Problemem współczesnych smartfonów wcale nie jest brak mocy obliczeniowej czy słabe aparaty. Kłopot leży w totalnym braku orientacji w naszym prywatnym bałaganie. Generatywna sztuczna inteligencja, o której huczą media, świetnie pisze sonety o hydraulikach i generuje obrazy w kosmosie. Jednak gdy spytasz ją, o której masz wizytę u okulisty, ten rozłoży cyfrowe ręce. Nie zna cię. Nie ma dostępu do twoich danych. Apple postanowiło podejść do tematu inaczej. Zamiast rywalizować na liczbę parametrów w modelu językowym, firma z Cupertino postawiła na coś bardziej przyziemnego... kontekst osobisty!
Badania przeprowadzone przez serwis Reviews.org wskazują, że w 2023 roku przeciętny użytkownik sprawdzał swój telefon aż 144 razy dziennie. Inne analizy np. firmy Asurion, podawały jeszcze wyższe liczby. Każde z tych zerknięć generuje ślad, wiadomość, notatkę, zdjęcie, lokalizację. Przeważająca część głosowych asystentów do tej pory pomijała tak ogromne zasoby wiadomości, zostawiając je w szczelnie odizolowanych od siebie segmentach. Tutaj do gry wkraczają najnowsze zdobycze technologii, w tym Apple Intelligence, który próbują sprawić, by te 144 interakcje były krótsze, bardziej treściwe i mniej rozpraszające dzięki inteligentnej automatyzacji.
Co to jest indeks semantyczny?
Gdy mówimy o „pamięci” w komputerze, zazwyczaj mamy na myśli dysk twardy wypełniony plikami. Zdjęcia leżą w folderze ze zdjęciami, maile w aplikacji pocztowej. Dla komputera są to oddzielne byty, niemające ze sobą nic wspólnego. Zdjęcie psa i mail od weterynarza to dla starego systemu dwa różne światy. Indeks semantyczny zmienia całą logikę. System zaczyna rozumieć powiązania między danymi, zamiast tylko je przechowywać.
Tworzenie indeksu odbywa się lokalnie na urządzeniu. Proces przypomina pracę archiwisty, który czyta każdą twoją wiadomość, zagląda do kalendarza, analizuje mapy i tworzy niewidzialną sieć połączeń. Gdy dostajesz wiadomość od "Ani" o treści "Spotkajmy się tam, gdzie zawsze", system nie widzi tylko ciągu znaków. Analizuje historię waszych spotkań w kalendarzu, sprawdza lokalizacje w mapach, które odwiedzaliście razem najczęściej, i na tej podstawie wyciąga wniosek, że chodzi o włoską knajpę na rogu.
Zasada działania opiera się na wektoryzacji danych. Słowa i pojęcia zamieniane są na liczby (wektory) umieszczone w wielowymiarowej przestrzeni. W tej przestrzeni słowo "mama" leży blisko słowa "rodzina", ale też blisko konkretnego kontaktu w twojej książce adresowej oraz daty jej urodzin w kalendarzu. Dzięki temu system może wyszukiwać informacje nie po słowach kluczowych (co często zawodzi, gdy zapomnisz dokładnej nazwy pliku), ale po znaczeniu i kontekście.
Nowa definicja asystenta osobistego
Prawdziwa użyteczność technologii objawia się w momentach, gdy mamy zajęte ręce i mało czasu. Klasyczna Siri czy Asystent Google potrafiły ustawić minutnik albo podać pogodę w Warszawie. Gdy zadawaliśmy pytania bardziej złożone, zazwyczaj słyszeliśmy mało pomocną formułkę.
Apple Intelligence stawia na zrozumienie relacji między aplikacjami. Kiedy zapytasz np. "...o której ląduje samolot mojej mamy i gdzie mamy rezerwację na kolację", dzieje się szereg skomplikowanych operacji. System najpierw identyfikuje podmiot "mama", wie, kim ona jest dzięki karcie kontaktu. Następnie przeszukuje pocztę i wiadomości w poszukiwaniu numeru lotu lub potwierdzenia rezerwacji lotniczej powiązanej z tą osobą. Nie musi to być najnowszy mail. Może to być zrzut ekranu wysłany przez nią na komunikatorze tydzień temu.
W drugiej części pytania system szuka rezerwacji na kolację. Może ona być w aplikacji do rezerwacji stolików, w kalendarzu, a może w wątku SMS z bratem. Indeks semantyczny skleja wszystkie fragmenty w jedną logiczną całość. Co istotne, system potrafi odróżnić informacje stare od aktualnych. Jeśli masz trzy maile dotyczące różnych lotów mamy, kontekst daty pozwala wyłuskać ten właściwy, nadchodzący.
Wygoda takiego rozwiązania polega na oszczędności czasu. Człowiek musiałby otworzyć trzy różne aplikacje, użyć wyszukiwarki (która działa różnie), przewinąć historię czatu i na końcu samodzielnie połączyć fakty. Indeks semantyczny robi to w ułamku sekundy. Oczywiście pod warunkiem, że wszystko zadziała zgodnie z obietnicami inżynierów, co w świecie technologii wcale nie jest pewnikiem.
Prywatność jako waluta, a nie dodatek
Gdy słyszymy, że system operacyjny czyta nasze maile i analizuje kalendarz, włącza się lampka ostrzegawcza. I słusznie. Historia Doliny Krzemowej uczy nas nieufności. Jednak architektura tego rozwiązania została zaprojektowana specyficznie, by ominąć chmurę tam, gdzie to możliwe. Większość operacji związanych z indeksem semantycznym odbywa się bezpośrednio na urządzeniu. Procesor w twojej kieszeni mieli dane, tworzy wektory i odpowiada na pytania bez wysyłania twojego życia prywatnego na serwery firmy.
Jest to podejście odwrotne do tego, co prezentują często modele językowe oparte na chmurze, które połykają dane użytkownika, by je przetworzyć na zewnętrznych serwerach. Tutaj dane nie opuszczają urządzenia. Jeśli zapytanie jest zbyt skomplikowane dla procesora w telefonie, system korzysta z Private Cloud Compute, specjalnej architektury chmurowej, która przetwarza dane wyłącznie na potrzeby tego jednego zapytania i natychmiast je zapomina, nie zapisując ich na dyskach.
Mamy tu do czynienia z interesującym kompromisem. Chcemy, by telefon był mądry i znał nasze sekrety (bo to ułatwia życie), ale jednocześnie boimy się, że sekrety wyciekną. Lokalne przetwarzanie indeksu semantycznego wydaje się jedyną sensowną drogą, by pogodzić te sprzeczności. System musi cię znać, żeby ci pomóc, ale musi milczeć przed resztą świata.
Orkiestracja aplikacji
Pojedyncza aplikacja jest jak wyspa. Twój kalendarz rzadko wie, co masz w notatkach. Indeks semantyczny buduje mosty między tymi wyspami. Jest to możliwe dzięki strukturze App Intents. Programiści mogą oznaczać w swoich aplikacjach konkretne akcje i dane, które system może "zrozumieć" i wykorzystać.
Zastanówmy się nad prostym scenariuszem biurowym. Ktoś przesuwa spotkanie o godzinę. Zwykle dostajesz maila, czytasz go, wzdychasz, otwierasz kalendarz, edytujesz wydarzenie, potem piszesz SMS-a do żony, że spóźnisz się na obiad. System z dostępem do kontekstu może zaproponować te akcje automatycznie lub wykonać je po wydaniu jednej komendy głosowej... "przesuń spotkanie zgodnie z mailem od Marka i daj znać żonie".
Model językowy musi tu zrozumieć intencję ("przesuń"), źródło danych ("mail od Marka") oraz skutek ("daj znać żonie"). Bez indeksu semantycznego, który wie, kim jest Marek, który to mail i jaki jest numer do żony, byłoby to niemożliwe. Siła leży w integracji.
Warto zauważyć, że działa tu efekt kuli śnieżnej. Im więcej informacji gromadzisz w ekosystemie, tym sprawniej działa system. Jeśli używasz kalendarza Apple, maila Apple i komunikatora Apple, indeks ma ułatwione zadanie. Jeśli korzystasz z rozwiązań firm trzecich, sprawa zależy od tego, czy ich twórcy zintegrowali się z nowym systemem. Jest to też sprytny sposób na przywiązanie użytkownika do jednej platformy. Kiedy Apple Intelligence w iPhone zacznie realnie ułatwiać codzienną logistykę, trudniej będzie przesiąść się na system, który wymaga "ręcznego" zarządzania danymi.
Ograniczenia i ludzka natura
Musimy pamiętać o jednym, system jest tylko tak dobry, jak dane, które mu dostarczymy. Jeśli twoje życie cyfrowe to absolutny chaos, kontakty nazywają się "Aaa Hydraulik" i "Kasia Tinder 2", a w kalendarzu nie wpisujesz niczego, żaden indeks semantyczny nie zrobi z tego porządku. Algorytmy potrafią łączyć kropki, ale kropki same muszą istnieć.
Pojawia się też kwestia zaufania do odpowiedzi. Jeśli asystent powie ci, że spotkanie jest o 14:00, czy zaufasz mu bezgranicznie, czy jednak sprawdzisz maila? Początkowo będziemy sprawdzać. Będzie to naturalny odruch. Zmiana nawyków zajmie lata, a może nawet i 2 pokolenia. Przypomina to czasy, gdy ludzie drukowali bilety lotnicze, "na wszelki wypadek", mimo posiadania ich w aplikacji.
Co więcej, technologia ta wciąż balansuje na granicy błędu (tzw. halucynacji). Wprawdzie modele oparte na konkretnych danych osobistych halucynują rzadziej niż te generujące wiedzę ogólną, ale pomyłki wciąż są możliwe. System może pomylić rezerwację sprzed roku z tą obecną, jeśli daty będą zbliżone, a mail sformatowany nietypowo. Dlatego na obecnym etapie każdy musi traktować podpowiedzi AI jako sugestie, a nie wyrocznie.
Dlaczego kontekst jest ważniejszy od kreatywności
Świat zachwycił się generatorami tekstu. Możliwość napisania wypracowania szkolnego w trzy sekundy jest kusząca. Jednak w codziennym życiu dorosłego człowieka rzadko potrzebujemy wygenerować poemat o średniowieczu. Częściej potrzebujemy znaleźć numer polisy ubezpieczeniowej stojąc na poboczu drogi w deszczu. W takich momentach "kreatywność" AI jest ostatnią rzeczą, jakiej pragniemy. Chcemy precyzji i faktów.
Kontekst osobisty jest najtrudniejszą barierą do pokonania dla firm technologicznych. Google ma dużo naszych danych, ale często są one rozproszone po różnych usługach. Microsoft ma nasze dokumenty firmowe, ale rzadko ma dostęp do naszych prywatnych wiadomości tekstowych czy zdjęć z wakacji. Producent sprzętu, który jest z nami 24 godziny na dobę (Apple iPhone, Google Pixel, Samsung), ma fizyczny dostęp do najbardziej intymnych i zróżnicowanych danych w jednym miejscu.
Kiedy telefon przestaje udawać głupiego
Gdy nasze urządzenia będą potrafiły same połączyć fakt przylotu teściowej z rezerwacją w restauracji, stracimy ostatnią linię obrony w relacjach rodzinnych... "przepraszam, wyleciało mi z głowy". Będzie to koniec epoki, w której nasza niewiedza była usprawiedliwiona bałaganem w skrzynce mailowej. Indeks semantyczny brutalnie odbierze nam prawo do bycia roztargnionym, ale w zamian zaoferuje luksus bycia zorganizowanym bez kiwnięcia palcem. Jeśli ta technologia zadziała zgodnie z planem, smartfon przestanie być drogą zabawką do przeglądania mediów społecznościowych, a stanie się realnym partnerem, który pamięta za nas szczegóły, o których my chcielibyśmy zapomnieć. I choć perspektywa urządzenia znającego nas lepiej niż my sami bywa niepokojąca, to chyba wielu z nas właśnie na taki spokój czeka. Kolejne lata pokażą, czy technologia okaże się naszym sprzymierzeńcem, czy raczej bezlitosnym świadkiem naszych zaniedbań, który definitywnie odbierze nam komfortową wymówkę o rzekomym przeoczeniu ważnej wiadomości.
