Gépi
tanulás és AI

Az Apple Intelligence-t működtető adatalapok létrehozása, szintetikus adatcsatornák fejlesztése, globális szintű adatgyűjtési műveletek futtatása, és forradalmi emberi kiértékelési módszerek kifejlesztése a generatív AI-hoz és a multimodális modellekhez.

Főbb területek:

Szintetikus adatlétrehozás, adatgyűjtés, felhasználókutatás, nagy léptékű globális műveletek, emberi felülvizsgálat és adatellenőrzés, generatív AI és multimodális nagy nyelvi modellek, számítógépes látástechnológia és adatminőség-biztosítás

Annak a betanítása, hogy az Apple eszközök megtanulják érzékelni és megérteni a vizuális világot a valós idejű képfeldolgozástól kezdve a multimodális alapmodellekig, amelyek következtetéseket tudnak levonni a látottakból.

Főbb területek:

Adattudományok, mélytanulás, multimodális alapmodellezés, vizuális következtetés, hardver­tudatos modell­optimalizálás és valós idejű számítógépes látástechnológia

Az Apple Intelligence adatalapjainak lefektetése, beleértve a Sirit és a keresést működtető infrastruktúrát, valamint olyan kísérleti platformok kidolgozása, amelyek az egyes funkciók működőképességét mérik.

Főbb területek:

Statisztikai elemzés, betekintő adatok, kiértékelés, kísérletezés, gépi tanulás alkalmazása, kutatás és adatfeldolgozás

Az Apple élvonalbeli alapmodelljeinek létrehozása és kezelése a teljes életciklusuk során, beleértve az előtanítást, az utólagos finomhangolást, a kiértékelést és a bevezetést is.

Főbb területek:

Mélytanulás, megerősítéses tanulás, nagy nyelvi modellek készítése, vizuális nyelvi modellek készítése, multimodális érzékelők, visszakereséssel támogatott generálás, ügynökalapú AI, számítógépes látástechnológia, természetesnyelv-feldolgozás és kutatás

Az Apple legambiciózusabb AI-programjainak kezelése, illetve a végrehajtás összehangolása a különböző alapmodellek, az adatvédelmi infrastruktúra, a keresés és a kiértékelés között.

Főbb területek:

Platform és infrastruktúra, alapmodellek, adatvédelem és megfelelőség, keresés és tudás, kiértékelés

Az Apple vállalati szintű működésének átalakítása AI és gépi tanulás alkalmazásával és intelligens platformok létrehozásával, amelyek többek között fejlett társalgási élményt nyújtanak és növelik a fejlesztői hatékonyságot.

Főbb területek:

Adattudományok, DevOps, alkalmazott gépi tanulás, felhasználói élmény, AI-platformfejlesztés, robotizált folyamatautomatizálás, biztonság és csalásészlelés, nagy nyelvi modellek és gépi tanulási platform

Az Apple AI- és gépi tanulási szolgáltatásait támogató rendszerek létrehozása, teljesítményre, hatékonyságra és méretnövelésre való optimalizálás az összes gépi tanulási technológiára és minden modellre vonatkozóan.

Főbb területek:

Gépi tanulási keretrendszer, platformfejlesztés, elosztott rendszerek tervezése és üzemeltetése, és gyorsított számítástechnika

Annak biztosítása, hogy az Apple eszközök képesek legyenek értelmezni, hol vannak éppen a fizikai világban és hogyan mozognak benne, valamint valós idejű, energia­takarékos algoritmusok létrehozása térbeli követéshez, térlátáshoz és jelenet­felismeréshez.

Főbb területek:

Valós idejű térbeli követés, navigáció, 3D-s számítógépes látástechnológia, térképezés, helymeghatározás, jelenetfelismerés, helyzetbecslés, multimodális érzékelők és térbeli szerkezetek rekonstrukciója mozgásadatokból

Az Apple alapmodelljeinek átalakítása az emberek által használt nyelv- és beszédélményre, a prompttervezésre, a modelladaptálásra és a termékintegrációra összpontosítva.

Főbb területek:

Modellfejlesztés és -javítás, kutatás és innováció, adatelemzés és -előkészítés, termékintegráció, teljesítményértékelés és finomhangolás, valamint adatvédelem és etika

Adatvédelmet előtérbe helyező AI kidolgozása olyan technológiák fejlesztésével, mint a differenciális adat­védelem, valamint értékelési keret­rendszerek létrehozása, amelyek gondoskodnak arról, hogy az Apple Intelligence világ­színvonalú minőséget nyújtson a felhasználói bizalom megőrzése mellett.

Főbb területek:

Differenciális adatvédelem, adatvédelem és adatelemzés, szabályozási felkészültség, megfelelőségi ellenőrzések és szabályozási keretrendszerek

Annak meghatározása, hogy az Apple hogyan kezeli a generatív AI-jal kapcsolatos kihívásokat a modell-összehangolástól az etikus kibertámadás-szimuláción át a biztonsági kockázatok kezeléséig és a kiadás utáni követésig.

Főbb területek:

Kockázatelemzés, termékjellemzői szabályok, modell-össze­hangolás, technikai biztonsági kockázat­kezelés, mérnöki megoldások, tervezési megoldások, kiértékelés, etikus kibertámadás-szimuláció, valamint kiadás utáni követés és válaszadás

Olyan keresések, tudásgráfok és visszakereső rendszerek létrehozása, amelyek összekötik a felhasználókat a megfelelő információkkal az Apple ökoszisztémájában, egyre inkább társalgási AI-ra, visszakereséssel támogatott generálásra és ügynökalapú képességekre támaszkodva.

Főbb területek:

Társalgási és ügynökalapú AI, tudásgráf, nagy nyelvi modellek létrehozása, természetes­nyelv-feldolgozás, utólagos finom­hangolás, vissza­kereséssel támogatott generálás, információ-vissza­keresés, megerősítéses tanulás és összefoglalás

Védelem kialakítása a példátlan léptékben felmerülő fenyegetésekkel szemben a gépi tanulás biztonságkutatása, valamint a platform- és termékbiztonsági tervezés kombinálásával az Apple rendszereinek és ügyfeleinek védelme érdekében.

Főbb területek:

Alkalmazott gépi tanulási biztonságkutatás, platformbiztonsági mérnöki tevékenység és termékbiztonság