蘋果AI版iOS首日火爆：聊天秒變高情商，大模型成最強嘴替
它來了它來了，蘋果的Apple Intelligence終於與果粉見面了！
隨着iOS 18.1 Beta版的上線，註冊開發者從即日起就能體驗到蘋果AI的部分功能。
最明顯的一處就是Siri的全面換新，變身成了Apple Intelligence & Siri。
另一項重磅更新就是寫作功能了，它可以幫忙潤色推特評論，三下五除二就能把高級表達方式安排起來。
甚至dirty words也能分分鐘變得儒雅隨和：
開啓Apple Intelligence後，蘋果自研的端側大模型就會被下載到設備當中。
根據手快的網友體驗反饋，不像其他家的AI那樣動不動就是拒絕服務。
與此同時，蘋果自家大模型的報告也已出爐，披露了大量技術細節。
報告顯示，在指令遵循、文本總結等任務上，蘋果雲端大模型取得了超過GPT-4的成績。
蘋果基礎大模型團隊負責人龐若鳴（Ruoming Pang）也表示，其模型與一些同類最佳模型相比具有競爭力。
龐若鳴是普林斯頓計算機博士，本碩分別畢業於上海交大和南加州大學，於2021年加入蘋果，此前在谷歌擔任了15年的工程師。
Apple Intelligence的主要對話功能，正是由他率領的團隊研發的模型提供支持。
這次他還強調，這些基礎模型“並不是聊天機器人”，而是支持廣泛的功能，包括摘要、寫作幫助、工具使用和代碼。
另外，蘋果也研發了許多自研算法，爲提高模型表現提供了加持，具體信息也在報告中被披露。
還有細心的網友從中發現了華點——
蘋果大模型的訓練用的是谷歌TPU集羣，英偉達含量竟然爲零。
要想體驗到蘋果的Apple Intelligence，需要滿足的條件有不少。
首先，搭載它的iOS 18.1 Beta版目前是99美金一年的註冊開發者限定，所以普通用戶還得等等。
還有就是之前說過的，只支持M系和A17 Pro芯片，也就是說iPhone中只有部分地區的15 Pro和15 Pro Max能用。
除了硬件和身份要求，系統設置也需要修改，要將地區設置爲美國，且設備和Siri的語言都要改成英語。
滿足了所有這些要求之後，就可以……加入等待隊列了。
此次上線的Apple Intelligence是部分功能，主要圍繞文本生成、Siri和相冊這幾個模塊。
先說文本生成，作爲蘋果AI的重要組成部分，該功能的視適用範圍不侷限於蘋果官方應用。
只要使用標準輸入文本系統，在第三方應用程序當中也能利用該功能進行文本總結、校對和重寫。
另外結合iOS 18 Beta的語音備忘錄中已經上線的音頻轉錄功能，文本生成系統還可以爲錄音生成摘要。
第二個比較重要的更新就是Siri了。
界面上，新版Siri不再是一個圓形圖標，在運行時會有環繞屏幕的彩色光不斷閃動。
而且還給不想語音對話的用戶提供了文本對話方式，雙擊屏幕底部即可調出鍵盤，與Siri打字交流。
內容方面，新版Siri將能夠解答與蘋果產品相關的問題，幫助用戶進行故障排除。
另外，新的Siri還可以夠理解從一個查詢到下一個查詢的上下文，例如要求Siri創建日曆事件，然後請求創建提醒，而無需重述正在談論的內容。
不過，之前介紹的屏幕感知功能，並未包含在此次Siri 的更新當中。
相冊的更新則讓用戶可以用自然語言搜索特定照片，甚至是視頻當中的具體時刻。
以上就是本次開發者測試版本中有關AI的大致內容，需要指出的是，這只是之前發佈會上所展示的功能中的一部分，還有很多沒有上線。
特別地，之前提到過的ChatGPT集成，此次更新也暫未接入。
蘋果已經說過，ChatGPT在蘋果AI中不是必選項，主要功能是由自家的大模型驅動。
而關於這個模型，蘋果也在上線的同時發佈了全面的技術報告。
模型的名字簡單粗暴，就叫蘋果基礎模型（Apple Foundation Model，簡稱AFM），有端側（on-device）和雲側（server）兩個版本。
端側模型的參數量在3B左右，雲側則未具體透露，只說是比端側更大，二者都有32k的上下文窗口。
★訓練過程英偉達含量爲0
模型的訓練通過自家基於JAX的AXLearn框架進行，並採用了張量並行、流水並行等策略。
硬件則採用的是谷歌TPU，其中雲側用了8192顆TPUv4芯片，端側用了2048顆TPUv5p芯片，總之英偉達含量爲0。
數據則主要來源於通過Applebot爬取的網頁，以及有公共許可的代碼和數學數據集。
值得一提的是，蘋果選用的數據集中無一使用GPL，都是MIT、Apache、CC0這些開放程度更高的開源協議。
流程上，AFM的預訓練過程共分三個階段——核心訓練、繼續訓練和上下文延長。
在覈心訓練階段中，雲側版本的數據量有6.3T tokens，窗口長度爲4096，端側版本則是在此基礎之上蒸餾得到。
繼續訓練時，低質量數據的權重會被降低，並使用數學、代碼以及獲得授權的高質量數據，對模型能力進行提升。
該過程使用了1T tokens的數據，窗口長度也從4096變成了8192。
到了下一階段，窗口長度被進一步擴充到32k，涉及長序列文本和合成數據，總量爲100B tokens。
★獨創強化學習新算法
AFM的後訓練則包括指導監督微調（SFT）、人類反饋強化學習（RLHF）等工作。
其中SFT階段使用了合成數據與人類標註數據，合成數據主要關於數學、工具使用和代碼。
而在RLHF階段，蘋果自創了iTeC和MDLOO兩種強化學習算法。
iTeC全稱Iterative Teaching Committee，可譯作“迭代教學委員會”，是一種用於強化學習後訓練的算法，旨在通過多輪迭代優化模型的性能。
其核心思想是結合不同的偏好優化算法，包括拒絕採樣、直接偏好優化（DPO），使得模型能夠從多種優化策略中受益，從而提高其對特定任務的適應性和性能。
在每次迭代中，iTeC會從最新的模型中選擇一組表現最好的模型，形成一個“模型委員會”。這些模型是經過SFT、RS、DPO/IPO和RL等不同訓練方法得到的。
通過收集人類對模型響應的偏好反饋，iTeC不斷更新其獎勵模型，並用於訓練新的模型集合。
每收集一批人類偏好數據後，iTeC會刷新其獎勵模型，並訓練新的模型集合，以此循環進行多輪迭代，逐步提升模型性能。
MDLOO則是一種在線強化學習算法，特別設計用於優化模型的響應質量。
作爲在線算法，它能在模型訓練過程中實時解碼響應，並應用RL算法來最大化獎勵。
也就是說，這種方法使得模型能夠在訓練過程中不斷學習和調整其策略，以生成更符合人類偏好的響應。
具體實現上，它結合了留一法（Leave-One-Out，LOO）優勢估計器和鏡像下降策略優化（MDPO），以實現更穩定和有效的策略更新。
★端側混合精度量化
爲了讓端側模型更高效運行，同時避免佔用過多內存資源，蘋果對AFM的端側版本進行了量化操作。
具體來說，蘋果採用了混合精度的量化方式，針對不同環節採用了不同的量化精度。
蘋果採用的方式被稱爲“調色板”策略，在調色板量化中，權重不是每個單獨量化，而是將它們分組，並讓組內的權重共享相同的量化常數。
對於投影權重，每16列/行共享相同的量化常數，並且使用K-means算法進行4位量化。
針對嵌入層，由於是輸入和輸出共享的，採用了8位整數進行每通道量化，另外還有某些重要性相對較低的層被進一步壓縮到2位量化。
爲了恢復量化後損失的性能，以保持模型的輸出質量和準確性，蘋果還引入了準確性恢復適配器（Accuracy-Recovery Adapters）。
該適配器是小型的神經網絡模塊，可以插入到預訓練模型的特定層中，在量化模型的基礎上進行訓練，通過微調來學習如何補償量化帶來的影響。
★部分任務超越GPT-4
應用了一系列優化技術之後，也到了驗收模型表現的時候了。
在這過程中，蘋果採用了人類評估與自動化評估相結合的策略。
先說人工評估，評估人員設計了涵蓋分析推理、頭腦風暴、聊天機器人等方面的多類問題，並讓模型生成相應。
同時，問題也會被提給用於對比的其他模型，然後由評估人員評判哪個模型的輸出更好。
結果，無論是雲側還是端側模型，都有至少60%的概率不輸給Llama 3、GPT-4等對比模型。
其餘的測試主要利用數據集實現。
在指令遵循能力上，蘋果進行了IFEval測試，結果在指令和prompt兩個層次上，雲側AFM都超過了GPT-4，成爲了新的SOTA。
端側模型的表現，也超過了Llama 3-8B、Mistral-7B等近似規模的模型。
在AlpacaEval當中，端側和雲側AFM也都取得了第二名的成績。
再看具體任務上的表現，AFM在寫作類Benchmark當中的總結任務上取得了SOTA，撰寫任務上也與第一名接近。
數學上，蘋果用GSM8K和MATH兩個數據集進行了評估。
結果端側模型在GSM8K上不敵Llama 3-8B和微軟的Phi 3 mini，雲側被GPT-4和Llama 3-70B超越，但優於GPT-3.5。
MATH上的成績相對高些，端側版領先了同規模模型，雲側版也超越了Llama 3-70B。
性能之外，安全性也十分重要，蘋果通過人工方式對AFM抵禦對抗性攻擊的能力進行了評估。
結果顯示，AFM在面對對抗性提示時，實現的違反率顯著低於其他開源和商業模型。
以上就是蘋果大模型技術報告中一些值得關注的內容，更多詳情可參閱報告原文。
雖然Apple Intelligence已經提供給開發者進行測試，但彭博社爆料說，正式版可能會延遲上線。
的確，按照蘋果此前的版本發佈規律，18.1的版本號也意味着，這些功能不會隨着9月的新機發布一同上線。
對此分析師Gene Munster建議，蘋果應該考慮推遲iPhone 16的發佈日期，以與Apple Intelligence保持一致。
至於庫克會不會考慮這個建議，就拭目以待了。
報告地址：https://machinelearning.apple.com/research/apple-intelligence-foundation-language-models參考鏈接：[1]https://x.com/reach_vb/status/1818014366555586611[2]https://www.cnbc.com/2024/07/29/apple-releases-apple-intelligence-its-long-awaited-ai-features.html[3]https://www.tomsguide.com/phones/iphones/ios-181-developer-beta-is-live-with-apple-intelligence-heres-all-the-new-iphone-ai-features[4]https://www.businessinsider.com/apple-intelligence-delay-wont-hurt-new-iphone-sales-analysts-2024-7