當下 AI 已成為科技圈風暴眼，幾乎所有科技公司都投身其中，但蘋果一直以來卻慎談 AI，甚至在剛剛過去的 WWDC 也隻字未提。
蘋果為何如此謹慎，背後的原因有哪些？
InfoWorld 的最新文章對此進行了剖析，Matt Asay 在文章中點出，蘋果的落腳點在用户體驗，對於蘋果來説，重要的不是 AI，而是 AI 帶來的用户體驗改善。
Matt Asay 在開源數據庫技術公司 MongoDB 負責市場營銷，在此之前，他曾是亞馬遜網絡服務的負責人和 Adobe 的開發者生態系統負責人。
以下是文章原文：
你並不是一個人被 AI 浪潮淹沒，所有人都被挾裹其中。開發人員無法停止談論 GAI 對編程方式的改變，CEO 們也不能停止談論它，最近財報電話會議上與 AI 議題深深綁定，我們甚至已經開始用 GAI 應用程序的輸出來訓練這些應用程序背後的大模型（LLMs）。(這不會有好結果）。
但是，在所有這些圍繞 AI 的無休止的炒作和期盼中，有一家公司最近在一次全球主題演講中談了兩個多小時，即使 AI 在其產品中無處不在，但卻一次都沒有提到 AI。這家公司就是蘋果公司，它在言談的謹慎給大家上了一堂如何正確使用 AI 的課。
<h2>説起來容易</h2>
雖然人工智能的討論越來越多，但正如 Gartner 副總裁分析師 Mark Raskino 所指出的，AI 的炒作並不是什麼新鮮事。關於 AI 的討論在 20 世紀 80 年代初就已經開始了，此後一直沒有放緩。現在不同的是，在科技界內外，AI 已經變得非常普遍。對一些人來説，像 ChatGPT 已經成為一種 “病毒式炒作”。
這樣的速度帶來了一定的後果，例如，每個 LLM 都需要數據，而豐富的數據來源，如互聯網檔案館、Stack Overflow、Reddit 等等，都出現了大量的流量激增，導致互聯網檔案館的崩潰和 Reddit 等的封鎖。同時，一些人正在反對所謂版權侵權行為，用其為 GitHub Copilot 等應用提供訓練，這一切都有點混亂。
事實上，正如 TAM 資產管理公司的首席投資官 James Penny 所建議的那樣，那些在盈利中甚至提到 AI 這個詞的公司，其股價都會受到提振，這像極了當初的網絡時代。雖然考慮到像 GAI 這樣的東西仍然很原始，這似乎有點愚蠢，但有證據表明，AI 推動了股市的繁榮，但實際上並沒有對推動企業盈利的相應繁榮起到多大作用。
的確，有點 “網絡泡沫時代” 的味道。
與此同時，有一家公司不斷在 AI 方面進行大筆投資，卻沒有對 AI 大做文章。這家公司就是蘋果公司，它對 AI 的使用比大多數公司都更負責任，更有成效。
<h2>幕後的努力</h2>
AI 對蘋果並不陌生，該公司已經通過 Siri 和其他不太明顯的方式使 AI 成為產品的一部分。毫不奇怪，蘋果公司長期以來一直在招聘人工智能人才，而且這種招聘在最近變得更加引人注目。該公司有一個專門針對人工智能的登陸頁面，標題是 “機器學習和人工智能：工作是創新的，體驗是神奇的&#34;。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/33c81691-56c2-417c-9cc1-7b5d9e04ef92.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="291" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/33c81691-56c2-417c-9cc1-7b5d9e04ef92.png"/>
在該頁面上，蘋果公司提供了它如何應用 AI 的秘密，“在這裏從事機器學習和人工智能工作的人正在為每一件蘋果產品打造有魔力的體驗，讓數百萬人做他們從未想象過的事情。” 換句話説，他們的重點是客户如何體驗 AI，而不是 AI 本身。這一直是蘋果公司的做法：讓技術成為客户體驗的組成部分，但不使技術成為該體驗的焦點。該技術的目的是在本質上不可見，如果你注意到它，蘋果就失敗了。
在其年度全球開發者大會的舞台上，蘋果傾向於將 AI 稱為魔法。這個詞被使用了 13 次。談到蘋果最新的 Vision Pro，蘋果高管 Alan Dye 讚不絕口，“它很了不起，感覺像魔術一樣”。他不需要深入瞭解人工智能和其他技術的細節，這些技術為這種魔力提供了支持。重點是體驗，而不是技術。
這對每個公司來説都是一個很好的教訓。
首先，儘管 GAI 是當前技術，但它並不總是正確的方法。Diffblue 的 Mathew Lodge 最近建議，在某些用例中，強化學習勝過 GAI。早在 GenAI 成為熱門話題之前，人們就認為迴歸分析或其他方法應該是公司登上機器學習之前的第一站。
最近，我與一位行業朋友進行了一次談話，他強調説，“你可以用 LLM 做很多事情，但如果你的輸出是結構化數據而不是非結構化數據，那麼它可能是一種非常低效的方式。” 這是一個耐人尋味的觀點，因為雲計算供應商正在推出的一些 GenAI 服務之前已經用專用模型做過了，事實證明，這些模型比 GenAI 更有效率。正如他所解釋的那樣，開發人員對 GAI 很着迷，因為它在本質上是基於概率的。它不是要找到唯一的真實答案，而是要找到訓練數據中的合理答案。這可能是好事，但它就像沒有索引的搜索。它的規模不大。
這並不是説 GAI 是不好的。它只是在一系列的用例中不是很好或最好。(即使它是一個偉大的方法，它仍然需要大量的資源）。對於一些用例，老式的推理法效果最好。推理是一種訓練 AI 看到數據模式的方法，然後將傳入的新數據與這些模式進行比較。GAI，同樣，是創造看起來像 LLM 中的數據的東西，導致新創造的數據是合理的，但不一定是正確的。兩者都很有趣，但都不一定是正確的工具。
第二，無論一個公司選擇哪種 AI 的方法（現實情況是，大多數企業將希望接受一系列的方法，因為他們會有一系列的使用案例），AI 永遠不應該是重點。AI 是一種手段，而不是目的。正如蘋果公司所展示的那樣，在不把 AI 作為宣傳重點的情況下，推銷 AI 的願景是很有可能的。沒有人真正關心 AI 有多酷，他們關心的是由此帶來的體驗。
所以，蘋果賣的是 AI 的體驗，而不是 AI。

蘋果

深耕 AI 多年的蘋果並不關心 AI 本身有多酷，而是把注意力放在 AI 帶來的用户體驗上。

蘋果為何慎談 AI？