Apple, kullanıcıların verilerini doğrudan toplamadan yapay zekâ modellerini iyileştirmek amacıyla sentetik veri ve farklılaştırılmış gizlilik yaklaşımını bir araya getiriyor.
Apple’ın pazartesi günü yayımladığı teknik blog yazısına göre, bu yöntem sayesinde kullanıcı verilerinin gizliliği korunurken, yapay zekâ sistemlerinin performansı da artırılabilecek. Özellikle bildirim özetleri ve yazım araçları gibi ürünlerde yaşanan performans sorunlarını aşmayı hedefleyen şirket, bu yöntemi daha geniş bir alanda uygulamayı planlıyor.
Apple, önce çeşitli konularda sentetik e-postalar oluşturarak işe başlıyor. Bu e-postalar, kullanıcıların gerçek e-postalarına benzer biçimde dil yapısı, konu başlığı ve uzunluk gibi temel özellikleri taşıyor ancak hiçbir şekilde gerçek kullanıcı içeriği içermiyor. Her sentetik mesajdan, onun temel niteliklerini özetleyen bir gömme (embedding) çıkarılıyor. Bu gömmeler, sadece cihaz analizine izin veren kullanıcıların cihazlarına gönderiliyor.
Bu noktada kullanıcı cihazları, Apple’ın gönderdiği sentetik veri temelli gömmeleri, cihazda bulunan örnek e-postalarla karşılaştırarak en isabetli olanları tespit ediyor. Bu işlem, Apple’ın kullanıcı verilerine doğrudan erişmeden modellerini eğitmesine ve iyileştirmesine olanak sağlıyor.
Apple, bu yöntemi şimdiden Genmoji isimli emojileri kullanıcı metinlerine göre özelleştiren modeli için kullanmaya başladığını açıkladı. Önümüzdeki dönemde bu yöntem; Image Playground, Image Wand, Memories Creation, Writing Tools ve Visual Intelligence gibi daha geniş bir ürün yelpazesinde de uygulanacak.
Ayrıca, e-posta özetleme gibi özelliklerin doğruluğunu artırmak amacıyla da aynı yöntemle kullanıcı cihazlarından geri bildirim toplanacağı belirtildi.
Bu gelişmeler, Apple’ın veri gizliliğinden ödün vermeden yapay zekâ yarışına yeniden dahil olma çabalarının bir göstergesi olarak yorumlanıyor. Rakipleri gibi doğrudan kullanıcı verisi toplayamayan Apple, farklılaştırılmış gizlilik ve sentetik veri stratejisiyle bu açığı kapatmaya çalışıyor.
Apple’ın yaklaşımı, gelecekte kullanıcı mahremiyetini koruyarak güçlü ve kişiselleştirilmiş yapay zekâ deneyimleri sunma yolunda önemli bir örnek teşkil edebilir.
