Apples AI-Chef: Maschinelles Lernen in iOS bald allgegenwärtig

Apple will immer umfassender auf Künstliche Intelligenz und maschinelles Lernen setzen. Die Techniken sollen bessere Funktionen ermöglichen und sind inzwischen schon in vielen Bereichen der Betriebssysteme des Konzerns integriert: Es gebe zunehmend weniger Stellen in iOS, in denen keinerlei maschinelles Lernen zum Einsatz kommt, erklärte Apples AI-Chef John Giannandrea in einem Interview.

Giannandrea ist 2018 von Google – dort war er Chef für Suchmaschinentechnik und Künstliche Intelligenz – zu Apple gewechselt.

Neue iOS-Funktionen basieren auf maschinellem Lernen

Alle wichtigen Neuerungen in den Betriebssystemen basieren auf maschinellem Lernen, erläuterte Giannandrea gegenüber Ars Technica. Als Beispiele nannte der Manager kommende Funktionen von iOS 14 und watchOS 7 darunter iPad-Handschrifterkennung, Übersetzungs- und Offline-Diktierfunktionen sowie Schlaf-Tracking und Händewascherfassung mit der Apple Watch. Er gehe davon aus, dass "jede Ecke von iOS in den kommenden Jahren durch maschinelles Lernen transformiert" wird.

Apple wurde lange als Nachzügler beim Einsatz künstlicher Intelligenz betrachtet, nach Giannandreas Ansicht ist der Konzern aber in einer optimalen Position, "die Branche anzuführen". Da bei Apple fast alles aus einer Hand stammt – von der Software über die Frameworks bis hin zum Silizium – biete sich die umfassende Integration von maschinellem Lernen besonders an. Der Umzug aller Macs auf hauseigene ARM-Prozessoren mit Neural Engine, einem Koprozessor für maschinelles Lernen, werde neue Möglichkeiten für Apple und Dritt-Entwickler bieten, diese Techniken auch weitflächig auf Macs einzusetzen, so Giannandrea. Als Beispiel nannte er eine Videoschnitt-Software, die Bildinhalte unmittelbar analysiert und so schnell zu einer gesuchten Szene springen kann.

Berechnung möglichst lokal auf dem Gerät

Apple versuche dabei, AI-Berechnungen möglichst lokal auf den Geräten durchzuführen. Das unterscheide Apple nicht nur von der Konkurrenz, bei der die Datenanalyse oft auf Servern erfolge, sondern habe auch praktische Vorteile: Man erhalte bessere Ergebnisse, wenn die verwendeten Modelle nah an der Quelle eingesetzt werden statt die Daten erst "herumbewegen zu müssen", so Giannandrea – zudem sei es besser in Hinblick auf den Datenschutz. Möglich sei die lokale Berechnung aber erst vor wenigen Jahren durch die Neural Engine geworden.

• Alle Details zu macOS 11 Big Sur, iOS / iPadOS 14 und watchOS 7 lesen Sie im neuen Mac & i Heft 4/2020.

Lesen Sie auch

Gehirnjogging für die App: Eigene Machine-Learning-Modelle mit CreateML

(lbe)