Apple présente une voie Open Source pour le développement de l’IA sur ses puces en silicium

Apple a opté pour ses propres puces informatiques il y a trois ans, s’orientant avec audace vers le contrôle total de sa pile technologique. Aujourd’hui, Apple a lancé MLXun framework open source spécialement conçu pour effectuer du machine learning sur les processeurs Apple M.

La plupart des développements de logiciels d’IA se déroulent actuellement sur des systèmes open source Linux ou Microsoft, et Apple ne veut pas que son écosystème de développeurs florissant soit laissé à l’écart des dernières nouveautés.

MLX vise à résoudre les problèmes de compatibilité et de performances de longue date associés à l’architecture et aux logiciels uniques d’Apple, mais c’est plus qu’un simple jeu technique. MLX propose une conception conviviale, probablement inspirée de frameworks bien connus comme PyTorch, Jax et ArrayFire. Son introduction promet un processus plus efficace pour former et déployer des modèles d’apprentissage automatique IA sur les appareils Apple.

D’un point de vue architectural, MLX se distingue par son modèle de mémoire unifiée, dans lequel des tableaux existent en mémoire partagée, permettant des opérations sur différents types d’appareils pris en charge sans avoir besoin de dupliquer les données. Cette fonctionnalité est cruciale pour les développeurs recherchant de la flexibilité dans leurs projets d’IA.

En bref, la mémoire unifiée signifie que votre GPU partage sa VRAM avec la RAM de l’ordinateur, donc au lieu d’acheter un PC puissant puis d’ajouter un GPU puissant avec beaucoup de vRAM, vous pouvez simplement utiliser la RAM de votre Mac pour tout.

Cependant, le chemin vers le développement de l’IA chez Apple Silicon n’a pas été sans difficultés, principalement en raison de son écosystème fermé et du manque de soutien pour de nombreux projets de développement open source et son infrastructure largement utilisée.

« C’est excitant de voir plus d’outils comme celui-ci pour travailler avec des objets de type tenseur, mais j’aimerais vraiment qu’Apple facilite le portage de modèles personnalisés plus efficacement en termes de performances », a déclaré un développeur. dans Actualités des hackers dans une discussion sur l’annonce.

Jusqu’à présent, les développeurs devaient convertir leurs modèles en CoreML pour pouvoir fonctionner sur Apple. Cette dépendance à l’égard d’un traducteur ce n’est pas idéal.

CoreML se concentre sur la conversion de modèles d’apprentissage automatique préexistants et sur leur optimisation pour les appareils Apple. Tandis que MLX consiste à créer et à exécuter des modèles d’apprentissage automatique directement et efficacement sur le matériel Apple, en offrant des outils d’innovation et de développement au sein de l’écosystème Apple.

MLX a obtenu de bons résultats lors des tests de référence. Sa compatibilité avec des outils tels que Stable Diffusion et OpenAI’s Whisper représente une avancée significative. Il est important de noter que les comparaisons de performances révèlent l’efficacité de MLX, surpassant PyTorch à des vitesses d’imagerie avec des lots de plus grande taille.

Par exemple, Apple informer qu’il faut « environ 90 secondes pour générer entièrement 16 images avec MLX et 50 étapes de diffusion avec un guidage sans classificateur et environ 120 avec PyTorch ».

Alors que l’IA continue d’évoluer à un rythme rapide, MLX représente une étape importante pour l’écosystème Apple. Il répond non seulement aux défis techniques, mais ouvre également de nouvelles possibilités pour la recherche et le développement en matière d’IA et d’apprentissage automatique sur les appareils Apple, une décision stratégique compte tenu de la séparation d’Apple de Nvidia et de son propre écosystème d’IA robuste.

MLX vise à faire de la plate-forme Apple une option plus attrayante et réalisable pour les chercheurs et les développeurs en IA, et signifie un Noël plus radieux pour les fans obsédés par l’IA d’Apple.