma kogub teavet paljudest AI struktuuridest, näiteks TensorFlow (Google), PyTorch (Facebook) ja Apple'i CoreML ise.
See tööriist on täis ka mitmeid kasutajaliidesega seotud funktsioone, näiteks Viiluta ära lisaks multitegumtöö õppimisele, et ennustada, millist mudelit kasutada. Siiani on Overton olnud üsna väärtuslik Apple'i teadlaste jaoks, kellel on õnnestunud AI-süsteemi vigu vähendada kuni 3x.
Lisaks Sirile täiustab Apple ka muid oma tarkvara pakutavaid funktsioone, ühendades tehisintellekti ja masinõppimise, näiteks uus iOS 13 detektor, mis muu hulgas suudab tuvastada fotodel koeri ja kasse.
läbi Apple World Today
