Um novo relatório da Bloomberg lança luz sobre os planos mais recentes da Apple para a inteligência artificial. Isso envolve a implementação de medidas alinhadas com o modelo de privacidade da empresa, garantindo ao mesmo tempo a coleta de trechos do mundo real sem enviar dados de volta para servidores. Isso pode ser feito na forma de e-mails armazenados em modelos como computadores Mac, iPads e iPhones.
A empresa compartilhou mais informações sobre esse assunto, incluindo como o objetivo é produzir dados sintéticos o mais próximos possível da realidade. Isso pode ajudar modelos na geração de resumos, mas é feito sem realmente coletar os dados de um dispositivo específico.
A plataforma completa de inteligência artificial da empresa é chamada de Apple Intelligence, e já vimos que está atrás de outros gigantes da IA, como OpenAI, Google e até Microsoft. Um dos principais motivos está relacionado ao fato de a empresa estar trabalhando no desenvolvimento de ferramentas de IA que não faziam uso efetivo das informações dos usuários em tempo real, já que ia contra suas práticas de privacidade. Afinal, quem quer se envolver em outra batalha sobre privacidade, não é mesmo? O problema era que a maioria das informações não se parecia com interações reais dos usuários, e isso resultava em resultados ruins.
As ferramentas da empresa para escrever e gerar resumos não receberam muitas críticas positivas. Muitos alertas não fazem sentido. Vários resumos não estão corretos, e a Siri tem seus próprios problemas, continuando a falhar na única tarefa que se espera dela.
Toda essa questão poderia causar uma grande reviravolta, levando a atrasos nos prazos de lançamento e passando a ideia de que ainda não está pronta para lidar com o mundo da IA. No momento, o sistema mais recente visa reduzir a bagunça e realizar o trabalho de IA de forma eficiente. Então, qual seria a melhor maneira de treinar modelos com dados o mais próximos possível da realidade?
O objetivo aqui parece estar relacionado à Apple espiar e-mails, sem realmente armazená-los ou lê-los. Isso pode calibrar melhor os dados sintéticos para treinamento, fornecer melhores resumos de mensagens e aprimorar sugestões de escrita.
Obviamente, as mudanças seriam aplicáveis a todos os usuários que optarem por isso por meio de análises e configurações para melhoria do produto.