Apple 矽晶片的 AI 訓練速度將大幅受惠於一項新專案

一項提升 Apple 矽晶片上神經網路處理速度的新專案 mlx-graphs，有望將訓練大型資料集的速度增加十倍。

機器學習的專案遇到的最大問題之一，是在大型資料集上訓練模型，這得依賴龐大的運算能力來處理資料。由博士生 Tristan Bilot、Francesco Farina 和 MLX 團隊一起打造的新專案 mlx-graphs，有助於Graph Neural Networks (GNNs，圖像化神經網路）在 Apple 矽晶片上運作更有效率。圖像化神經網路用於預測節點、邊界，並執行以圖形為主的工作，在計算機視覺領域尤其有用。

mlx-graphs 專案以 MLX 為基礎，是專為 Apple 矽晶片發表的圖形神經網路函式庫。該計畫旨在為該領域的研究人員提供可觀的性能提升，可大幅提升模型訓練速度。

Bilot 聲稱，在對大型圖形資料集進行訓練時，該函式庫的初始基準測試運行速度可達 PyTorch Geometric 和 DGL 等框架速度的十倍。這是因為它採用專門針對 GNN 平行運算而設計的核心，在 M 系列晶片 GPU 上直接運算。

該項目仍處於早期階段，Bilot 承認「仍有足夠的空間做出重大貢獻」。但隨著其不斷進展，速度還有可能提升。

mlx-graphs 庫可於 GitHub 下載。在機器學習和生成式 AI 風潮下，創作內容以及向使用者提供資訊服務的方式已有大幅改變，催生出不少這類專案。以 Apple 為例，其內部研究人員建立一種用於製作圖像動畫的生成式 AI 工具，還有更多專案在 Xcode 工具中測試對 AI 的運用。Apple 執行長 Tim Cook 也談到，Apple 將在 2024 年末為使用者推出大量人工智慧功能。