Machine Learning : Apple lève le voile sur Overton
Apple révèle un outil interne, Overton, présenté comme un système de gestion du cycle de vie de l’apprentissage machine. Un plus pour Siri et iOS.
Apple affûte sa stratégie pour l’intelligence artificielle (IA) et l’apprentissage automatique (machine learning). Depuis le regroupement des équipes en charge de Siri et de Core ML sous la direction de John Giannandrea (ex-Google), les développements s’accélèrent.
Dans un document, des chercheurs de la firme de Cupertino décrivent comment une solution interne de machine learning nommée Overton aide « les ingénieurs à construire, surveiller et améliorer des systèmes d’apprentissage automatique en production. »
Pour ce faire, Overton automatise la conception, le déploiement et la surveillance de modèles de machine learning. Le système contribue à la personnalisation des modèles et libère du temps pour les développeurs. « En fait, en utilisant Overton, les ingénieurs peuvent créer des applications basées sur l’apprentissage profond (deep learning) sans écrire de code dans des frameworks de développement comme TensorFlow » de Google.
Apple a précisé que Overton est utilisé en production depuis plus d’un an pour supporter « des applications en quasi temps réel et des traitements en arrière-plan ».
Ces applications reposant sur Overton ont « répondu à des milliards de requêtes dans plusieurs langues et traité des trillions d’enregistrements ». Les erreurs ont été réduites « entre 1,7 et 2,9 fois » par rapport aux systèmes en production, selon ses promoteurs.
Apprentissage machine et performance applicative
Overton, ajoutent les chercheurs, se présente donc comme « un système de gestion du cycle de vie du machine learning qui se concentre sur le contrôle et l’amélioration de la qualité des applications » et d’autres programmes, parmi lesquels Siri et iOS 13.
« Une idée clé est de séparer les modèles et les données, ce que permet une approche sans code de l’apprentissage profond. Overton réutilise les idées des communautés des bases de données et du machine learning pour aider les ingénieurs à soutenir le cycle de vie des outils d’apprentissage automatique. »
D’autres, dont Google avec AutoML, ont également cette ambition.
