MacOS 10.14 Mojave: Apple verabschiedet OpenGL und verbessert Machine Learning

Vier Jahre nach der Einführung der Metal-Schnittstelle mustert Apple OpenGL und OpenCL aus. Außerdem hat das Unternehmen die Verwendung von trainierten Modellen beschleunigt und erleichtert das Erstellen eigener Modelle. Hinzu kommen natürliche Sprachverarbeitung und ein Netzwerk-Framework.

Artikel veröffentlicht am 6. Juni 2018, 13:48 Uhr, Sebastian Grüner

Craig Federighi stellt die Neuerungen von MacOS Mojave vor, darunter auch Core ML 2. (Bild: Apple)

Eine der an Entwickler gerichteten Neuerungen in Apples MacOS 10.14 alias Mojave ist eine Abkündigung, denn Apple verkündet im Zuge des WWDC 2018 die Ausmusterung der Schnittstellen OpenGL und OpenCL. Als Ersatz dafür soll die hauseigene Schnittstelle Metal dienen, die das Unternehmen vor vier Jahren als Ersatz angekündigt hat.

Mit dem plattformübergreifenden Vulkan sowie Microsofts DirectX 12 gibt es ähnliche Ansätze für neue Technik mit geringem CPU-Overhead, so dass die Abkündigung von OpenGL und OpenCL in MacOS eigentlich nur eine Frage der Zeit war. Apple bezeichnet die beiden Schnittstellen offiziell als veraltet und will diese bis auf kleinere Änderungen und Sicherheitspatches nicht mehr aktiv weiterentwickeln.

In der Ankündigung betont Apple, dass diese Ausmusterung nicht das "unmittelbare Lebensende" bedeutet, stattdessen gebe es eine Gnadenfrist zur Migration auf die neueren Schnittstellen. Wie lange genau OpenGL und OpenCL noch in MacOS-Versionen erhalten bleiben, ist zurzeit jedoch nicht klar.

Besseres Machine Learning und Netzwerk

Ebenfalls interessant für Entwickler ist Core ML 2 als neue Version des Machine-Learning-Frameworks von Apple. Die neue Version ist laut Apple dank Batch Prediction bis zu 30 Prozent schneller als bisher und kann Modelle mittels Quantisierung um bis zu 75 Prozent verkleinern. Neu in Mojave ist außerdem die Möglichkeit, mit Hilfe von Create ML eigene Machine-Learning-Modelle auf dem Mac zu erstellen und zu trainieren.

Ein Framework speziell zur Verarbeitung natürlicher Sprache ermöglicht einige dafür grundlegende Schritte wie die Identifizierung einer Sprache oder Schrift, die Tokenisierung, die Lemmatisierung, das Part-of-Speech-Tagging oder die Eigennamenerkennung. Darauf aufbauend sollen mit Create ML dann eigene Sprachmodelle erzeugt und ausgerollt werden können.

Für Entwickler, die für ihre Apps und eigenen Protokolle einen direkten Zugriff auf TCP, UDP und TLS benötigen, hat Apple das Network Framework eingeführt. Die Klasse URLSession baut darauf auf und kann für HTTP- und URL-basierte Ressourcen genutzt werden.

Weitere Details zu den Neuerungen gibt es in der Dokumentation der jeweiligen Funktionen.