Apple a réécrit son moteur de recherche musicale pour comprendre ce que vous voulez vraiment dire

Points clés

• Le nouveau modèle de recherche d'Apple Music dispose de 305 millions de paramètres et comprend les requêtes dans plusieurs langues simultanément.
• Le système a été conçu pour résoudre un problème spécifique et mesurable : la plupart des recherches sur Apple Music sont des requêtes rares ou uniques que les anciens outils de correspondance par mots-clés traitent mal.
• Apple a mis au point une base IA multilingue existante appelée GTE-multilingual-base plutôt que de construire à partir de zéro.
• Apple ML Research a publié les détails techniques, suggérant que cette approche pourrait influencer la façon dont les autres plateformes de streaming traitent la recherche.

Tapez « Bohemian Rapsody » dans Apple Music et vous voulez probablement toujours Queen. Tapez-le dans un mélange de lettres arabes et anglaises, ou dans une orthographe phonétique d'une chanson de film hindi dont vous vous souvenez à peine, et jusqu'à récemment, vous obteniez probablement rien d'utile.

Apple a maintenant publié les détails d'un système IA conçu pour résoudre exactement ce problème à une échelle énorme. Apple Music opère dans plus de 150 pays, ajoute des centaines de milliers de pistes chaque jour et sert des auditeurs recherchant dans des dizaines de langues. La grande majorité de ces recherches sont des requêtes rares ou uniques, ce qui signifie que la correspondance par mots-clés standard, qui recherche des correspondances exactes ou quasi exactes, laisse de nombreux auditeurs sans résultats.

La solution est un système de récupération sémantique. La récupération sémantique signifie que le moteur de recherche essaie de comprendre la signification ou l'intention derrière une requête, pas seulement les lettres littérales tapées. Pensez-y comme la différence entre un bibliothécaire qui ne cherche que le titre exact que vous avez mentionné et un autre qui vous demande de quoi parle le livre et vous trouve trois bonnes options quand même.

Le modèle IA qui alimente cela s'élève à 305 millions de paramètres. Les paramètres sont les nombres internes qu'un modèle IA ajuste pendant l'entraînement ; plus il y en a, plus le modèle peut généralement gérer des motifs complexes. Apple n'a pas construit cela à partir de zéro. Il a mis au point, ce qui signifie qu'il a pris un modèle multilingue existant appelé GTE-multilingual-base et l'a entraîné davantage sur les problèmes de recherche spécifiques d'Apple Music. La mise au point est plus rapide et moins chère que de commencer à partir de zéro, et elle fonctionne généralement bien lorsqu'une base de fondation polyvalente solide existe déjà.

Le processus d'entraînement a utilisé quelque chose appelé planification curriculaire, où le modèle apprend d'abord les exemples plus faciles avant de s'attaquer à des requêtes plus difficiles et désordonnées, de la même manière qu'un étudiant révise les bases avant de passer un examen.

Qu'est-ce que cela change réellement pour les auditeurs ?

Pour la plupart des gens, rien de visible ne change. Vous tapez toujours dans la barre de recherche. Ce qui change, c'est le taux de réussite sur les recherches qui avaient l'habitude d'échouer, en particulier les recherches avec des fautes de frappe, des mots translittérés (sons en langue étrangère épelés en lettres latines), ou des requêtes qui mélangent les langues au milieu d'une phrase. Apple dit que ces « requêtes de queue » constituent la majorité des recherches uniques que la plateforme reçoit.

En d'autres termes : si vous avez déjà recherché une piste par son plutôt que par une orthographe correcte, ou recherché dans votre langue maternelle sur une interface en langue anglaise, ce système est destiné à vous.

Apple ML Research a publié le document technique, ce qui est inhabituel pour Apple et signale que l'entreprise est à l'aise d'être considérée comme une institution sérieuse de recherche en IA aux côtés de son identité de produit. Les détails étaient suffisamment spécifiques pour que les autres services de streaming et les ingénieurs en recherche étudient presque certainement l'approche.

Apple n'a pas dit quand le système est devenu opérationnel ni publié de chiffres de précision destinés aux utilisateurs pour le grand public.