Apple hat seine Musiksuchmaschine umgeschrieben, um wirklich zu verstehen, was du meinst

Wichtigste Punkte

• Apples neues Suchmodell hat 305 Millionen Parameter und versteht Anfragen in mehreren Sprachen gleichzeitig.
• Das System wurde entwickelt, um ein spezifisches, messbares Problem zu lösen: Die meisten Suchanfragen in Apple Music sind seltene oder einzigartige Abfragen, die ältere Keyword-Matching-Tools schlecht bewältigen.
• Apple optimierte ein bestehendes mehrsprachiges KI-Fundament namens GTE-multilingual-base, anstatt von Grund auf neu zu entwickeln.
• Apple ML Research veröffentlichte die technischen Details und deutet damit an, dass dieser Ansatz beeinflussen könnte, wie andere Streaming-Plattformen die Suche handhaben.

Gib „Bohemian Rapsody" in Apple Music ein und du möchtest wahrscheinlich immer noch Queen. Gib es in einer Mischung aus arabischen und englischen Buchstaben ein, oder in einer phonetischen Schreibweise eines Hindi-Filmlieds, das du nur halb im Gedächtnis hast, und bis vor kurzem bekamst du wahrscheinlich nichts Brauchbares zurück.

Apple hat nun Details eines KI-Systems veröffentlicht, das genau dieses Problem im enormen Ausmaß lösen soll. Apple Music ist in mehr als 150 Ländern aktiv, fügt jeden Tag Hunderttausende von Titeln hinzu und bedient Nutzer, die in Dutzenden von Sprachen suchen. Die überwiegende Mehrheit dieser Suchanfragen sind seltene oder einmalige Abfragen, was bedeutet, dass das standardmäßige Keyword-Matching, das nach exakten oder nahezu exakten Wortübereinstimmungen sucht, viele Nutzer ohne verwertbares Ergebnis zurücklässt.

Die Lösung ist ein semantisches Abrufsystem. Semantische Abrufe bedeuten, dass die Suchmaschine versucht, die Bedeutung oder Absicht hinter einer Abfrage zu verstehen, nicht nur die wörtlich eingegebenen Buchstaben. Stelle dir das so vor: Ein Bibliothekar, der nur nach dem genauen Titel sucht, den du genannt hast, gegen einen, der fragt, worum es in dem Buch geht, und dir trotzdem drei gute Optionen findet.

Das KI-Modell, das dies antreibt, hat 305 Millionen Parameter. Parameter sind die inneren Zahlen, die ein KI-Modell während des Trainings anpasst; mehr davon bedeuten generell, dass das Modell komplexere Muster bewältigen kann. Apple hat dies nicht von Grund auf entwickelt. Es optimierte ein bestehendes mehrsprachiges Modell namens GTE-multilingual-base und trainierte es weiter auf Apples spezifische Suchprobleme. Optimierung ist schneller und günstiger als der Anfang von vorne, und sie funktioniert oft gut, wenn bereits eine starke allgemein einsetzbare Grundlage vorhanden ist.

Der Trainingsprozess verwendete etwas namens Curriculum Scheduling, bei dem das Modell zunächst einfachere Beispiele lernt, bevor es sich schwierigeren, unordentlicheren Abfragen stellt – genauso wie ein Schüler die Grundlagen wiederholt, bevor er eine Prüfung ablegt.

Was ändert sich für Nutzer wirklich?

Für die meisten Menschen ändert sich sichtbar nichts. Du gibst immer noch in die Suchleiste ein. Was sich ändert, ist die Erfolgsquote bei Suchanfragen, die früher fehlgeschlagen sind, besonders bei Suchanfragen mit Tippfehlern, transliterierten Wörtern (fremdsprachige Laute in lateinischen Buchstaben geschrieben) oder Abfragen, die Sprachen in der Mitte des Satzes mischen. Apple sagt, dass diese „Tail Queries" die Mehrheit der einzigartigen Suchanfragen ausmachen, die die Plattform erhält.

Einfach ausgedrückt: Wenn du jemals einen Titel eher nach Laut als nach korrekter Schreibweise gesucht hast, oder in deiner Muttersprache auf einer englischsprachigen Oberfläche gesucht hast, ist dieses System für dich entwickelt worden.

Apple ML Research veröffentlichte das technische Paper, was für Apple ungewöhnlich ist und signalisiert, dass das Unternehmen sich wohlfühlt, als ernsthafte KI-Forschungsinstitution neben seiner Produktidentität wahrgenommen zu werden. Die Details waren spezifisch genug, dass andere Streaming-Dienste und Such-Ingenieure diesen Ansatz mit Sicherheit studieren werden.

Apple hat nicht mitgeteilt, wann das System live ging, oder Genauigkeitswerte für die breite Öffentlichkeit veröffentlicht.