Conheça os frameworks de aprendizado de máquina e IA nas plataformas Apple

A equipe de Aprendizado de Máquina no Dispositivo da Apple oferece ferramentas para fãs e desenvolvedores integrarem Apple Intelligence e aprendizado de máquina em apps e projetos pessoais. Saiba mais sobre inteligência de plataforma, frameworks de sistema, otimização de modelos e implantação, além de atualizar-se sobre as últimas inovações de ML e IA no hardware da Apple.

O aprendizado de máquina e a inteligência artificial estão no núcleo do nosso sistema operacional, potencializando vários recursos e apps integrados. Essas tecnologias propiciam experiências fluidas para o usuário, como autenticação segura, reconhecimento de manuscrito e redução de ruído durante chamadas. Ano passado, a inteligência generativa chegou ao núcleo do sistema operacional com as Ferramentas de Escrita, o Genmoji e o Image Playground. Esses recursos foram projetados para serem facilmente integrados aos apps existentes, permitindo que você aprimore suas interfaces com o mínimo de esforço. Uma ampla variedade de APIs baseadas em ML está disponível. Essas APIs fornecem acesso programático a modelos e recursos do sistema, permitindo tarefas como geração de imagens com o ImageCreator e sugestões de respostas inteligentes. A introdução do framework Foundation Models no iOS 26 simplifica ainda mais esse processo. Esse framework fornece acesso a um modelo de linguagem especializado para tarefas diárias e otimizado no dispositivo. Ele pode ser usado para sumarização, extração, classificação e muito mais, garantindo a privacidade dos dados do usuário, já que o modelo opera totalmente offline. Você pode solicitar o modelo, gerar respostas estruturadas e até mesmo integrá-lo com dados ao vivo ou pessoais usando chamadas de ferramentas, de modo que o modelo execute ações e cite fontes de verdade.

As APIs atualizadas com aprendizado de máquina oferecem um pacote completo de ferramentas para aprimorar a inteligência do app. Os frameworks incluem Vision para análise de imagens e vídeos, Natural Language para processamento de texto, Tradução para idiomas, Análise de Som para reconhecimento de sons e Fala para reconhecimento e transcrição. Entre as maiores novidades estão o reconhecimento de documentos e a detecção de manchas na lente no Vision, além da API SpeechAnalyzer, que permite processamento de fala para texto mais rápido e flexível, especialmente para áudio de formato longo e a distância. Os desenvolvedores também podem personalizar esses modelos usando app e framework CreateML.

O Core ML simplifica o processo de integração de modelos de aprendizado de máquina em apps para dispositivos da Apple. Você pode utilizar modelos já no formato CoreML, disponíveis em developer.apple.com, e o espaço Apple no Hugging Face, ou converter modelos treinados de outros formatos usando as Ferramentas CoreML. O CoreML Tools otimiza esses modelos para execução no dispositivo, reduzindo o tamanho e melhorando o desempenho por meio de técnicas automáticas e manuais. Depois, é possível integrar facilmente esses modelos em Xcode, onde é possível inspecionar o desempenho, visualizar a arquitetura do modelo e gerar interfaces de Swift seguras para o tipo. Em tempo de execução, o CoreML potencializa a CPU, a GPU e o Neural Engine para uma execução eficiente. Para um controle mais avançado, combine modelos CoreML com MPSGraph, a computação do Metal ou a API BNNS Graph do Accelerate, que este ano ganhou novas capacidades, incluindo o BNNSGraphBuilder para tarefas de ML em tempo real baseadas em CPU.

O ritmo acelerado da pesquisa de aprendizado de máquina exige ferramentas e recursos sofisticados. O MLX da Apple, um framework de array de código aberto para computação numérica e aprendizado de máquina, foi projetado para aproveitar o poder do Apple Silicon. O MLX permite ajuste fino, treinamento e aprendizado distribuído de modelos avançados em dispositivos da Apple. Ele pode executar LLMs (grandes modelos de linguagem) com uma única chamada de linha de comando e aproveita a arquitetura de memória unificada do Apple Silicon, permitindo operações paralelas de CPU e GPU no mesmo buffer. Você pode acessar o MLX no Python, Swift, C++ e outras linguagens. Além disso, a Apple dá suporte a frameworks de treinamento populares, como PyTorch e Jax, por meio do Metal. O site developer.apple.com e os repositórios Apple Github são recursos valiosos para fãs e pesquisadores de IA, fornecendo acesso aos recursos de aprendizado de máquina mais recentes da Apple.