一個旨在提高AppleSilicon上神經網絡處理速度的新項目有可能將大型數據集的訓練速度提高十倍。創建機器學習項目的問題之一是在大型數據集上訓練模型。這依賴於大量的計算能力來啃噬數據，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 是博士生特裡斯坦-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上更高效運行的庫。圖形神經網絡用於預測節點和邊，並執行基於圖形的任務，在計算機視覺領域尤其有用。
mlx-graphs 項目以 MLX 為基礎，是專為 Apple Silicon 發佈的圖形神經網絡庫。該項目旨在為該領域的研究人員提供可觀的性能提升。
Bilot 聲稱，在對大型圖形數據集進行訓練時，該庫的初始基準運行速度可達 PyTorch Geometric 和 DGL 等框架的十倍。它通過使用專門設計的內核來並行化直接在 M 系列芯片 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庫，提供反饋，並通過拉取請求提交實現。該項目是對機器學習和生成式人工智能興趣浪潮的一部分，這一領域可以極大地改變內容創作和向用戶提供信息的方式。
就蘋果公司而言，公司內部的研究人員已經創建一個用於動畫圖像的生成式人工智能工具。此外，其他項目也在Xcode工具中測試人工智能的使用。
蘋果公司首席執行官蒂姆-庫克（Tim Cook）也談到，蘋果公司將在2024 年晚些時候向用戶推出大量人工智能功能。