• 媒体品牌
    爱范儿
    关注明日产品的数字潮牌
    APPSO
    先进工具,先知先行,AIGC 的灵感指南
    董车会
    造车新时代,明日出行家
    玩物志
    探索城市新生活方式,做你的明日生活指南
  • 知晓云
  • 制糖工厂
    扫描小程序码,了解更多

苹果一改态度,终于公开了人工智能研究论文

新创

2016-12-27 14:29

12 月 27 日,据外媒报道,苹果日前终于发布了首份关于人工智能(AI)的学术论文,主要公布了自己在智能图像识别领域的研究成果。

“保密”的传统让苹果被学术圈嫌弃

苹果此前说的,要拆掉自己的“保密城墙”的工作终于有了实质性进展。

一直以来,苹果都不对外公布自己的人工智能发展情况,“保密”的文化传统让苹果的人工智能研究进展变得神秘,但同时也给自己带来了麻烦。

想要在学术圈获得知名度和同行的认可,同时通过交流推动研究进步,公开自己研究成果与保持分享是关键。但苹果一直以来的“保密”做法让它难以从学术圈招到人才,这也造成了苹果在人工智能等方面的专利申请数量已被其主要竞争对手超越。

人工智能浪潮下,除了苹果,不少公司如 Google、Facebook 等都有自己机器学习研究小组,但不同的是,它们经常对外发布自己的学术研究成果。

58474523850c1

本月初,西班牙 NIPS 大会上,苹果人工智能研发部门负责人 Russ Salakhutdinov 承诺,将允许其人工智能和机器学习研究员公开发布和分享他们的最新研究成果,同时也将积极加入到 AI 学术圈的讨论当中。

今日,才过近一个月时间,据外媒报道,苹果已经履行承诺,终于发布了首份关于人工智能(AI)的学术论文。

保密墙拆除,苹果智能图像识别有哪些研究成果?

苹果这份研究论文于 11 月中旬提交复审,并于 12 月 22 日通过康内尔大学图书馆出版。

该报告阐释了一种利用计算机合成图像来训练算法的图像识别技术。报告指出,在机器学习研究中,使用合成图像进行神经网络训练要比真实图像更有效,原因在于合成图像已经被标记和注释,更加省时省力。

不过虽然使用合成图像和视频训练机器学习能降低时间和人力成本,合成图像更容易容易获取和定制化,但报告也点出了使用合成图像的弊端:可能会导致神经网络的算法与真实世界中的场景产生偏差,造成程序质量下降的后果。

111

为此,苹果研究人员提出了解决方案,即通过一种“模拟+无监督”的学习方式来提高合成图像的真实感。苹果还使用了一种名为“生成对抗网络(GAN)”的新型机器学习技术,通过让两个神经网络彼此对抗来生成更加逼真的图像。论文也提到,苹果期望未来能通过视频输入代替静态图像训练算法。

不过,苹果只是发布了人工智能研究论文,不代表这类研究会很快变成消费性技术,但也可以看出苹果也已经在人工智能图像识别上发力。

苹果在 AI 研究上快要被对手甩开几条街了

第三方研究公司 CB Insights 的统计数据显示,2011 年起有拿到融资的人工智能创业公司,几乎一半、近 140 家的 AI 初创企业都被收购了,而 2016 年就有 40 家。在收购 AI 创业公司的大潮里,苹果也是是主力军“买主”之一,但收购动作最频繁的依然是 Google。

自 2015 年,苹果陆续收购了人工智能公司 Vocal IQ(主攻自然语言处理和机器自主学习)、Perceptio(主攻智能手机的图像识别)、Emotient(分析图像中人物的面部表情并辨别其情绪)、Turi(为开发者提供人工智能研发工具和框架),收购的技术也有部分已经运用到苹果的产品里,例如 iOS 10 系统自带的相册已经能够识别照片中的人和事物,并按照片的不同主题自动分类。

race_for_ai_12012016

但即使如此,苹果的人工智能技术与其竞争对手相比,仍有些落后。

CB Insights 日前曾公布五家大型科技公司的专利申请统计,分别包括苹果、谷歌、微软、亚马逊、Facebook,在热门的人工智能领域,苹果申请的专利数量落后于主要对手,排名最后。

而在汽车领域,苹果专利数量排名第二,亚马逊排名第三。但到了自动驾驶汽车领域,苹果还是处于落后地位,对手已经遥遥领先。

141011130

苹果在人工智能方面的发展已经被其主要竞争对手甩开。竞争对手的收购动作、专利数都更多,而苹果的保密做法还让自己与人工智能学术圈隔离开,如今苹果终于选择了开放的态度,将研究论文公布,也算是在人工智能研究上,踏出了新的一步。

此前,爱范儿(微信号:ifanr)曾对苹果的人工智能发展做过相关报道,如有兴趣可点击链接查看:《揭秘:苹果在 iPhone 里藏了个“人工智能大脑”》

苹果人工智能研究论文全文:《Learning from Simulated and Unsupervised Images through Adversarial Training》

登录,参与讨论前请先登录

评论在审核通过后将对所有人可见

正在加载中