Apple baru-baru ini menerbitkan dua makalah penelitian yang menampilkan karya mereka dengan Normalizing Flows untuk generasi gambar, dengan outlet media menggambarkannya sebagai teknik terlupakan yang digali kembali. Namun, komunitas teknologi telah memberikan pushback yang kuat terhadap karakterisasi ini, memicu diskusi yang lebih luas tentang hype marketing AI dan realitas inovasi teknis.
Teknik Terlupakan yang Sebenarnya Tidak Benar-Benar Terlupakan
Kontroversi berpusat pada bagaimana penelitian Apple dipresentasikan kepada publik. Anggota komunitas dengan cepat menunjukkan bahwa Normalizing Flows telah aktif diteliti dan didiskusikan selama bertahun-tahun, bukan duduk diam menunggu untuk ditemukan kembali. Teknik ini telah menjadi topik hangat di kalangan AI selama lima tahun terakhir, terutama dalam kombinasi dengan Variational Auto-encoders.
Kritikus berargumen bahwa menyebutnya terlupakan salah merepresentasikan kerja berkelanjutan yang terjadi di bidang ini. Makalah penelitian itu sendiri berasal dari tahun 2021, menunjukkan Apple telah bekerja pada pendekatan ini selama beberapa tahun daripada tersandung pada beberapa harta karun yang hilang.
Normalizing Flows: Jenis model AI yang belajar mengubah data dunia nyata menjadi noise terstruktur dan membalikkan proses untuk menghasilkan sampel baru, dengan keuntungan menghitung probabilitas likelihood yang tepat.
Fokus Strategis Apple pada Pemrosesan On-Device
Meskipun ada kontroversi marketing, pendekatan teknis Apple mengungkapkan arah strategis yang menarik. Sementara perusahaan seperti OpenAI membangun sistem berbasis cloud yang masif, Apple mengoptimalkan untuk perangkat mobile dan pemrosesan lokal. Model TarFlow dan STARFlow mereka dirancang untuk bekerja dalam batasan smartphone dan tablet.
Pendekatan ini menawarkan manfaat privasi yang jelas, karena data tidak pernah meninggalkan perangkat pengguna. Namun, ini juga menyajikan Apple dengan peluang bisnis - fitur AI yang lebih menuntut memerlukan hardware yang lebih kuat, berpotensi mendorong siklus upgrade perangkat.
Trade-off-nya signifikan. Pemrosesan berbasis cloud dapat memanfaatkan sumber daya bersama dan upgrade yang lebih mudah, sementara pemrosesan on-device menghadapi keterbatasan hardware tetapi menawarkan privasi dan fungsionalitas offline.
Perbedaan Pendekatan Teknis:
- Apple: Membangun untuk perangkat mobile ("saku kita") dengan pemrosesan di perangkat
- OpenAI: Membangun untuk pusat data dengan pemrosesan berbasis cloud
- Metode Apple: Generasi piksel langsung tanpa tokenisasi
- Metode OpenAI: Generasi token diskrit yang memperlakukan gambar seperti urutan teks
Skeptisisme Komunitas Tentang Strategi AI Apple
Diskusi mengungkapkan skeptisisme yang lebih dalam tentang strategi AI Apple secara keseluruhan. Kesalahan langkah baru-baru ini, seperti fitur summarization notifikasi yang harus dinonaktifkan karena performa yang buruk, telah menimbulkan pertanyaan tentang kemampuan AI Apple.
Fakta bahwa mereka mengirimkannya menunjukkan mereka tidak tahu apa yang mereka lakukan, privat atau tidak.
Namun, yang lain membela pendekatan Apple, mencatat bahwa model statistik secara inheren memiliki mode kegagalan yang sulit diprediksi, dan bahwa mematikan fitur bermasalah dengan cepat seringkali merupakan solusi paling praktis.
Perbandingan Model AI Apple:
- TarFlow: Transformer AutoRegressive Flow - menghasilkan nilai piksel secara langsung tanpa tokenisasi
- STARFlow: Scalable Transformer AutoRegressive Flow - bekerja pada gambar terkompresi, kemudian meningkatkan resolusi ke ukuran penuh
- Keunggulan Utama: Dapat menghitung kemungkinan eksak dari gambar yang dihasilkan (tidak seperti model difusi)
- Target: Pemrosesan di perangkat untuk perangkat keras mobile
Konteks yang Lebih Luas dari Pengembangan AI
Kontroversi ini menyoroti pola umum dalam jurnalisme teknologi dan komunikasi korporat. Perusahaan sering mempresentasikan kemajuan penelitian inkremental sebagai penemuan terobosan, sementara komunitas ilmiah yang sebenarnya melihat kemajuan yang berkelanjutan dan bertahap.
Situasi ini juga mencerminkan kompetisi yang intens dalam AI, di mana perusahaan merasa tertekan untuk tampak inovatif dan cutting-edge. Apple, yang secara tradisional dikenal karena menyempurnakan teknologi yang ada daripada menciptakan yang benar-benar baru, menemukan dirinya dalam posisi yang tidak familiar untuk perlu mendemonstrasikan kepemimpinan AI.
Apakah fokus Apple pada pemrosesan AI on-device akan terbukti sukses masih harus dilihat. Pendekatan ini menghadapi tantangan teknis yang signifikan, tetapi jika berhasil, dapat menawarkan alternatif yang menarik untuk lanskap AI yang saat ini didominasi cloud.
Referensi: Apple Research just unearthed a forgotten AI technique and is using it to generate images