Mac тайно строит граф вашей семьи: 51 база и XGBoost в macOS 26

Вы наверняка замечали, что Фото сами подписывают альбомы «Мама» или предлагают «Семейный» набор воспоминаний. Выглядит как магия, но за ней стоит вполне конкретная инфраструктура. Исследователи 8rank опубликовали разбор недокументированного графа знаний, который macOS строит на вашем компьютере, и это один из самых подробных взглядов на то, как Apple делает персонализацию без облака.

Что нашли внутри

Начиная с macOS 13 на каждом Mac работают два демона: knowledgeconstructiond и intelligenceplatformd. Они складывают результаты в каталог ~/Library/IntelligencePlatform. Там лежит 51 база SQLite. Главная из них, graph.db, хранит триплеты вида «субъект — предикат — объект» по словарю из 181 класса и 278 предикатов. Это классический граф знаний, только личный: владелец, его контакты, места, события, фотографии.

Отдельно интересно, как система определяет близость людей. Работает пара классификаторов XGBoost, которые смотрят на 144 признака. Это в основном поведенческие сигналы: кому вы пишете и как часто, с кем попадаете на фото, в какой день недели и час происходят контакты. Первая модель отвечает на вопрос «семья или нет», вторая отделяет «семью или друзей» от остальных. То есть никакой глубокой семантики: обычные табличные признаки и градиентный бустинг, что для устройства разумно, ведь модель дешёвая и работает офлайн.

Что остаётся неясным

Ещё пятнадцать столбцов, от «мать» до «коллега», заполняются каким-то механизмом, который авторы проследить не смогли. Возможно, это отдельная модель, возможно, правила или данные из других подсистем. Честная оговорка: полной картины у исследователей нет.

Вторая важная деталь касается удаления. Когда связь отзывается, строка не исчезает, а переезжает в отдельную таблицу и сохраняет уверенность модели и источники, из которых вывод был сделан. Для пользователя это означает, что «забытый» контакт может оставить след в локальном хранилище.

Что с этим делать

Для разработчиков под macOS вывод простой: на устройстве есть богатый слой пользовательского контекста, и системные функции Apple опираются на него. Если вы строите приложение для почты, фото или контактов, стоит понимать, какие ожидания пользователей формирует этот граф и какие данные система уже вывела сама.

Для продактов и основателей это урок про дизайн приватности. Локальная обработка не равна прозрачности: вывод о том, кто чья мать, делается без явного согласия и без интерфейса для проверки. Если вы делаете похожую персонализацию, дайте пользователю способ увидеть и исправить выводы, а при удалении стирайте и производные данные, включая оценки уверенности.

Для специалистов по безопасности и корпоративных админов это новая поверхность для аудита. Базы лежат в пользовательской библиотеке, а значит, попадают в резервные копии и криминалистические выгрузки. Чувствительные профили, например журналистов или юристов, стоит оценить с этой точки зрения.

Наконец, посмотреть свой граф можно самому: 8rank выложили локальную панель iKnow, которая читает базы на вашем Mac без отправки данных наружу. Запускайте её на своей машине и проверяйте, что система о вас думает. Результат полезно сопоставить с реальностью: ошибки классификатора покажут, насколько хрупки такие выводы, если на них строить что-то важное.

Исследование относится к macOS 26, поэтому поведение в других версиях может отличаться. Но сам факт, что такой граф строится годами и без явных настроек, заслуживает внимания каждого, кто работает с пользовательскими данными.