揭秘苹果iphone里的transformer：基于gpt

苹果Transformer的 秘密 ，让发烧友给扒出来了。

大模型浪潮下，即使保守如苹果，也每逢发布会必提 Transformer 。

比如，在今年(This Year)的WWDC上，苹果就已宣布，船新版本的iOS和macOS将内置Transformer语言模型，以提供带文本预测功能的输入法。

苹果官方没有透露更多信息，但技术爱好者们可坐不住了。

一位名叫Jack Cook的小哥，就把macOS Sonoma beta翻了个底朝天，结果(Result)，还真挖出不少新鲜信息：

-模型架构上，Cook小哥认为苹果的语言模型更像是基于GPT-2打造的。

-在分词器（tokenizer）方面，表情符号在其中十分突出。

更多细节，一起来看。

基于GPT-2架构

先来回顾一下苹果基于Transformer的语言模型能在iPhone、MacBook等设备上达成怎样的功能。

主要体现在输入法方面。语言模型加持下的苹果自带输入法，可以达成单词预测和纠错的功能。

Jack Cook小哥具体测试了一下，发现这个功能主要达成的是针对单个单词的预测。

△图源：Jack Cook博客文章

模型有时也会预测即将出现的多个单词，但这仅限于句子语义十分明显的情况，比较类似于Gmail里的自动完成功(Success)能。

△图源：Jack Cook博客文章

那么这个模型具体被装在了哪里？一通深入挖掘之后，Cook小哥确定：

我在 /System/Library/LinguisticData/RequiredAssets_en.bundle/AssetData/en.lm/unilm.bundle 中找到了预测文本模型。

原因是：

1、unilm.bundle中的许多文件在macOS Ventura（13.5）里并不存在，仅出现在了新版本macOS Sonoma beta（14.0）里。

2、unilm.bundle中存在一个sp.dat文件，这在Ventura和Sonoma beta里都能找到，但Sonoma beta的版本中更新了明显像是分词器的一组token。

3、sp.dat中token的数量跟unilm.bundle中的两个文件 unilm_joint_cpu.espresso.shape和unilm_joint_ane.espresso.shape能匹配得上。这两个文件描述了Espresso/CoreML模型中各层的形状。

进而，小哥根据unilm_joint_cpu中描述的网站结构，推测苹果模型是基于GPT-2架构打造的：

主要包含token embeddings、位置编码、解码器块和输出层，每个解码器块中都有类似gpt2_transformer_layer_3d这样的字眼。

△图源：Jack Cook博客文章

根据每层大小，小哥还推测，苹果模型约有3400万参数，隐藏层大小是512。也就是说，它比GPT-2最小的版本还要小。

小哥认为，这主要是因为苹果想要一种不太耗电，但同时能够快速、频繁运行的模型。

而苹果官方在WWDC上的说法是， 每点击一个键，iPhone就会运行模型一次 。

不过，这也就意味着，这个文本预测模型并不能很好地完整续写句子可能段落。

△图源：Jack Cook博客文章

模型架构之外，Cook小哥还挖出了分词器（tokenizer）的相关信息。

他在unilm.bundle/sp.dat里发现了一组数量为15000的token，值得关注的是，其中包含100个emoji。

Cook揭秘库克

尽管此Cook非彼库克，小哥的博客文章一发出，还是吸引了不少关注。

基于他的发现，网友们热烈地讨论(Discuss)起苹果在用户体验和前沿技术应用之间的平衡大法。

回到Jack Cook本人，他本科和硕士毕业于MIT的计算机专业，目前(Currently)还在攻读牛津大学(University)的互联网社会(Society)科学硕士学位。

此前，他曾在英伟达实习，专注于BERT等语言模型的研究。他还是《纽约时报》的自然(Nature)语言处理高级研发工程师。

那么，他的这一番揭秘是否也引发了你的一些思考？欢迎在评论区分享观点~

原文链接：https://jackcook.com/2023/09/08/predictive-text.html