苹果开放机器学习API,但是没有看到苹果的机器学习开发平台

AI科技评论消息,今天凌晨的苹果WWDC主题演讲无疑是果粉的狂欢,它很有可能被捧为最棒的WWDC。这次大会苹果有6大更新,包括了iOS 11、新macOS、升级版Macbook、惊艳的iMac Pro以及智能音箱HomePod等软件硬件产品。

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。苹果把这个机器学习功能叫做Core ML。负责软件的苹果高级副总裁Craig Federighi在昨晚的演讲中做了总体介绍,AI科技评论结合官网的详细信息给大家带来更深入的解读。

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。

接下来,苹果想让开发者也利用机器学习、或者利用苹果已经开发出的功能做出更多美妙的应用。

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

AI科技评论了解到,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。可以期待,随着iOS的更新,不管是系统app里还是用到这些功能的app,都会变得越来越准确、越来越好用。

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(https://developer.apple.com/machine-learning/)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。

不过到了今天苹果向开发者展示人工智能app开发的时候,明显能感觉到苹果的做法与Facebook、Google有所不同。相比于基于caffe/caffe2和TensorFlow的一大堆开发环境和云服务,苹果只是发布了一个可以在设备上运行训练好的机器学习应用的API,表现出苹果似乎对自己做前沿研究和帮助开发者做前沿研究都没什么兴趣。

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。

这不免让人对苹果有所担心。所有人都判断人工智能/机器学习会占据越来越重要的位置、能够做的事情越来越多,但当年率先发布智能助理Siri的苹果现在已经在开发和研究环境、前沿研究成果、影响力几个方面都落在了后面。不过,现在距离机器学习的全面突破还有一段距离,苹果的姿态是否会在突破点到来之前有任何改变,我们拭目以待。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-06-06

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

来自专栏区块链中本聪

区块链技术详解+比特币共识会议

第一层: 不同观点的双方或多方通过交流,事实,依据,理由到达对某件事物的认知一致。

1444
来自专栏DT数据侠

数据圈最残酷真相即将浮出水面

开篇提示:即便你不喜欢DT君今天的瞎bb,也务必坚持到文末惊喜处,这不是愚人节玩笑!

680
来自专栏华章科技

业余时间学数据分析,如何快速上手

广泛被应用的数据分析:谷歌的数据分析可以预测一个地区即将爆发的流感,从而进行针对性的预防;淘宝可以根据你浏览和消费的数据进行分析,为你精准推荐商品;口碑极好的网...

854
来自专栏数据的力量

如何学习统计学

843
来自专栏数据小魔方

Python数据抓取与可视化实战——网易云课堂人工智能与大数据板块课程实战

本篇内容数据抓取对象为网易云课堂人工智能与大数据板块课程信息,使用的工具是urllib+postman,因为直接构建的POST抓取的josn数据包,所以数据抓取...

3954
来自专栏PPV课数据科学社区

大数据安全分析—可视化篇

熟悉金字塔原理的人都了解一个事实,人脑的短期记忆最大能够保持7个左右的元素,这意味着在分析工作中只能跟踪非常有限的数据。 而可视化作为探索、展示和表达数据含义的...

3195
来自专栏量化投资与机器学习

【Python量化投资】涨跌幅度分级,使用SVM分类预测

流通市值最小500 引用情景因子初探 简单说明 开始的时候想做一个ZZ800成分股的小策略,然后受制于性能限制,也懒得自己造轮子,就改成SH50了 今天有空...

20910
来自专栏WOLFRAM

欢迎来Wolfram U学习 AP 微积分及更多课程

今天,我很自豪地宣布:免费交互式课程《微积分入门》 在Wolfram U正式上线了!(课程网址:https://www.wolfram.com/wolfram-...

961
来自专栏灯塔大数据

你的行为有谁知道?案例解析银行推荐系统在生活中的应用(R语言)

介绍 日常生活中,推荐工作都是怎样开展的呢?推荐来源于经验。假设现在有人需要你基于现实生活中的数据立刻作出推荐,你会怎样做呢?首先,我们会感觉自己得像智能顾问一...

2567
来自专栏AI科技大本营的专栏

最懂机器学习的围棋高手,解读柯洁首战AlphaGo时的失误

解读柯洁大战AlphaGo,当然离不开围棋界最懂机器学习的高手。 本次,我们很荣幸邀请到围棋队的电脑专家——余平大师,来为我们讲解第一盘人机大战。 首先,当然...

2689

扫码关注云+社区