苹果开放机器学习API,支持面部追踪、面部识别、条码识别等

此次苹果WWDC大会,苹果不仅在iOS的自家应用中更多使用了机器学习,还把机器学习功能作为iOS API的一部分向开发者开放,希望开发者们也用机器学习的力量开发出更好的应用程序。

除了新硬件和新系统,苹果在机器学习方面的动作终于给大家展示了成果。这次,苹果不仅在iOS的自家应用中更多使用了机器学习,还把机器学习功能作为iOS API的一部分向开发者开放,希望开发者们也用机器学习的力量开发出更好的应用程序。

iOS中的机器学习

在iOS的本身功能里,苹果已经尝试用机器学习带来更好的用户体验,比如在iPad上利用机器学习识别手写便签的文本、在iPhone上通过学习和预测用户的使用习惯来让iOS更省电、在照片app里自动创建的回忆相册以及面部识别,现在iOS11中的Siri也利用机器学习带来了更多贴心的功能和更流畅的对答。

苹果首先拿出了在已经自家应用中使用的Vision API和Natual Language API,分别负责图像识别处理和自然语言识别处理。

Vision API,已经运用在照片app中,提供了如下功能:

  • 面部追踪
  • 面部识别
  • 地标
  • 文本识别
  • 正方形识别
  • 条码识别
  • 物体追踪
  • 图像匹配

Natual Language API,已经运用在邮件和iMessage中:

  • 语言检测
  • 符号化识别
  • 词形还原
  • 对话分段
  • 实体名称识别

还有一个GameplayKit API也会开放,它的主要功能是评估决策树。

这三个API开放以后,开发者就可以直接在自己的app中调用相关功能,无需自己重新开发机器学习模型就可以享用美妙的成果。

Core ML

前几个特定用途的API都运行在Core ML之上。开发者如果想要运行自己的机器学习模型,那它也会运行在Core ML上。当然啦,自己的模型还是要先训练好才能拿来在Core ML上运行的,Core ML提供的只是多样、高效的推理运行环境。

Core ML可以支持多种网络模型,可以支持深度神经网络、复发神经网络、卷积神经网络,可以支持超过30种不同类型的层,还可以支持标准的支持向量机SVM、树集成、广义线性模型。

而且开发者可以把以上几个第三方工具创建、训练好的机器学习模型直接拿到Core ML里面来用。

Core ML会运行在本地,这样数据的隐私性安全得以保证,而且可以跟苹果系列OS的特色功能有更好的配合,另外也避免了网络环境影响app功能的问题。

执行性能方面苹果已经提前想了办法,据Craig介绍,Core ML的执行性能很高,通过Machine Learning Model Converter,在iOS设备上就会有很好的运行表现,执行速度非常快,在图像识别benchmark中比Google Pixel和三星S8快6倍。

根据官网资料,由于Core ML是基于iOS底层的Metal和Accelerate开发的,所以Core ML利用CPU和GPU资源的效率非常高,性能也可以全部发挥出来。

苹果已经在官网机器学习介绍页面 提供了四种训练好的机器学习模型,模型转换工具也在这个页面中提供了下载。感兴趣的开发者可以去下载试试了。

苹果没有做大而全的人工智能平台

去年苹果收购了西雅图的机器学习初创公司Turi以后,继续在西雅图成立了自己的人工智能研究实验室,聘请了华盛顿大学教授Carlos Guestrin作为机器学习总监。Carlos Guestrin也是机器学习领域的顶尖人物之一,获得过美国国家科学基金会的职业荣誉奖和顶尖人工智能会议IJCAI的计算机与思想奖,而且也创办过机器学习公司。

曾在2013年到2017年带领过苹果人工智能开发的Daniel Gross对苹果公司的态度做了精确的表述:“苹果的内部目标是造出伟大的产品,而不是发论文”。

所以苹果没有发布自己的机器学习开发平台、没有发布开发硬件,也没有对外公布是否挖了机器学习专家到自己团队,在这种态度下就都合情合理了。苹果愿意开发人工智能应用、愿意用人工智能改善用户体验,但是目前苹果并没有做开放的前瞻性研究。从以往的苹果产品也可以看到,苹果的风格通常不是一旦有新技术就拿来做产品,而是等到成熟一些、确认能够对用户体验带来改善,才会凭借高超的工程能力把他们运用在产品中。

原文发布于微信公众号 - BestSDK(bestsdk)

原文发表时间:2017-06-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏腾讯大数据的专栏

大数据产品-腾讯信鸽之手游流失预测

背景 随着游戏市场竞争的日趋激烈,越来越多的游戏运营服务选择借助大数据挖掘出更多更细的用户群来进行精细化,个性化运营,从而更好的抓住用户,获得更大的收益。在游戏...

3295
来自专栏人工智能头条

小团队撬动大数据——当当推荐团队的机器学习实践

2439
来自专栏CDA数据分析师

3分钟轻松了解个性化推荐算法

摘要:如果去商场里买东西,我并不愿意听导购小姐讲的话,但是电商网站上的推荐,我还真的愿意看一看。【猜你喜欢】,好,那你就猜猜吧。 推荐这种体验除了电商网站,还有...

2685
来自专栏量子位

亚马逊全面发力AI,推机器学习托管服务、四项新工具,还有AI硬件

Root 假装发自 拉斯维加斯 量子位 出品 | 公众号 QbitAI 机器学习现在已经在多个领域爆发出惊人的能量,企业通过获取有效的用户数据,可以高效锁定用户...

3127
来自专栏AI科技评论

谷歌人工智能专家:机器学习出现全新挑战

GAIR 今年夏天,雷锋网将在深圳举办一场盛况空前的“全球人工智能与机器人创新大会”(简称GAIR)。大会现场,雷锋网将发布“人工智能&机器人Top25创新企...

4053
来自专栏DT数据侠

Facebook效应:如何在社交网络中制造流行?(下篇)

在上篇文章中,我们用维基百科的搜索量侧面验证了Facebook上曝光的重要性。那么接下来,我希望尝试从数据中找到一些“流行的经验”,让内容得到最大程度的曝光。

820
来自专栏人工智能头条

来自Google的经验:以用户为中心的机器学习七大技巧

1052
来自专栏专知

深度学习为什么需要工业化标准

【导读】近日,深度学习作者Carlos E. Perez发表一篇博客,讨论了深度学习的工业化标准问题。我们知道,深度学习是当前AI领域的一个利器,其标准也不能照...

3815
来自专栏数据科学与人工智能

【数据】大数据用户画像方法与实践

首先看一下大数据与应用画像的关系,现在大数据是炙手可热,相信大家对大数据的四个V都非常了解,大数据应该说是 信息技术的自然延伸,意味着无所不在的数据。 ? 我...

9338
来自专栏新智元

【掌上计算机视觉大有可为】智能终端图像识别、美化、生成应用盘点

【新智元导读】移动AI,尤其是智能手机上的计算机视觉应用,已经成为人们生活中重要的一部分。本文将会从最新趋势、未来机会、用户将如何使用手机上的AI等方面进行分析...

37912

扫码关注云+社区

领取腾讯云代金券