Quand on pense à Intel­li­gence Arti­fi­cielle, on ne pense pas à Apple. Alors que les autres “géants” de l’IT comme Google, Ama­zon, Microsoft, IBM, Ora­cle, etc. ont des solu­tions bien en place coté IA, Apple sem­ble être totale­ment à la traine… C’est dom­mage, car s’ils passent à coté de ça, ils risquent de rater le tour­nant du 21ième siè­cle et arriv­er dans une voie de garage avec de beaux objets, mais com­plète­ment idiots…

Non, ras­surez-vous, Apple a con­science de tout cela et vient d’ap­puy­er à fond fin 2016 sur l’ac­céléra­teur… Et quand on pèse 800 Mil­liards en bourse avec 200 Mil­liards de dis­pos (argent de poche), on peut vite rat­trap­er son manque de vision.

Dans cet arti­cle, nous allons donc voir le con­texte de ce tour­nant (nou­veau directeur et rachat de Lat­tice Data) et nous focalis­er sur Core ML et Neur­al Engine.  Et puis, coté voiture autonome, ça avance un peu aussi 🙂

Le nouveau directeur de l’intelligence artificielle

Depuis octo­bre 2016,  le directeur de l’intelligence arti­fi­cielle (IA) d’Apple est  Rus­lan Salakhut­di­nov . Il est pro­fesseur agrégé en machine learn­ing de Carnegie Mel­lon (mon uni­ver­sité préférée, avant le MIT) et petit clin d’oeil: il est aus­si Mem­bre de la Fac­ulté de Microsoft ! Bon passons.

Il pense que les réseaux de neu­rones pro­fonds (Deep Learn­ing) ont pro­duit des résul­tats spec­tac­u­laires ces dernières années mais qu’il reste du tra­vail! Par exem­ple sur les sys­tèmes de sous-titrage d’images, sur les  «mécan­ismes d’attention», un ajuste­ment de l’apprentissage pro­fond, dévelop­pé au cours des dernières années. Pour lui, l’approche devrait se con­cen­tr­er sur des par­ties spé­ci­fiques de l’im­age, de la phrase, .… un com­posant dédié per­me­t­trait aus­si d’ac­célér­er mes cal­culs, il s’ag­it du Neur­al Engin (voir plus bas).

Il pense aus­si partager avec le monde académique les résul­tats des recherch­es en IA d’Ap­ple, et per­me­t­tre à leurs salariés de pub­li­er leurs résultats.

Salakhut­di­nov étudie ain­si toutes les pos­si­bil­ités de s’align­er avec Google, Ama­zon et Microsoft. En effet, Apple qui était en avance il y a quelques années a pris du retard, quant aux smart­phones, smart­watch­es, Hauts-par­leurs intel­li­gents.

Rachat de Lattice data

Apple a racheté Lat­tice Data, spé­cial­iste de la car­ac­téri­sa­tion des don­nées non struc­turées, peut-être pour amélior­er Siri. Ses prin­ci­paux out­ils per­me­t­tent de don­ner du sens à des don­nées non struc­turées, textes comme images, par automa­tismes et machine learn­ing. Lat­tice Data a été créée par Chris Re et Michael Cafarel­la, pro­fesseurs en uni­ver­sité. Michael Cafarel­la a été un des créa­teurs d’Hadoop, la société spé­cial­isée du Big Data (voir notre dernier arti­cle sur Hadoop et Spark)

Core ML

La firme a présen­té dernière­ment Core ML, un frame­work pour inté­gr­er facile­ment des mod­èles de machine learn­ing dans nos appli­ca­tions (IOS, watchOS, macOS et tvOS).

• Vision est un frame­work pour l’analyse d’image qui per­met de créer des fonc­tion­nal­ités machine learn­ing de vision par ordi­na­teur dans votre appli­ca­tion. Il pro­pose la ges­tion du suivi du vis­age, la détec­tion des vis­ages, les land­marks (points de repère), la détec­tion de texte, la détec­tion de rec­tan­gles, la détec­tion de codes-bar­res, le suivi des objets entre autres.
• Foun­da­tion est un frame­work de traite­ment du lan­gage naturel, ses API utilisent le machine learn­ing pour com­pren­dre le texte à l’aide de fonc­tion­nal­ités telles que l’i­den­ti­fi­ca­tion de la langue, la tokeni­sa­tion (seg­men­ta­tion de texte), la lem­ma­ti­sa­tion (analyse lex­i­cale du con­tenu d’un texte en regroupant les mots d’une même famille), la recon­nais­sance d’en­tité nom­mée et de la parole.
• Game­playK­it est un frame­work ori­en­té objet qui four­nit des out­ils et des tech­nolo­gies fon­da­men­tales pour le développe­ment de jeux. Il com­prend des out­ils pour con­cevoir des jeux avec une archi­tec­ture fonc­tion­nelle et réu­til­is­able ain­si que des tech­nolo­gies pour créer et amélior­er des fonc­tion­nal­ités de game­play comme le mou­ve­ment des personnages. 

Core ML est con­stru­it sur des tech­nolo­gies bas niveau :

• Accel­er­ate, frame­work pour les math­é­ma­tiques vec­to­rielles et matricielles, le traite­ment du sig­nal numérique, la ges­tion des grands nom­bres et le traite­ment de l’image,

• BNNS (Basic neur­al net­work sub­rou­tines), col­lec­tion de fonc­tions à implé­menter et exé­cuter des réseaux de neurones

• Met­al Per­for­mance Shad­ers, frame­works qui apporte des opti­mi­sa­tions graphiques et des per­for­mances de calculs.

Les voitures électriques

Apple vient de décrocher son autori­sa­tion de tester ses véhicules autonomes sur les routes de Cal­i­fornie. La firme sem­blerait toute­fois ne pas s’ori­en­ter dans la con­cep­tion de voitures mais se posi­tion­ner en tant que sous-trai­tant spé­cial­isé IT, sans toute­fois se fer­mer la porte à la con­cep­tion intégrale.

 Le Neural Engine, composant dédié à l’IA