Maskinlæring
og kunstig intelligens

Teamet bygger datagrunnlaget bak Apple Intelligence, utvikler syntetiske datalinjer, kjører innsamlingsoperasjoner i global skala og gjør banebrytende arbeid innen menneskelig evaluering for generativ KI og multimodale modeller.

Viktige områder:

generering av syntetiske data, datainnsamling, brukerundersøkelser, globale operasjoner i stor skala, menneskelig vurdering og datavalidering, multimodal modellering for generativ KI og store språkmodeller, datasyn og datakvalitetssikring

Teamet er ansvarlig for å gi Apple-enheter opptrening i å se og forstå den visuelle verden, og det utvikler alt fra bildebehandling i sanntid til multimodale grunnmodeller som resonnerer om hva de ser.

Viktige områder:

datavitenskap, dyplæring, multimodal grunnmodellering, visuell resonnement, modelloptimalisering med maskinvarebevissthet og datasyn i sanntid

Teamet skaper datagrunnlaget for Apple Intelligence, inkludert infrastrukturen som driver Siri og søk samt eksperimenterings­plattformer som måler hva som fungerer.

Viktige områder:

statistisk analyse, datainnsikt, evaluering, eksperimentering, bruk av maskinlæring, forskning og databehandling

Teamet skaper Apples nyeste grunnmodeller – fra før opplæring til etter opplæring, evaluering og utrulling – for hele modellens livssyklus.

Viktige områder:

dyplæring, forsterkende læring, modellering for store språkmodeller, visjonspråkmodellering, multimodale sensorer, generering basert på utvidet innhenting (RAG), agentbasert KI, datasyn, naturlig språkbehandling og forskning

Teamet holder Apples mest ambisiøse KI-programmer på rett spor, og organiserer utførelsen på tvers av grunnmodeller, infrastruktur for personvern, søk og vurdering.

Viktige områder:

plattform og infrastruktur, grunnmodeller, personvern og samsvar, søk og kunnskap, og vurdering

Teamet bruker KI og maskinlæring til å transformere hvordan Apple drives på selskapsnivå, og bygger intelligente plattformer for alt fra avanserte samtale­opplevelser til utviklerproduktivitet.

Viktige områder:

datavitenskap, DevOps, anvendt maskinlæring, brukeropplevelse, KI-plattformutvikling, robotprosess­automatisering, sikkerhet og svindeldeteksjon, store språkmodeller og maskinlæringsplattform

Teamet bygger systemene som støtter KI og maskinlæring i Apple, og det sørger for optimalisering av ytelse, effektivitet og skala på tvers av hele maskinlæringstabelen, med påvirkning på alle modellene.

Viktige områder:

rammeverk for maskinlæring, plattformutvikling, distribuert systemdesign og drift, samt akselerert databehandling

Teamet sikrer at Apple-enheter forstår hvor de er i verden og hvordan de beveger seg gjennom den, og det bygger energieffektive algoritmer for romlig sporing, 3D-syn og sceneforståelse i sanntid.

Viktige områder:

romlig sporing i sanntid, navigasjon, 3D-datasyn, kartlegging, lokalisering, sceneforståelse, posisjonsestimering, multimodale sensorer og struktur fra bevegelse

Teamet transformerer Apples grunnmodeller til språk- og taleopplevelsene som folk bruker, med fokus på instruksjonsteknikk, modelladapsjon og produktintegrering.

Viktige områder:

modellutvikling og -forbedring, forskning og innovasjon, dataanalyse og forberedelse, produktintegrering, ytelsesevaluering og -justering, og personvern og etikk

Teamet jobber med banebrytende KI for å ivareta personvern og utvikle teknikker som differensielt personvern og evaluerings­rammeverk som sikrer at Apple Intelligence leverer førsteklasses kvalitet uten at det går på bekostning av brukerens tillit.

Viktige områder:

differensielt personvern, personvern og dataanalyse, regulatorisk klarhet, samsvarskontroller og policyrammeverk

Teamet definerer hvordan Apple navigerer utfordringer rundt generativ KI, fra modelltilpasning og Red Team-testing til sikkerhetsmitigering og overvåking etter avsendelse.

Viktige områder:

risikovurdering, produktfunksjonspolicy, modelljustering, teknisk sikkerhetsmitigering, tekniske løsninger, designløsninger, evaluering, Red Team-tester og overvåking og respons etter avsendelse

Temaet utvikler søkene, kunnskapsgrafene og innhentingssystemene som gir mennesker riktig informasjon på tvers av Apples økosystem, som i økende grad drives av samtalebasert KI, generering basert på utvidet innhenting (RAG) og agentbaserte egenskaper.

Viktige områder:

samtalebasert og agentbasert KI, kunnskapsgraf, modellering av store språkmodeller, naturlig språkbehandling, etter opplæring, generering basert på utvidet innhenting (RAG), informasjonsinnhenting, forsterkende læring og oppsummering

Teamet utvikler forsvar mot nye trusler på en enorm skala ved å kombinere maskinlæring og sikkerhetsforskning med plattform- og produktsikkerhet for å beskytte Apples systemer og kunder.

Viktige områder:

sikkerhetsvurdering for anvendt maskinlæring, utvikling av plattform­sikkerhet og produkt­sikkerhet