MLX: o primeiro grande passo de inteligência artificial da Apple

Na última semana, o mercado de inteligência artificial (IA) foi inundado de novidades interessantes e promissoras.

Ó Googlepor exemplo, liberado em 170 países (apenas em inglês) o aguardado Gêmeosum modelo multimodal (que interage por meio de texto, áudio e vídeo) de IA generativa, que supera o desempenho do GPT-4 em alguns quesitos.

O Gemini foi desenvolvido em três tamanhos de modelo: o Ultra (que é a versão que supera o GPT-4), para tarefas mais complexas e que será disponibilizada no início de 2024), o Pró (comparável ao GPT-3.5), para a maioria das tarefas, e o Nanoque roda localmente com suporte imediato ao Pixel 8 Pro.

Já um Microsoftcom o quiprocó da briga de bastidores da OpenAI no retrovisor, anunciou uma série de boas-vindas funcionalidades não Co-piloto.

Dentre eles, os destaques são a possibilidade imediata de criar imagens por meio do DALL·E 3, a iminente chegada de formulação de respostas por meio do recém-lançado GPT-4 Turbo e, talvez uma das mais empolgantes para quem programa, suporte à funcionalidade Code Interpreter do ChatGPT, que permite a execução e teste de código diretamente dentro da conversa ou da pesquisa.

A metapor sua vez, fez uma série de anúncios envolvendo IA e seus produtos, incluindo acesso ao Emu (basicamente o DALL·E da Meta), integração da Meta AI (basicamente o ChatGPT da Meta) em campos de composição de texto e detalhes relacionados incluindo a inserção de marcas d’água invisíveis em segurança de conteúdos gerados sinteticamente.

Em meio a tantas novidades bacanas, teve uma que passou despercebida por boa parte do mercado, mas que é particularmente empolgante para quem lê o MacMagazine. E essa novidade se chama MLX.

O que é o MLX?

Publicado no GitHub por Awni Hannuncientista de pesquisa de aprendizado de máquina da Apple, o projeto MLX (ou ml-explore) é composto inicialmente por dois estruturas: ó mlxpará aprendizado de máquina em máquinas com Apple Silicon, eo dados mlxuma biblioteca de carregamento de dados.

O projeto foi concebido inspirado em estruturas que toda a comunidade de IA vem utilizando em peso, como por exemplo o PyTorch (da Meta), o JAX (faça Google) eo ArrayFire. Mais precisamente, sua estrutura é bem próxima da biblioteca NumPyamplamente utilizado em computação científica na linguagem Pitãograças à sua baixa barreira de entrada para aprendizado, e alta eficiência.

Um diferencial interessanteíssimo do estrutura mlx é o fato de que sua estrutura se baseia em um modelo unificado de memória. Na prática, isso significa que ele pode cumprir tarefas usando tanto a CPU¹ quanto uma GPU²sem a necessidade de copiar os dados de um lugar para outro³.

Dependendo da complexidade da tarefa e da forma como a Apple segue desenvolvendo o MLX, isso pode se tornar um enorme diferencial quando o assunto é o treinamento de modelos em Macs com Apple Silicon, já que ela não terá controle de todas as variações dessa pesquisa.

No caso do mlx-data, uma grande vantagem é ele funcionar com PyTorch, com JAX, e com o próprio mlx. Isso permite aos desenvolvedores uma flexibilidade de plataforma, reduzindo ainda mais o atrito inicial para sua adoção.

Por que o MLX é importante?

Esse é um dos primeiros lançamentos públicos da Apple quando o assunto é o uso de Macs por desenvolvedores para o treinamento de modelos de inteligência artificial.

Mais importante disso, ao adotar o Python (além de suporte a algumas transações em C++) no MLX, a Apple mostra que não irá lutar contra a maré quando o assunto for a língua franca do desenvolvimento de IA e aprendizado de máquina. Ao invés disso, disponibilizará a ferramenta na linguagem que a comunidade já utilizareduzindo bastante a barreira de entrada e aumentando as chances de uma rápida adoção por parte dos desenvolvedores.

Quem tem boa memória provavelmente se lembrará de que, em dezembro de 2022, a Apple já havia anunciado otimizações ao ML principal⁴ para usar o Difusão Estável (modelo de IA generativa de imagens) em dispositivos com Apple Silicon rodando a partir do macOS 13.1 e do iOS 16.1.

O lançamento incluiu uma biblioteca em Python para converter modelos PyTorch para Core ML, além de um pacote Swift para distribuir o modelo. Na prática, isso abriu caminho para a incorporação dos modelos de Difusão Estável em aplicativos de iOS e macOS, o que foi uma ótima notícia para desenvolvedores.

Desta vez, a coisa vai além. Enquanto o Stable Diffusion é usado apenas para a geração de imagens, a novidade da última semana abre caminho para o treinamento e a adoção de múltiplas formas de IA em aplicativos de macOS e iOS, sendo que todo o projeto pode ser desenvolvido a partir de um Mac.

O fato de a Apple não ter esperado até a WWDC24 para fazer esse anúncio é um excelente sinal e mostra que ela está com pressa para correr atrás do tempo perdido, a fim de tornar o Mac uma ferramenta tão útil para desenvolver IA quanto as que estão disponíveis no resto do mercado.

Mas e do lado da Apple?

Bem, essa é a pergunta que fica. Historicamente, a Apple sempre teve dificuldades de atrair talentos desse mercado por conta das políticas de segredos que permeiam a empresa. Somente em 2016 ela passou a permitir a publicação de artigos científicos, o que é uma prática comum e essencial para profissionais desse segmento.

Além disso, nos últimos meses, a Apple rebatizou a sua divisão de aprendizado de máquina como AIMLsinalizando um aumento na abrangência da atuação que ela pretende ter⁵.

Por fim, a Apple elegeu “IA generativa” como tendência do ano, dando continuidade à campanha de relações públicas que ela vem fazendo para dizer ao mercado que ela sabe que dormiu no ponto, mas que está correndo atrás do tempo perdido. Múltiplos executivos, incluindo Tim Cooktêm dadas entrevistas dizendo que a Apple vem trabalhando em novidades relacionadas à inteligência artificial, apesar de obviamente não dizerem exatamente o que vem por aí.

Olhando para a concorrência, a forma como a Microsoft vem adotando IA em seus produtos parece ser uma boa prévia do que poderá sair de Cupertino. Do Windows ao Office, do Bing ao GitHub, todos os produtos da Microsoft oferecem algum tipo de integração com IAs, muitas delas generativas e que são comprovadas úteis no dia a dia. Até o MS Pintura já ganhou funções de IA!

Já do lado do mercado de desenvolvimento, o Azure e as outras ferramentas da Microsoft trazem possibilidades poderosas para o desenvolvimento de ferramentas inteiras de IA, sem qualquer relação com o ecossistema da Microsoft. Até mesmo o ChatGPT roda na estrutura da Microsoft.

E pode ser que a Apple pretenda fazer algo assim. Digo isso porque existe um detalhe interessante a respeito do MLX: ele foi lançado por meio de espécie de organização separada da Apple, chamada Explorar aprendizado de máquina.

Com o mote “Pesquisa de aprendizado de máquina no seu laptop ou em um data center – pela Apple”, a ML Explore provavelmente lançará mais iniciativas e ferramentas no futuro. A parte do texto que diz “ou em um data center” é especialmente interessante, porque ela pode indicar que talvez a Apple tenha ambição de se tornar uma fornecedora de tecnologia para além apenas dos ecossistemas iOS/macOS, assim como a Microsoft faz com o Azul.

Paralelo a tudo isso, existe, é claro, a questão de quais ferramentas e recursos de IA a própria Apple vem Desenvolvendo para adotar nossos sistemas. Independentemente do que ela lançou, uma coisa é certa: se os desenvolvedores puderem integrar suas próprias soluções a seja lá o que a Apple estiver desenvolvendo, talvez não estejamos tão distantes de finalmente termos um ecossistema amplo e poderoso de IA nativa em nossos dispositivos.

Sonhar não custa nada.