Apple cambió a sus propios chips de silicio hace tres años, avanzando audazmente hacia el control total de su pila tecnológica. Hoy, Apple lanzó MLX, un marco de código abierto diseñado específicamente para realizar aprendizaje automático en las CPU de la serie M de Apple. La mayor parte del desarrollo de software de IA actualmente se lleva a cabo en sistemas de código abierto Linux o Microsoft, y Apple no quiere su próspero ecosistema de desarrolladores. MLX tiene como objetivo resolver los problemas de compatibilidad y rendimiento de larga data asociados con la arquitectura y el software únicos de Apple, pero es más que una simple jugada técnica. MLX proporciona un diseño fácil de usar, probablemente inspirado en marcos de trabajo de renombre como PyTorch, Jax y ArrayFire. Su introducción promete un proceso más ágil para entrenar e implementar modelos de aprendizaje de IA en dispositivos Apple. Arquitectónicamente, MLX se distingue por su modelo de memoria unificada, donde existen matrices en memoria compartida, lo que permite operaciones en todos los tipos de dispositivos compatibles sin requerir duplicación de datos. Esta característica es crucial para los desarrolladores que buscan flexibilidad en sus proyectos de IA. En resumen, la memoria unificada significa que su GPU comparte su VRAM con la RAM de la computadora, por lo que en lugar de comprar una PC potente y luego agregar una GPU robusta con mucha vRAM, Puedes usar la RAM de tu Mac para todo. Sin embargo, el camino hacia el desarrollo de IA en Apple Silicon no ha estado exento de desafíos, principalmente debido a su ecosistema cerrado y la falta de compatibilidad con muchos proyectos de desarrollo de código abierto y su infraestructura ampliamente utilizada». Es emocionante ver más herramientas como esta para trabajar con objetos tipo tensor, pero realmente desearía que Apple facilitara la transferencia de modelos personalizados de una manera de alto rendimiento», dijo un desarrollador en Hacker News en una discusión sobre el anuncio. ahora, los desarrolladores tenían que convertir sus modelos a CoreML para poder ejecutarlos en Apple. Esta dependencia de un traductor no es ideal. CoreML se centra en convertir modelos de aprendizaje automático preexistentes y optimizarlos para dispositivos Apple. MLX, por otro lado, se trata de crear y ejecutar modelos de aprendizaje automático de forma directa y eficiente en el propio hardware de Apple, ofreciendo herramientas para la innovación y el desarrollo dentro del ecosistema Apple. MLX ha dado buenos resultados en las pruebas comparativas. Su compatibilidad con herramientas como Stable Diffusion y Whisper de OpenAI representa un importante paso adelante. En particular, las comparaciones de rendimiento revelan la eficiencia de MLX, superando la ejecución de PyTorch en velocidades de generación de imágenes en tamaños de lote más altos. Por ejemplo, Apple informa que se necesitan «aproximadamente 90 segundos para generar completamente 16 imágenes con MLX y 50 pasos de difusión con guía sin clasificador». y alrededor de 120 para PyTorch”. A medida que la IA continúa evolucionando a un ritmo rápido, MLX representa un hito crítico para el ecosistema de Apple. No solo aborda desafíos técnicos, sino que también abre nuevas posibilidades para la investigación y el desarrollo de inteligencia artificial y aprendizaje automático en dispositivos Apple, un movimiento estratégico, considerando el divorcio de Apple de Nvidia y su propio ecosistema sólido de inteligencia artificial. MLX apunta a que la plataforma de Apple sea más atractiva y factible. opción para los investigadores y desarrolladores de IA, y significa una Navidad más feliz para los fanáticos de Apple obsesionados con la IA.
