L’ingresso di Apple nella corsa all’IA con il framework MLX

Apple ha fatto di nuovo un passo avanti nel campo dell’intelligenza artificiale (IA) con il lancio del framework MLX. Questo nuovo strumento, sviluppato appositamente per Apple Silicon, permette ai ricercatori di semplificare la formazione e l’implementazione di modelli di machine learning (ML) utilizzando l’hardware Apple.

Un framework efficiente per Apple Silicon

Il team di machine learning di Apple ha lavorato duramente per sviluppare un framework efficiente e flessibile per l’implementazione di modelli di ML su dispositivi Apple Silicon. Chiamato MLX, questo framework è stato testato durante l’estate e ora è disponibile su GitHub.

Secondo Awni Hannun, membro del team di ML di Apple, MLX è “un efficiente framework di machine learning progettato appositamente per Apple Silicon (cioè il tuo laptop!)“. L’obiettivo di MLX è semplificare la formazione e l’implementazione di modelli di ML per i ricercatori che utilizzano hardware Apple. MLX è un framework di tipo array simile a NumPy, progettato per il machine learning efficiente e flessibile sui processori Apple.

Un’esperienza familiare per gli sviluppatori

MLX è stato progettato tenendo a mente la comodità degli sviluppatori. Il design di MLX si ispira a framework esistenti come PyTorch, Jax e ArrayFire. Tuttavia, MLX aggiunge il supporto per un modello di memoria unificato, il che significa che gli array vivono in memoria condivisa e le operazioni possono essere eseguite su qualsiasi tipo di dispositivo supportato senza dover copiare i dati.

Il team spiega:

“L’API di Python segue da vicino NumPy con alcune eccezioni. MLX dispone anche di un’API C++ completa che segue da vicino l’API di Python”.

MLX è stato progettato per essere amichevole per l’utente, ma al contempo efficiente per la formazione e l’implementazione di modelli. L’obiettivo è quello di rendere facile per i ricercatori estendere e migliorare MLX, al fine di esplorare rapidamente nuove idee nel campo del machine learning.

Le potenzialità di MLX

Apple ha fornito una collezione di esempi di ciò che MLX può fare. Questi esempi sembrano confermare che l’azienda ha sviluppato un modello di linguaggio estremamente efficiente, potenti strumenti per la generazione di immagini utilizzando Stable Diffusion e un riconoscimento del parlato estremamente accurato. Questo si accorda con le affermazioni fatte in precedenza quest’anno e con alcune speculazioni riguardo alla creazione di un mondo virtuale infinito per le future esperienze di Vision Pro.

Gli esempi includono:

1. Allenare un Transformer LM o raffinarlo con LoRA.
2. Generazione di testi con Mistral.
3. Generazione di immagini con Stable Diffusion.
4. Riconoscimento del parlato con Whisper.

L’obiettivo di Apple: democratizzare il machine learning

Apple sembra voler democratizzare il machine learning. Il team di MLX spiega che il framework è stato progettato dai ricercatori di machine learning per i ricercatori di machine learning. In altre parole, Apple ha riconosciuto la necessità di creare ambienti di sviluppo aperti e facili da usare per il machine learning al fine di promuovere ulteriori lavori in questo campo.

L’importanza di MLX che si basa su Apple Silicon risiede nel fatto che i processori Apple sono presenti in tutti i prodotti dell’azienda, compresi Mac, iPhone e iPad. L’utilizzo della GPU, della CPU e, potenzialmente in futuro, del Neural Engine su questi chip potrebbe tradursi nell’esecuzione di modelli di ML su dispositivi con prestazioni che altri processori non possono raggiungere, almeno per quanto riguarda i dispositivi edge.