Ja hem tingut els nostres primers contactes amb els nous iPhone 11 i iPhone 11 Pro , i hem pogut ja comprovar com alguns dels conceptes abstractes que ens va explicar Apple a la keynote del passat 10 de Setembre comencen a introduir-se al nostre dia a dia sense que en siguem conscients. ‘Paraules’ com Aprenentatge automàtic i Fusió profunda són conceptes que estem farts de sentir aquests dies però que potser no coneixem del tot en haver-nos quedat a la superfície del concepte. Si t'interessa aquest tema, en aquest post aprofundirem una mica més sobre això.
Què és Machine Learning i per què Apple sí que va innovar amb el xip A13 Bionic
Si ens quedem a la base de la paraula, i en la mera traducció, podríem dir que Aprenentatge automàtic (ML) és únicament aprenentatge automàtic, i dic únicament perquè molts usuaris es queden en aquesta capa, una cosa fosca i prohibida que impressiona només amb sentir-ho. Realment el mèrit no està en l'enorme capacitat que avui dia tenen els nostres iPhone de realitzar enormes i complexos càlculs en temps gairebé impossibles de calcular. El mèrit real està en els saberuts desenvolupadors i en la capacitat dels equips que gestionen les grans quantitats de dades necessàries perquè funcioni aquesta tecnologia que en grans trets funciona de forma semblant a com ho fa el Big Data.
Qualsevol bon programador intenta ensenyar a la màquina perquè d'una manera òptima sempre resolgui de la millor manera un problema, però quan les dades i els càlculs requerits de vegades tendeixen a l'infinit, cal fer servir una altra estratègia i que millor que la màquina s'equivoqui i aprengui per si mateixa . Per això es realitzen decisions heurístiques que pretenen dotar el programari d'una capacitat de decisió per intuïció . És una cosa semblant a la cerca heuristica d'un antivirus, és possible que un arxiu presenti anomalies que fa que, encara que no aparegui com a arxiu infectat per comparació amb una altra infectat, faci pensar al nostre programari antivirus que podria ser-ho i ho emmagatzemi en quarantena. En poques paraules, ensenyem el programari a decidir per si mateix , i encara que al principi sigui erràtic, l'estadística ens diu que de mica en mica serà gairebé tan eficaç com ho pot ser un ésser humà en la presa de decisions.
Els algorismes de Machine Learning estan pensats perquè amb menys recursos es processin grans volums de dades, i anar aprenent per si mateix, una cosa semblant a com fa la màquina WOPR a la pel·lícula de Jocs de Guerra.
És important entendre aquest concepte per poder dir que Apple sí que ha innovat amb els nous iPhone 11 . Ha innovat en la manera dimplementar la intel·ligència artificial a la fotografia. Algú podria dir que apple no és la primera empresa a implementar ML en el tractament fotogràfic, i en això estem d'acord, però si és la primera a implementar-la tal com ha fet, treballant amb un gran nombre de fotos en temps real, abans i després de prémer l'obturador. De tot això sorgeix que hagi calgut implementar un gran processador A13 Biònic , el qual és capaç de suportar aquests càlculs infinits i en una quantitat de temps mínim . Per això, i no per altres raons fosques, un iPhone XS no podrà realitzar la manera nocturna al no disposar d'un nivell operacional al seu processador A12 Bionic.
Com sempre passa, a la keynote del 10 de Setembre, Apple va pecar de modesta i no explico de forma extensa quin és el funcionament del bestial processador A13 Bionic. Un processador potent en si no aporta un valor afegit a un dispositiu, i tampoc aporta res uns algorismes fantàstics si no hi ha força bruta per moure'l. Però com passa sempre, i aquí tenim la prova, Apple ha sabut fusionar perfectament el maquinari amb el programari . Un processador com el que ha creat Apple no cal vendre'l per la quantitat d'operacions que és capaç de fer, sinó com s'integra amb el programari que ha de moure. Un cop més es demostra el mestratge absolut de la signatura de la poma mossegada en la fusió de maquinari i programari.
Per això nosaltres creiem que podem dir ben alt que un cop més Apple va innovar en com fa les coses , inventant algorismes que per al comú dels processadors és impossible executar. El disseny a mida d'un nou processador que suporti aquestes velocitats de càlcul, és simplement mestratge a l'enginyeria.
