Apple hat heute neue KI-Modelle bekannt gegeben und scheint verst\u00e4rkt auf KI-L\u00f6sungen zu setzen, die lokal auf den eigenen Ger\u00e4ten ausgef\u00fchrt werden. Die Forscher von Apple haben das OpenELM-Modell in der Hugging Face Model Library ver\u00f6ffentlicht. OpenELM besteht aus vier \u00e4u\u00dferst kompakten Sprachmodellen, die besonders effizient bei textbasierten Aufgaben wie dem Verfassen von E-Mails sind. Diese Modelle sind sogar kleiner als die meisten leichtgewichtigen KI-Modelle, was sie besonders f\u00fcr Ger\u00e4te wie Smartphones und Laptops optimiert. <\/p>\n
Jetzt kommen wir zu den technischen Details. Bei KI-Modellen spielt die Anzahl der Parameter eine wichtige Rolle. Ein Parameter bezieht sich dabei auf die Anzahl der Variablen, die ein Modell in seine Entscheidungsfindung einbezieht, basierend auf den trainierten Daten. Die OpenELM-Modelle bieten vier verschiedene Gr\u00f6\u00dfen zur Auswahl, abh\u00e4ngig von der Anzahl der Parameter. Im Vergleich zu anderen Modellen wie Microsofts Phi-3 mit 3,8 Milliarden Parametern oder Googles Gemma mit 2 Milliarden Parametern sind die OpenELM-Modelle deutlich kompakter. Das bedeutet, dass sie weniger Speicherplatz ben\u00f6tigen und kosteng\u00fcnstiger sind.<\/p>\n
Apple CEO Tim Cook hat bereits angek\u00fcndigt, dass generative KI-Funktionen auf den Ger\u00e4ten des Unternehmens eingef\u00fchrt werden sollen. Das klingt vielversprechend, aber bisher hat Apple noch keine konkreten Informationen dar\u00fcber preisgegeben, wie der Einsatz von KI genau aussehen k\u00f6nnte. Es bleibt also spannend, was uns da noch erwartet.<\/p>\n
Obwohl Apple bereits andere KI-Modelle ver\u00f6ffentlicht hat, handelt es sich dabei bisher eher um Grundlagenmodelle und nicht um Modelle f\u00fcr den kommerziellen Einsatz wie bei den Konkurrenten. Im Dezember hat Apple das MLX-Framework eingef\u00fchrt, das die Ausf\u00fchrung von KI-Modellen auf Apple Silicon optimiert. Au\u00dferdem wurde das Bildbearbeitungsmodell MGIE ver\u00f6ffentlicht, das die Bearbeitung von Fotos anhand von Anweisungen erm\u00f6glicht. Und dann gibt es noch das Modell Ferret-UI, das zur Navigation auf Smartphones genutzt werden k\u00f6nnte. Es scheint, als w\u00e4re Apple auf vielen Gebieten aktiv.<\/p>\n
Ger\u00fcchten zufolge hat Apple sogar Google und OpenAI kontaktiert, um deren Modelle auf Apple-Produkte zu integrieren. Es bleibt abzuwarten, ob und wie diese Zusammenarbeit zustande kommt. <\/p>\n
Alles in allem zeigt Apple mit seinen KI-Initiativen, dass das Unternehmen sich stark auf die Weiterentwicklung und Integration von KI-Technologien konzentriert. Es wird interessant sein zu sehen, wie sich das in Zukunft in den Produkten von Apple widerspiegelt.<\/p>\n
Schlagw\u00f6rter: Apple + Apple MLX + OpenELM<\/p>\n","protected":false},"excerpt":{"rendered":"
Apple hat heute neue KI-Modelle bekannt gegeben und scheint verst\u00e4rkt auf KI-L\u00f6sungen zu setzen, die lokal auf den eigenen Ger\u00e4ten ausgef\u00fchrt werden. Die Forscher von Apple haben das OpenELM-Modell in der Hugging Face Model Library ver\u00f6ffentlicht. OpenELM besteht aus vier \u00e4u\u00dferst kompakten Sprachmodellen, die besonders effizient bei textbasierten Aufgaben wie...<\/p>\n","protected":false},"author":4,"featured_media":7056,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-7057","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/7057","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=7057"}],"version-history":[{"count":0,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/7057\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/media\/7056"}],"wp:attachment":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=7057"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=7057"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=7057"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}