Sommaire
Apple Intelligence : Une transformation à l’horizon
Apple Intelligence ne connaît pas sa meilleure année, mais Apple ne baisse pas les bras. La société met en place de nouvelles stratégies pour entraîner ses modèles, avec l’objectif ambitieux d’améliorer considérablement les performances de son intelligence artificielle grâce à l’utilisation de données personnelles.
Cependant, ces changements nécessitent l’engagement des utilisateurs quant au partage de leurs données.
Une approche renouvelée des données
Dans un nouveau document technique de la Machine Learning Research d’Apple intitulé “Understanding Aggregate Trends for Apple Intelligence Using Differential Privacy”, Apple expose ses plans pour associer l’analyse de données utilisateur à la génération de données synthétiques.
Ces méthodes viseront à optimiser les modèles utilisés par les fonctionnalités d’Apple Intelligence.
Incertitude des données purement synthétiques
Jusqu’à présent, Apple s’appuyait principalement sur des données synthétiques, simulant les comportements réels des utilisateurs. Cependant, cette approche présente des limites.
Par exemple, dans le cas de Genmoji, utiliser seulement ces données ne reflète pas toujours fidèlement l’usage des utilisateurs.
« Par exemple, comprendre comment nos modèles se comportent lorsqu’un utilisateur demande un Genmoji contenant plusieurs entités (comme “dinosaure avec un chapeau de cow-boy”) nous aide à améliorer les réponses à ce type de requêtes. »
En intégrant le consentement des utilisateurs, le système peut analyser les segments de données sans pour autant transmettre ces informations brutes. Seul un signal bruité et anonymisé sera envoyé, suffisant pour affiner les modèles d’Apple.
Intégration des données pour modèles de texte
Les modèles analysant de longs textes, comme les outils de rédaction et de résumés, suivent une approche différente. Ici, Apple utilise des modèles synthétiques, envoyant ensuite des représentations de ces modèles aux utilisateurs ayant accepté l’analyse de données.
Sur leurs appareils, une comparaison est effectuée entre ces représentations et des échantillons de courriels récents.
« Ces compositions synthétiques les plus fréquemment sélectionnées peuvent ensuite être utilisées pour générer des données d’entraînement ou de test, ou des étapes de curation supplémentaires peuvent être réalisées afin de raffiner le jeu de données. »
Vers une Apple Intelligence améliorée
L’utilisation de la privacy différentielle est cruciale, car elle empêche tout lien entre les données récoltées et un utilisateur spécifique. Toutefois, cette optimisation passe par l’acceptation des utilisateurs de l’Analytics Data d’Apple lors de la configuration de leur iPhone, iPad ou MacBook.
Cette participation ne compromet ni les données, ni la vie privée, mais promet d’optimiser les modèles et d’améliorer l’expérience utilisateur d’Apple Intelligence.
Conclusion
Bien que complexe, ce nouveau système pourrait entraîner des révisions et synthèses plus intelligentes et adaptées.
Les utilisateurs d’Apple pourraient ainsi bénéficier d’une Intelligence Artificielle plus efficace et proactive, contribuant à une expérience enrichie sur leurs appareils.
