蘋果發(fā)力對話式AI 預(yù)算擴(kuò)至每日數(shù)百萬美元

9月7日消息，據(jù)外媒援引知情人士透露，蘋果始終在增加構(gòu)建人工智能所需計(jì)算的預(yù)算，并且已經(jīng)擴(kuò)大到每天數(shù)百萬美元。該公司的一個目標(biāo)是開發(fā)一些功能，允許iPhone用戶使用簡單的語音命令來自動執(zhí)行涉及多個步驟的任務(wù)。舉例來說，這項(xiàng)技術(shù)可以讓用戶命令Siri語音助手用他們最近拍攝的五張照片創(chuàng)建GIF動圖，并將其發(fā)送給朋友。如今，iPhone用戶必須手動完成這個過程。

據(jù)了解該團(tuán)隊(duì)的人士稱，早在四年前，蘋果的人工智能主管約翰·詹南德里亞(John Giannandrea)就被授權(quán)組建團(tuán)隊(duì)，開發(fā)被稱為大語言模型（LLM）的對話式人工智能（或稱生成式人工智能）。當(dāng)時(shí)，這項(xiàng)技術(shù)尚未成為軟件行業(yè)的焦點(diǎn)。在OpenAI于去年推出聊天機(jī)器人ChatGPT之后，人們才發(fā)現(xiàn)蘋果有先見之明。聊天機(jī)器人ChatGPT推動了大語言模型的繁榮。

幾位蘋果員工表示，盡管詹南德里亞多次表達(dá)了對由人工智能語言模型驅(qū)動的聊天機(jī)器人潛在用途的懷疑，但蘋果并不是完全沒有為語言模型的繁榮做好準(zhǔn)備。這要?dú)w功于詹南德里亞，他幫助對蘋果的軟件研究文化做出了改變。

這些變化現(xiàn)在正獲得回報(bào)，因?yàn)榇笳Z言模型的出現(xiàn)可能會改變?nèi)藗儎?chuàng)造一切東西的方式，從計(jì)算機(jī)程序到幻燈片演示再到書籍，都是如此。這項(xiàng)技術(shù)還有望自動化涉及文本的繁瑣、重復(fù)性的任務(wù)，從摘要到處理企業(yè)IT票據(jù)或客戶服務(wù)查詢等。

這個名為“基礎(chǔ)模型”(Foundational Models)的對話式人工智能團(tuán)隊(duì)，由幾位曾在谷歌工作多年的工程師組成，詹南德里亞在加入蘋果之前是他們的主管。該團(tuán)隊(duì)由龐若明（Ruoming Pang，音譯）領(lǐng)導(dǎo)，他于2021年加入蘋果，此前在谷歌工作了15年，包括詹南德里亞負(fù)責(zé)領(lǐng)導(dǎo)的人工智能研究部門。

蘋果組建多個LLM團(tuán)隊(duì)

知情人士表示，“基礎(chǔ)模型”團(tuán)隊(duì)的規(guī)模仍然很小，大約有16人，但用于培訓(xùn)蘋果最先進(jìn)模型的預(yù)算已經(jīng)增加到每天數(shù)百萬美元。相比之下，開發(fā)ChatGPT的初創(chuàng)企業(yè)OpenAI首席執(zhí)行官薩姆·奧特曼(Sam Altman)曾表示，該公司在幾個月的時(shí)間里，花費(fèi)了超過1億美元來培訓(xùn)GPT-4，這是該公司為聊天機(jī)器人提供支持的最先進(jìn)軟件。

蘋果的“基礎(chǔ)模型”團(tuán)隊(duì)扮演著與谷歌和Meta等公司人工智能團(tuán)隊(duì)類似的角色。在這些公司，研究人員需要構(gòu)建人工智能模型，然后其他團(tuán)隊(duì)將這些模型應(yīng)用到公司的各種產(chǎn)品中。

不過，蘋果似乎至少還有另外兩個相對較新的團(tuán)隊(duì)，正在開發(fā)語言或圖像模型。蘋果最近的一份人工智能研究報(bào)告和LinkedIn上的員工簡介顯示，該公司存在一個“視覺智能”（Visual Intelligence）團(tuán)隊(duì)，致力于開發(fā)能夠生成“圖像、視頻或3D場景”的軟件。

另一個團(tuán)隊(duì)正在進(jìn)行涉及多模式人工智能的長期研究，這種模型可以識別和生成圖像、視頻或文本。這個多模式團(tuán)隊(duì)的領(lǐng)導(dǎo)者之一是喬恩·什倫斯（Jon Shlens），他曾在2021年底開始在蘋果工作，之前在谷歌從事人工智能工作。什倫斯于今年早些時(shí)候加入了谷歌的人工智能團(tuán)隊(duì)(現(xiàn)在被稱為Google DeepMind)。谷歌即將推出的Gemini模型具有多模式功能。

蘋果“基礎(chǔ)模型”團(tuán)隊(duì)已經(jīng)開發(fā)出幾個先進(jìn)的模型，并正在內(nèi)部測試。一位直接了解蘋果聊天機(jī)器人開發(fā)情況的人士說，一款基于大語言模型的蘋果聊天機(jī)器人最終可能會與使用蘋果AppleCare客戶互動。AppleCare是該公司提供保修和技術(shù)支持的售后服務(wù)。

Siri升級

另外，Siri團(tuán)隊(duì)也計(jì)劃整合大語言模型，讓蘋果的智能語音助手用戶以目前無法實(shí)現(xiàn)的方式自動完成某些復(fù)雜的任務(wù)，比如前面提到的用簡單指令創(chuàng)建和發(fā)送GIF的例子。這項(xiàng)新功能與蘋果的快捷方式應(yīng)用Shortcuts有關(guān)，該應(yīng)用允許用戶使用不同的應(yīng)用手動編程一系列操作，預(yù)計(jì)將于明年與新版iPhone操作系統(tǒng)一起發(fā)布。一位知情人士說，谷歌也一直在努力將其大語言模型與語音助手整合，以便能夠理解和處理更復(fù)雜的任務(wù)。

據(jù)這位知情人士透露，蘋果“基礎(chǔ)模型”團(tuán)隊(duì)中的成員認(rèn)為，其最先進(jìn)的大語言模型AJAX GPT的功能超過了OpenAI的GPT 3.5，后者是支持ChatGPT最初版本的大語言模型。自那以后，OpenAI推出了一系列功能明顯更強(qiáng)大的模型。

關(guān)于蘋果如何在其產(chǎn)品中融入大語言模型，目前仍不清楚細(xì)節(jié)。據(jù)多位離職的蘋果機(jī)器學(xué)習(xí)工程師說，該公司領(lǐng)導(dǎo)層更喜歡在設(shè)備上運(yùn)行軟件，這提高了隱私和性能，而不是在云服務(wù)器上運(yùn)行。

但這可能很難實(shí)現(xiàn)。例如，據(jù)一位直接了解該模型的人士透露，AJAX GPT已經(jīng)接受了2000多億個參數(shù)的培訓(xùn)。參數(shù)反映了機(jī)器學(xué)習(xí)模型的大小和復(fù)雜性，參數(shù)數(shù)量越多，表示模型越復(fù)雜，需要更多的存儲空間和計(jì)算能力。一個擁有2000多億個參數(shù)的大語言模型，可能不適合在iPhone上運(yùn)行。

縮小大語言模型的規(guī)模已經(jīng)有先例可循。例如，谷歌的PaLM 2有四種尺寸，其中一種可以在設(shè)備上使用，另一種則可以離線使用。

蘋果發(fā)言人拒絕就此置評。

谷歌的影響力

詹南德里亞被同事們稱為J.G.，他最初加入蘋果是為了幫助改進(jìn)Siri，并為蘋果的軟件注入更多的機(jī)器學(xué)習(xí)功能。盡管他曾多次向同事們表示，對由大語言模型驅(qū)動的聊天機(jī)器人的潛在用途持懷疑態(tài)度，但一位知情人士表示，在過去一年里，在看到一些內(nèi)部演示后，他開始承認(rèn)這項(xiàng)技術(shù)有能力完成指定任務(wù)。

蘋果“基礎(chǔ)模型”團(tuán)隊(duì)的組建源于詹南德里亞的決定，他希望讓蘋果更像他的前雇主，讓員工在進(jìn)行各種研究和發(fā)表論文方面有更大的靈活性。此前，對這些做法的限制損害了蘋果招聘人才的能力，盡管該公司成功地在其產(chǎn)品中使用了早期的人工智能技術(shù)。

2018年加入蘋果后，詹南德雷亞幫助從谷歌招聘了關(guān)鍵工程師和研究人員。他還支持更多地使用谷歌的云服務(wù)，包括安裝了谷歌開發(fā)的人工智能芯片（即張量處理單元）的服務(wù)器，用來訓(xùn)練蘋果的機(jī)器學(xué)習(xí)模型，進(jìn)而幫助改進(jìn)Siri和提高其他產(chǎn)品功能。

據(jù)了解龐若明的人說，他在神經(jīng)網(wǎng)絡(luò)方面發(fā)表的研究成果吸引了大批追隨者。神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)的一個子集，涉及訓(xùn)練軟件識別數(shù)據(jù)中的模式和關(guān)系，類似于人類大腦的工作方式。龐若明某些比較著名的研究涉及神經(jīng)網(wǎng)絡(luò)如何與手機(jī)處理器協(xié)同工作，以及如何使用并行計(jì)算來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并行計(jì)算是將較大的問題分解成多個處理器可以同時(shí)計(jì)算的較小任務(wù)的過程。

開源運(yùn)動

龐若明對蘋果的影響可以從AXLearn中看出來，這是他的團(tuán)隊(duì)在過去1年中開發(fā)用于培訓(xùn)AJAX GPT的內(nèi)部軟件。AXLearn是一個機(jī)器學(xué)習(xí)框架，可以快速訓(xùn)練機(jī)器學(xué)習(xí)模型。AXLearn的部分構(gòu)成基于龐若明的研究，并針對谷歌張量處理單元進(jìn)行了優(yōu)化。

AXLearn是JAX的一個分支，JAX是谷歌研究人員開發(fā)的開源框架。如果將蘋果的AJAX GPT比作一棟房子，那AXLearn就是藍(lán)圖，而JAX就是用來繪制藍(lán)圖的筆和紙。蘋果用來培訓(xùn)大語言模型的數(shù)據(jù)主要源自建筑行業(yè)，目前尚未公開。

今年7月份，蘋果“基礎(chǔ)模型”團(tuán)隊(duì)悄悄地將AXLearn的代碼上傳到代碼存儲庫GitHub，公眾可以使用它來培訓(xùn)自己的大語言模型，而不必從頭開始構(gòu)建所有內(nèi)容。蘋果公開發(fā)布AXLearn代碼的原因尚不清楚，但公司這樣做通常是希望其他工程師能對模型進(jìn)行改進(jìn)。在詹南德雷亞到來之前，對于向來行事隱秘的蘋果來說，開放可用于商業(yè)用途的源代碼的決定顯得不同尋常。

團(tuán)隊(duì)領(lǐng)導(dǎo)

荷蘭計(jì)算機(jī)科學(xué)家阿瑟·范·霍夫（Arthur Van Hoff）最初領(lǐng)導(dǎo)的團(tuán)隊(duì)，后來成為蘋果“基礎(chǔ)模型”團(tuán)隊(duì)的骨干。據(jù)熟悉霍夫的人說，他是上世紀(jì)90年代開發(fā)Java的太陽微系統(tǒng)公司團(tuán)隊(duì)的早期成員，后來成為了知名的企業(yè)家?；舴蛴?019年加入蘋果，最初致力于開發(fā)新版Siri，內(nèi)部代號為黑鳥(Blackbird)，但蘋果最終放棄了這個版本。

然后，霍夫的團(tuán)隊(duì)開始專注于構(gòu)建大語言模型，他們的目標(biāo)是將其用于黑鳥的基本版本。該團(tuán)隊(duì)最初只有幾名員工，其中最著名的是兩名專門從事自然語言處理的英國研究人員湯姆·岡特(Tom Gunter)和托馬斯·尼克森(Thomas Nickson)。這兩位研究人員都在牛津大學(xué)獲得了高等學(xué)位，并于2016年加入蘋果從事Siri的研究。

據(jù)知情人士透露，2021年，龐若明加入蘋果，幫助培訓(xùn)尖端的大語言模型。與其他蘋果研究人員不同，他獲得了留在紐約的特殊請求，并被授權(quán)在那里為公司的機(jī)器學(xué)習(xí)團(tuán)隊(duì)建立一個新的前哨基地。幾個月后，蘋果聘請了谷歌前人工智能高管達(dá)芙妮·梁(Daphne Luong)來監(jiān)督霍夫的團(tuán)隊(duì)，并聘請谷歌研究員薩米·本吉奧(Samy Bengio)領(lǐng)導(dǎo)一個專注于長期機(jī)器學(xué)習(xí)研究的平行團(tuán)隊(duì)。

龐若明如今接管了“基礎(chǔ)模型”團(tuán)隊(duì)，而霍夫則在今年早些時(shí)候開始無限期休假。據(jù)知情人士透露，龐若明團(tuán)隊(duì)的幾名成員目前常駐紐約。

谷歌云交易

龐若明被招聘之際，蘋果內(nèi)部越來越意識到大語言模型在機(jī)器學(xué)習(xí)領(lǐng)域正變得越來越重要。據(jù)知情人士透露，OpenAI的GPT-3于2020年6月發(fā)布，這促使蘋果機(jī)器學(xué)習(xí)團(tuán)隊(duì)要求獲得更多資金來訓(xùn)練他們自己的模型。

據(jù)兩名直接了解此事的人士透露，為了節(jié)省成本，蘋果的管理人員歷來鼓勵機(jī)器學(xué)習(xí)工程師使用谷歌的云計(jì)算服務(wù)，而不是亞馬遜的類似服務(wù)，因?yàn)楣雀璧某杀靖汀?/p>

據(jù)一位熟悉相關(guān)討論的離職蘋果高管透露，谷歌高管過去曾對蘋果表示，云服務(wù)定價(jià)較低，在一定程度上是對兩家公司之間廣泛商業(yè)合作的認(rèn)可。根據(jù)協(xié)議，谷歌搜索是蘋果Safari瀏覽器的默認(rèn)搜索提供商。多年來，蘋果始終是全球最大的云服務(wù)器租賃商，并已成為谷歌云的最大客戶之一，盡管它仍然是亞馬遜的重要客戶。

一名知情人士表示，蘋果還積極從谷歌和Meta的人工智能團(tuán)隊(duì)中招募人才。自從AXLearn代碼于7月上傳到GitHub上以來，已有18人對其進(jìn)行了改進(jìn)，其中至少有12人在過去兩年內(nèi)加入了蘋果的機(jī)器學(xué)習(xí)團(tuán)隊(duì)。這些人中，有7人曾在谷歌或Meta工作過。