Hasta los usuarios más fieles de Apple admiten que la compañía va atrasada en inteligencia artificial. La gran actualización de Siri con Apple Intelligence, que se promocionó mucho el año pasado, ahora se retrasó oficialmente. En una nueva publicación, Apple explica cómo espera ponerse al día.
Una posible razón por la que Apple batalla con la IA generativa es que prioriza mucho más la privacidad que OpenAI o Google. Apple no recopila datos de usuarios para entrenar sus modelos de lenguaje (aunque sí usó textos públicos de internet). En cambio, depende mucho de datos sintéticos para generar respuestas.
El problema con los datos sintéticos es su artificialidad. Les falta la riqueza y evolución del lenguaje humano. Sin textos reales para comparar, es difícil evaluar la calidad de lo que produce la IA. Por eso, Apple planea mejorar la generación de textos.
Básicamente, la idea es comparar textos sintéticos con escritos reales de usuarios, almacenados en sus dispositivos, pero con varias protecciones para que nadie pueda identificar a las personas ni acceder a sus mensajes. El sistema califica los textos artificiales contra muestras reales, pero solo envía a Apple las calificaciones generales, no los textos.
De hecho, ni siquiera se comparan palabras reales. Tanto los textos sintéticos como los humanos se convierten en “incrustaciones” (representaciones matemáticas del texto). Así se puede medir la calidad sin leer el contenido.
Toda esta información se envía cifrada, y solo se compara en dispositivos donde los usuarios activaron “Análisis de dispositivo” (en Ajustes > Privacidad y Seguridad > Análisis y mejoras). Apple nunca sabe qué muestras evaluó un dispositivo en particular, solo qué textos artificiales tienen mejores puntajes en general.
Genmoji y otras herramientas
Apple dice que este sistema anónimo mejorará tanto los textos generados por su IA como la calidad de los resúmenes automáticos. Las respuestas mejor calificadas podrían ajustarse con algún cambio antes de una nueva evaluación.
Algo similar ya se usa en Genmoji, donde puedes crear emojis personalizados (como un pulpo surfista o un vaquero con audífonos). Apple agrupa datos de muchos dispositivos para ver qué ideas son populares, pero protege las solicitudes únicas para que no se vinculen a usuarios específicos.
Esto solo ocurre en iPhones, iPads y Macs con Análisis de dispositivo activado. Al recolectar señales generales sin datos personales, Apple mejora sus modelos sin comprometer privacidad.
Pronto, técnicas parecidas se usarán en otras funciones de Apple Intelligence, como Image Playground, Image Wand, Creación de recuerdos, Herramientas de escritura e Inteligencia visual, algunas de las primeras en llegar a los dispositivos.
Según Bloomberg, estos sistemas mejorados se probarán en las versiones beta de iOS 18.5, iPadOS 18.5 y macOS 15.5. Podríamos saber más en la WWDC 2024, que empieza el 9 de junio.
Mientras tanto, los rivales de Apple en IA no se detienen y tienen menos reparos en usar textos de usuarios para entrenar sus modelos. Recientemente, Microsoft actualizó Copilot (con funciones como búsqueda de archivos), Google añadió generación de videos a Gemini y OpenAI mejoró la memoria de ChatGPT.
Vía | How Apple Plans to Improve Its AI Models While Protecting User Privacy | Lifehacker
I’ve tried a few sites lately but this one really stands out. The payouts are fast and the interface is super smooth. Highly recommend br600betlucky for anyone looking for a legit spot.
That was amazing
Muy buen análisis del enfoque de privacidad de Apple Intelligence. Convertir los textos en incrustaciones cifradas para compararlos sin leer el contenido es un equilibrio interesante entre mejorar el modelo y no exponer datos del usuario, sobre todo frente a rivales que entrenan con textos reales. Esa misma idea de crear sin compartir datos personales es la que me gusta de las herramientas de IA que no piden cuenta: con FreeCreate AI Image and Video Studio puedes generar imágenes y videos cortos con IA sin registro, algo práctico para experimentar sin ceder información personal. Habrá que ver si el método de datos sintéticos le basta a Apple para alcanzar a OpenAI o Google.
El matiz decisivo es que la comparación solo se realiza en dispositivos con «Análisis de dispositivo» activado: la privacidad depende también de una decisión informada del usuario. Sería útil que Apple explicara con ejemplos qué señales salen del dispositivo y cuáles permanecen locales. Para imágenes autorizadas con texto ya integrado en píxeles, InpaintingAI sirve para reconstruir localmente el fondo visible, no el contenido original oculto.
Find convenient travel solutions for your next holiday, weekend escape, or business trip. Our tours and travels near me services help you explore exciting destinations, compare suitable tour packages, arrange transportation, and manage bookings effortlessly. Whether traveling with family, friends, or colleagues, enjoy personalized planning, dependable assistance, and flexible travel options designed to make every journey comfortable, organized, and memorable.
Buen artículo sobre el enfoque de privacidad de Apple Intelligence. El uso de incrustaciones cifradas para comparar textos sintéticos con muestras reales sin leer el contenido es un enfoque interesante para medir calidad sin exponer datos de usuario. Habrá que ver si ese método de datos sintéticos es suficiente para alcanzar a OpenAI o Google en calidad de generación de texto.
Muy buen análisis. El enfoque de Apple de convertir los textos en incrustaciones para medir su calidad sin leer el contenido me parece un equilibrio interesante entre privacidad y mejora del modelo, sobre todo frente a rivales que no dudan en usar datos de usuarios. Justamente por eso me interesan las herramientas que también priorizan la privacidad: PerchanceAI permite generar y editar imágenes y videos cortos con IA sin necesidad de crear cuenta, algo práctico para experimentar sin compartir datos personales.
Me llamó la atención que Apple convierta los textos en representaciones matemáticas para evaluarlos sin leer el contenido, un giro curioso sobre lo que significa “leer” en la era de la IA. De todos modos, cuando hay que relajarse un rato, ScoopRYM convierte las noticias virales en canciones graciosas generadas con IA, y aunque la tecnología de generación sea la misma, el resultado es bastante más ligero de lo que describe el artículo.
Sinceramente prefiero que se tomen su tiempo y protejan nuestra privacidad antes que lanzar una IA apresurada que use nuestros datos sin control. La competencia va rápido, pero el enfoque en la seguridad sigue siendo el gran punto fuerte de Apple.
I was fascinated by how Apple plans to use mathematical embeddings to compare synthetic and real text without actually reading the user’s messages. It’s a clever privacy-first approach that stands in sharp contrast to the data hunger of other big tech firms. Exploring these deep technical nuances is always a welcome mental break from my daily work building facial aesthetics analysis tools over at PSL Rating, where I’m focused on scoring bone structure and symmetry on a 1-8 PSL scale.
Prefiero mil veces que se retrasen un poco si eso significa que no van a usar mis datos privados para entrenar su modelo. Al final, el enfoque en la privacidad siempre ha sido el mayor fuerte de Apple frente a Google o OpenAI.
Prefiero que se tomen su tiempo si eso significa mantener nuestros datos realmente protegidos. Es frustrante ver el retraso frente a la competencia, pero la privacidad sigue siendo fundamental.
The approach Apple is taking with synthetic data and embeddings to protect privacy is fascinating, especially since it seems to be the main bottleneck for their AI rollout. It’s a refreshing change of pace from my usual work on Instagram Transcript, where I’m focused on quickly transcribing Instagram Reels into text rather than wrestling with complex privacy models.
The explanation here is more grounded than most treatments of the topic. The result is only as good as the process behind it.
El artículo plantea un equilibrio importante: mejorar la calidad de la IA sin exponer los textos personales, mediante comparaciones anónimas y procesamiento en el dispositivo. También será interesante ver cómo se evalúan estas medidas y si los usuarios comprenden qué datos comparten al activar el análisis. Para explorar ideas visuales y encontrar inspiración en imágenes, puede resultar útil https://pinterest.com/.
I love how Apple is using embeddings to keep training data local and private, a stark contrast to the open training methods of its competitors. It’s a refreshing shift from my usual work with photo-to-video animation on AI Kissing Generator, where I’m constantly testing how synthetic visual data can be generated without compromising source material integrity.