Apple ha riscritto il suo motore di ricerca musicale per capire quello che intendi davvero

Punti chiave

• Il nuovo modello di ricerca di Apple Music ha 305 milioni di parametri e comprende le query in più lingue contemporaneamente.
• Il sistema è stato costruito per risolvere un problema specifico e misurabile: la maggior parte delle ricerche su Apple Music sono query rare o uniche che gli strumenti di corrispondenza per parole chiave più vecchi gestiscono male.
• Apple ha ottimizzato una base di fondazione AI multilingue esistente chiamata GTE-multilingual-base piuttosto che costruire da zero.
• Apple ML Research ha pubblicato i dettagli tecnici, suggerendo che l'approccio potrebbe influenzare il modo in cui altre piattaforme di streaming gestiscono la ricerca.

Digita "Bohemian Rapsody" in Apple Music e probabilmente vuoi comunque Queen. Digita un mix di lettere arabe e inglesi, o un'ortografia fonetica di una canzone di un film hindi che ricordi a metà, e fino a poco tempo fa, era probabile che non ottenessi nulla di utile in cambio.

Apple ha ora pubblicato i dettagli di un sistema di AI progettato per risolvere esattamente quel problema su scala enorme. Apple Music opera in più di 150 paesi, aggiunge centinaia di migliaia di tracce ogni giorno e serve ascoltatori che cercano in dozzine di lingue. La stragrande maggioranza di quelle ricerche sono query rare o uniche, il che significa che la corrispondenza standard per parole chiave, che cerca corrispondenze di parole esatte o quasi esatte, lascia molti ascoltatori a mani vuote.

La soluzione è un sistema di recupero semantico. Il recupero semantico significa che il motore di ricerca cerca di capire il significato o l'intento dietro una query, non solo le lettere letterali digitate. Pensa alla differenza tra un bibliotecario che cerca solo il titolo esatto che hai detto e uno che chiede di cosa parla il libro e comunque trova tre buone opzioni.

Il modello di AI che alimenta questo si attesta a 305 milioni di parametri. I parametri sono i numeri interni che un modello di AI regola durante l'addestramento; più di loro generalmente significa che il modello può gestire modelli più complessi. Apple non ha costruito questo da zero. Ha ottimizzato, il che significa che ha preso un modello multilingue esistente chiamato GTE-multilingual-base e lo ha addestrato ulteriormente sui problemi di ricerca specifici di Apple Music. L'ottimizzazione è più veloce ed economica rispetto a iniziare da zero, e tende a funzionare bene quando esiste già una base generale solida.

Il processo di addestramento ha utilizzato qualcosa chiamato pianificazione curriculare, dove il modello apprende prima esempi più facili prima di affrontare query più difficili e disordinate, nello stesso modo in cui uno studente revede le basi prima di sostenere un esame.

Cosa cambia effettivamente per gli ascoltatori?

Per la maggior parte delle persone, non cambia nulla di visibile. Digiti comunque nella barra di ricerca. Quello che cambia è il tasso di successo sulle ricerche che in precedenza fallivano, in particolare ricerche con errori di ortografia, parole translitterate (suoni di lingue straniere scritti in lettere latine) o query che mescolano lingue a metà frase. Apple dice che queste "query di coda" costituiscono la maggior parte delle ricerche uniche che la piattaforma riceve.

In termini semplici: se hai mai cercato una traccia per suono piuttosto che per ortografia corretta, o cercato nella tua lingua madre su un'interfaccia in lingua inglese, questo sistema è rivolto a te.

Apple ML Research ha pubblicato il documento tecnico, il che è inusuale per Apple e segnala che l'azienda è a suo agio nell'essere vista come un'istituzione di ricerca di AI seria insieme alla sua identità di prodotto. I dettagli erano abbastanza specifici da far sì che altri servizi di streaming e ingegneri di ricerca studieranno quasi certamente l'approccio.

Apple non ha detto quando il sistema è andato online o ha rilasciato cifre di accuratezza rivolte agli utenti per il pubblico generale.