Apple ha pubblicato i dettagli di uno tool di sviluppo interno chiamato “Overton”. Si tratta di un sistema per il monitoraggio e il miglioramento dell’apprendimento automatico, come ad esempio il modo in cui Siri determina i risultati di ricerca per le singole richieste e gestisce le attività di livello inferiore.
Grazie alle sua caratteristiche, Overton permette agli ingegneri Apple di concentrarsi maggiormente su funzioni di livello superiore legate a Siri.
L’intelligenza artificiale e l’apprendimento automatico sono spesso difficili da gestire, visto che lavorano per consentire ad altri sistemi di comprendere perfettamente le richieste di un’utente, ma anche di riconoscere un’immagine (vedi iPhone con la sua fotocamera) o gestire sistemi a guida autonoma come il “Project Titan” di Apple. Il vero problema con lo sviluppo dell’apprendimento automatico è che gli ingegneri devono esaminare attentamente come vengono analizzati i dati e determinare come gestire le eccezioni in base ai risultati ottenuti; si tratta di un’attività che sempre più difficile da portare avanti man mano che i sistemi diventano più grandi e sofisticati.
Proprio per questo motivo, Apple ha realizzato il framework Overton, come si evince da un documento interno realizzato dagli ingegneri dell’azienda. Overton è progettato per automatizzare il miglioramento dei sistemi di intelligenza artificiale gestendo gli abstract di alto livello forniti dagli ingegneri.
Ad esempio, Overton potrebbe generare un modello per fornire la risposta a una domanda che può essere difficile per gli assistenti digitali come Siri, come ad esempio “Quanto è alto il presidente degli Stati Uniti?“. Questo tipo di query richiede l’analisi di più categorie di dati, con molte parti da controllare prima di creare la risposta desiderata.
Normalmente, gli ingegneri passerebbero la maggior parte del loro tempo a lavorare su un monitoraggio della qualità dei sottoinsiemi di dati, oltre a dover supportare pipeline multi-componente. Con Overton, Apple intende limitare la quantità di lavoro che un ingegnere deve svolgere, automatizzando molte di queste mansioni per il monitoraggio dei dati.
“L’obiettivo è quello di spostare gli ingegneri verso attività di livello superiore anziché attività di apprendimento automatico di livello inferiore“, si legge nel documento. “Overton è in grado di automatizzare molte delle tradizionali scelte di modellazione, inclusa l’architettura di deep learning, e consente agli ingegneri di creare, mantenere e monitorare la sua applicazione manipolando i file di dati“.
Inoltre, Overton è prodotto in modo tale da poter interagire “senza scrivere alcun codice“. Al contrario, Overton crea uno schema da payload di dati che descrive gli input utilizzati per l’addestramento del modello di AI, nonché quelli per ulteriori attività che descrivono ciò che il modello deve eseguire.
Lo schema definisce anche l’input, l’output e il flusso di dati del modello previsto, con Overton che lo compila in una varietà di framework di sviluppo AI, tra cui TensorFlow, CoreML e PyTorch, per determinare l’architettura più appropriata per l’apprendimento dei modelli.
Overton è anche in grado di utilizzare tecniche come la suddivisione in modelli per identificare sottoinsiemi e ridurre le anomalie, nonché di gestire l’apprendimento multi-task per prevedere tutte le attività che un modello potrebbe richiedere.
Finora, Overton è stato prezioso per i ricercatori di Apple, con errori ridotti da 1,7 a 2,9 volte rispetto ai sistemi di produzione.
“In sintesi, Overton rappresenta un sistema di gestione del ciclo di vita di apprendimento automatico unico nel suo genere, incentrato sul monitoraggio e sul miglioramento della qualità delle applicazioni“, si legge nel documento. “Un’idea chiave è quella di separare modello e dati, il tutto gestito da un approccio privo di codice per il deep learning“.
Il lavoro di Apple sull’apprendimento automatico riguarda diversi dispositivi e diversi sistemi, ma il più importante e noto è sicuramente Siri.
