Apple、ディープラーニングフレームワークをオープンソースコードとして静かに公開

Apple は、ディープラーニングフレームワークをオープンソースコードとしてリリースすることで、AI の分野で大きな前進を遂げました。この開発は単なる技術的な飛躍ではなく、戦略的なものであり、急成長する AI 分野への Apple の取り組みを示しています。

XユーザーのDelip Rao氏は、Appleがディープラーニングフレームワークをオープンソースコードとして密かにリリースしている共有しています。

NEWS: Apple just entered the AI open source arena by quietly releasing their new DL framework called MLX! It runs code natively on Apple Silicon with a single pip install and no other dependencies. https://t.co/UGyoLSg0oj

Sharing what I discovered from this initial release: pic.twitter.com/m8cfY34a8A

— Delip Rao e/σ (@deliprao) December 6, 2023

MLX の発表: Apple の深層学習フレームワーク

MLX と名付けられた Apple の新しいフレームワークは、AI テクノロジーの進歩に対する同社の献身的な取り組みの証です。

Apple Silicon 上でネイティブに実行するように設計された MLX は、単一の pip コマンドでインストールできるため、開発者や研究者にとって非常に使いやすいものになっています。

MLX の主な機能

使い慣れた API: MLX は、NumPy と緊密に連携する Python API と、Python バージョンをミラーリングする包括的な C++ API を誇ります。これには、PyTorch の API に準拠した mlx.nn や mlx.optimizers などの高レベルのパッケージが含まれており、複雑なモデルの構築を簡素化します。
コンポーズ可能な関数変換: この機能により、自動微分、ベクトル化、計算グラフの最適化が可能になり、MLX の効率が向上します。
遅延計算: MLX では計算が遅延します。つまり、配列は必要な場合にのみ実体化され、リソースの使用が最適化されます。
動的グラフ構築: MLX は計算グラフを動的に構築し、デバッグを容易にし、関数の引数の形状を変更する際のコンパイルの遅さを回避します。
マルチデバイス互換性: MLX は、CPU や GPU を含むさまざまなデバイスでの操作をサポートし、導入における柔軟性を提供します。
統合メモリモデル: MLX の際立った機能は、配列が共有メモリ内に存在する統合メモリモデルであり、データを移動せずにサポートされているデバイス上で操作できるようになります。

Apple の MLX に対するビジョン

Apple の研究者は Github で MLX を「機械学習の研究者によって機械学習の研究者のために設計された」フレームワークと説明しています。彼らは、モデルのトレーニングとデプロイにおける使いやすさと効率性を重視しています。

このフレームワークの設計は概念的にシンプルで、新しいアイデアを迅速に検討するために MLX の拡張と改善を促進することを目的としています。

Apple の AI の野心: MLX を超えて

Apple の AI 戦略は MLX にとどまりません。アナリストのMing-Chi Kuo氏は最近のMediumへの投稿で、アップルが2023年と2024年に数千台のAIサーバーを購入する計画であることを明らかにし、AIインフラへの多額の投資を示唆しています。これらの買収は多額ではあるものの、量の点では依然としてメタのような競合他社に遅れをとっています。