アップルが6月8日に開催した世界開発者会議「WWDC 26」の基調講演において、Apple Intelligenceの今後の戦略と、エージェンティックなふるまいを実現する新世代の「Siri AI」に関連する重要な発表を行った。
Siriによる体験は何が変わるのか、あるいはグーグルのGeminiとのパートナーシップについて、詳細を解説する特別なセッション「TECH TALK」が開催された。
ステージには現在、Apple Intelligenceの開発を最前線でリードするソフトウェアエンジニアリング担当シニア・バイスプレデントのクレイグ・フェデリギ氏をはじめ、昨年末に新しくAI担当バイスプレジデントに就任したアマル・スブラマニア氏、Siriのエンジニアリング担当バイス・プレジデントのマイク・ロックウェル氏と、ソフトウェア担当バイス・プレジデントのセバスチャン・マリノー＝メス氏の4名が登壇した。
完全に再構築された「Siri AI」
今回の注目すべき発表は「Siriがゼロから再構築」されたことだ。アップルはこれを「Siri AI」と名付けた。
「アップルは昨年、Siriが単に質問に答えるだけでなく、アプリやシステム機能を横断して必要な操作を実行するための『ツール呼び出し』の機能をアップデートにより段階的に追加した。しかし、既存のシステムを拡張していくアプローチではアップルが目指す理想的なビジョンやユーザー体験を十分に実現できないという判断から、その方針を大きくシフトチェンジした」（ロックウェル氏）
新しく誕生したSiri AIは「AFM 3 Core Advanced」と呼ばれる新しいオンデバイスモデルなどを中核とし、設計の初期段階からネイティブにマルチモーダルなシステムとして構築されている。つまり、従来のSiriが「音声をテキストに変換してから処理する」といった単一モダリティの橋渡しを中心としていたのに対して、AIがテキスト、画像、音声などタイプの異なる複数の情報形式を同時に理解できる構造に変わる。
Siri AIはチャットボットではなく、iOSやmacOSをはじめとするApple OSのシステム全体に深く根ざす対話型のユーザーインターフェースとして機能する。さらに、ユーザーの「パーソナルなコンテキスト」を賢く理解し、複数のアプリにまたがる個人的な情報を横断的に検索して推論処理を行える。
これを支える中核技術のひとつが「スパース・アーキテクチャ（Sparse Architecture）」だ。デバイス上で動くApple Foundation Model（AFM）は、大きなものでは全体で200億パラメータという大規模なモデルになるが、すべてのリクエストに対してフルサイズで稼働するわけではない。リクエストごとに必要なサブセットのみを使用し、わずか100万〜400万のパラメータだけを選択的にアクティベートする仕組みを採用している。
