A Apple lançou recentemente a MLX – ou ML Explore – a estrutura de aprendizagem automática (ML) da empresa para os computadores Apple Silicon. A mais recente estrutura da empresa foi especificamente concebida para simplificar o processo de formação e execução de modelos de aprendizagem automática em computadores equipados com os chips das séries M1, M2 e M3 da Apple. A empresa afirma que o MLX apresenta um modelo de memória unificado. A Apple também demonstrou o uso da estrutura, que é de código aberto, permitindo que os entusiastas do aprendizado de máquina executem a estrutura em seu laptop ou computador.
De acordo com detalhes partilhados pela Apple na plataforma de alojamento de código GitHub, a estrutura MLX tem uma API C++ juntamente com uma API Python que se baseia estreitamente na NumPy, a biblioteca Python para computação científica. Os utilizadores podem também tirar partido de pacotes de nível superior que lhes permitem construir e executar modelos mais complexos no seu computador, segundo a Apple.
O MLX simplifica o processo de formação e execução de modelos de ML num computador – anteriormente, os programadores eram obrigados a recorrer a um tradutor para converter e otimizar os seus modelos (utilizando CoreML). Este foi agora substituído pelo MLX, que permite aos utilizadores com computadores Apple Silicon treinar e executar os seus modelos diretamente nos seus próprios dispositivos.
A Apple partilhou esta imagem de um grande sinal vermelho com o texto MLX, gerado por Stable Diffusion in MLX
Crédito da foto: GitHub/ Apple
A Apple afirma que o design do MLX segue outras estruturas populares utilizadas atualmente, incluindo ArrayFire, Jax, NumPy, e PyTorch. A empresa elogiou o modelo de memória unificada da sua estrutura – as matrizes MLX vivem em memória partilhada, enquanto as operações sobre elas podem ser realizadas em qualquer tipo de dispositivo (atualmente, a Apple suporta a CPU e a GPU) sem a necessidade de criar cópias de dados.
A empresa também partilhou exemplos do MLX em ação, executando tarefas como geração de imagens utilizando a difusão estável no hardware Apple Silicon. Ao gerar um lote de imagens, a Apple afirma que o MLX é mais rápido do que o PyTorch para tamanhos de lote de 6, 8, 12 e 16 – com uma taxa de transferência até 40% superior à deste último.
Os testes foram realizados num Mac equipado com um chip M2 Ultra, o processador mais rápido da empresa até à data – o MLX é capaz de gerar 16 imagens em 90 segundos, enquanto o PyTorch demoraria cerca de 120 segundos a realizar a mesma tarefa, de acordo com a empresa.
Outros exemplos de MLX em ação incluem a geração de texto utilizando o software de fonte aberta Meta Modelo de linguagem LLaMA, bem como o Modelo linguístico de grande dimensão Mistral. Os investigadores de IA e ML podem também utilizar o ferramenta Whisper de código aberto para executar os modelos de reconhecimento de voz no seu computador utilizando o MLX.
O lançamento da estrutura MLX da Apple poderá ajudar a facilitar a investigação e o desenvolvimento do ML no hardware da empresa, permitindo eventualmente aos programadores criar melhores ferramentas que poderão ser utilizadas para aplicações e serviços que ofereçam funcionalidades de ML no dispositivo e que funcionem eficientemente no computador do utilizador.
