Apple Silicon透過mlx-graphs計畫大幅提升人工智慧訓練速度
一個旨在提高Apple Silicon上神經網路處理速度的新專案有可能將大型資料集的訓練速度提高十倍。創建機器學習專案的問題之一是在大型資料集上訓練模型。這依賴大量的運算能力來啃噬數據，但這方面的改進有助於加快訓練速度，並有可能改進模型。
mlx-graphs 是博士生特里斯坦-比洛特（Tristan Bilot）、弗朗切斯科-法裡納（Francesco Farina）和MLX 團隊的一個新項目，是一個旨在幫助圖形神經網絡（GNN）在Apple Silicon上更有效率運作的函式庫。圖形神經網路用於預測節點和邊，並執行基於圖形的任務，在電腦視覺領域尤其有用。
mlx-graphs 計畫以MLX 為基礎，是專為Apple Silicon 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。
Bilot 聲稱，在對大型圖形資料集進行訓練時，該庫的初始基準運行速度可達PyTorch Geometric 和DGL 等框架的十倍。它透過使用專門設計的核心來並行化直接在M 系列晶片GPU 上運行的GNN 計算。
蘋果公司在MLX圖形方面的工作仍處於初期階段
Bilot 承認，”仍有很大的空間可以做出重大貢獻”。這可能是一個暗示，即隨著進一步的開發，可能會發現更多的速度提升。
mlx-graphs 庫可在GitHub 上下載和安裝：
https://github.com/mlx-graphs/mlx-graphs
Bilot 邀請其他人探索和測試該程式庫，提供回饋，並透過拉取請求提交實作。該計畫是對機器學習和生成式人工智慧興趣浪潮的一部分，這一領域可以極大地改變內容創作和向用戶提供資訊的方式。
就蘋果公司而言，公司內部的研究人員已經創建了一個用於動畫圖像的生成式人工智慧工具。此外，其他項目也在Xcode工具中測試人工智慧的使用。
蘋果執行長庫克（Tim Cook）也談到，蘋果將在2024 年稍後向用戶推出大量人工智慧功能。