iPhone 8 : naturellement intelligent

Apple est déjà très en avance sur la concurrence en matière de machine learning mobile. L’iPhone 8 pourrait aller encore plus loin.

Florent Morin
Aug 24, 2017 · 4 min read

[ Mise à jour du 13 septembre 2017 ]

L’annonce officielle d’hier concernant l’iPhone 8 a confirmé l’hypothèse de cet article rédigé pendant l’été.

L’iPhone 8 intègre une puce A11 Bionic. Cette puce est optimisée pour le Machine Learning, en particulier les réseaux de neurones.

Un petit historique n’est jamais de trop pour remettre les choses dans leur contexte.

Un matériel parfaitement maîtrisé

La grande force d’Apple est son intégration parfaite entre le logiciel et le matériel.

Dès 2010, Apple a proposé l’API Accelerate pour exploiter pleinement les ressources du processeur principal de l’iPhone.

Avec l’arrivée de Metal en 2014, Apple a réussi à exploiter les capacités de calcul de ses processeurs graphiques. À matériel égal, les performances se sont multipliées.

En 2016, Apple a commencé à proposer les bases techniques des réseaux de neurones. Tout en exploitant pleinement le machine learning au travers de Photos (recherche de photos à partir de leur description), Message (auto-complétion intelligente) et probablement d’autres aspects.

Avec Metal 2, disponible cet automne, Apple permet d’aller encore plus loin dans l’exploitation du GPU.

Et, au fur et à mesure des années, de nombreux capteurs ont vu leurs calculs optimisés grâce à l’utilisation de co-processeurs dédiés.

Sans parler de l’aspect sécurité matérielle, encore inégalée à ce jour.

Un logiciel en phase avec le matériel

Apple a dévoilé cet été son framework CoreML, destiné aux développeurs.

Cet ensemble d’outils de développement permet un usage optimal des ressources selon le niveau de compétence de chacun et selon le niveau de complexité du projet.

Un expert du machine learning pourra pleinement disposer des ressources matérielles pour concevoir des algorithmes complexes.

Un novice profitera de capacités plus limitées mais relativement accessibles, ce qui lui permettra malgré tout de proposer un service d’une excellente qualité.

Ses capteurs visuels (caméras) sont également optimisés pour des traitements en temps réel. Les performances sont déjà excellentes sur la majorité des iPhone.

D’énormes avantages concurrentiels

Apple dispose de plusieurs avantages majeurs sur son unique concurrent :

  • en maîtrisant le matériel, ses performances sont optimales
  • son niveau de sécurité et de performances lui permet d’exploiter les données de l’utilisateur sans avoir à les sortir de l’appareil
  • son API est totalement mature et permettra très rapidement de proposer du machine learning au sein des applications sur la majorité des iPhone.

Google a bien racheté TensorFlow pour rattraper son retard, notamment grâce à TensorFlow Lite disponible sur Android.

TensorFlow est en effet la solution open-source qui est une des références du marché. C’est incontestable.

Mais, si TensorFlow Lite est plutôt performant, il lui reste quelques wagons à rattraper :

  • TensorFlow Lite ne sera intégré à Android que dans une future version, autant dire que ce sera difficile d’assurer une large diffusion
  • si Google tente d’exploiter le matériel des smartphones (notamment avec l’arrivée prochaine du TPU, une puce dédiée aux traitements de machine learning), elle reste limitée du fait de la diversité des constructeurs
  • Google est également limité sur l’aspect sécurité matérielle, ce qui limite le cadre d’usage du machine learning.

L’iPhone 8 peut creuser l’écart

Évidemment, l’iPhone 8 disposera d’un CPU et d’un GPU plus performant. Forcément optimisés pour CoreML.

Grâce à une puce dédiée, ces traitements pourraient être encore plus performants.

Le point noir du machine learning est l’apprentissage.

L’exploitation de modèles existants nécessite déjà des ressources importantes. Mais les optimisations actuelles suffisent à gérer correctement la chose. (du moins sur iOS, vu comment peine la concurrence)

Par contre, l’apprentissage est vraiment une tâche consommatrice de ressources. Même sur un ordinateur récent.

Avec une puce dédiée et une optimisation des autres puces pour l’apprentissage, l’iPhone 8 pourrait significativement creuser l’écart.

Non seulement, l’apprentissage serait optimisé en termes de performances. Mais en plus la confidentialité des données pourrait être garantie grâce au système Secure Enclave déjà bien éprouvé chez Apple.

Sans parler de la capacité des puces graphiques à interpréter directement ce qu’elles voient au travers de la caméra sans avoir à solliciter les autres ressources matérielles.

À suivre

La question est de savoir si Apple a pu mettre en place cette puce ou si cette dernière sera intégrée plus tard.

La société californienne a de toutes manières déjà une belle avance sur la concurrence.

L’iPhone 8 sera donc, d’une manière ou d’une autre, naturellement intelligent.


Vous pouvez également me suivre sur Twitter et LinkedIn

Morin Innovation

Entreprise spécialisée dans le développement mobile, web et l’innovation

)

Florent Morin

Written by

Freelance developer 

Morin Innovation

Entreprise spécialisée dans le développement mobile, web et l’innovation

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade