【大咖来了】有道周枫：苹果Core ML对移动端深度学习的意义

【新智元导读】在WWDC2017（全球开发者大会）上，苹果发布了支持移动端深度学习的 CoreML 框架。网易有道 CEO 周枫指出，这个新框架能够解决以往云端数据处理的一系列问题，而且相对安卓的 TensorflowLite 更加成熟，值得人工智能的开发者关注。

周枫博士现任网易高级副总裁，网易有道CEO。周枫在清华大学取得计算机科学学士和硕士学位，在加州伯克利大学取得计算机科学博士学位，曾在多个顶级国际学术会议和期刊上发表超过10篇论文。周枫加入网易后，主持有道词典开发、有道搜索平台架构、有道云笔记和密码认证系统“将军令”开发等，将有道词典打造成了份额第一的词典与翻译产品，用户量超过6亿。目前，周枫带领有道的NMT团队攻坚基于人工智能的神经网络翻译（NMT）技术，并开始进军在线教育领域。

——————————————————————————

在上周WWDC苹果发布的一系列软硬件产品中，CoreML看起来是很不起眼的一个。简单来说，它是秋季正式上市的iOS11新增的人工智能编程框架，让开发者可以更方便地为App增加基于人工智能算法的功能。

关注人工智能或深度学习的产品和技术人员应该重视CoreML，CoreML是第一个较完善的手机端人工智能框架，利用它可以做出创新的功能。

为什么手机端人工智能处理很重要？

目前国内探讨比较多的数据处理办法，仍然是利用人工智能在云端处理大数据。相对云端的处理，手机端的人工智能至少有这样几点好处：

• 响应更快，避免网络通信延迟；
• 节省流量，不需要上传数据；
• 可以实时处理视频，解决了上传和处理视频速度慢的问题；
• 对开发者更便宜，省去了租用服务器的成本。

比 Tensorflow Lite 更成熟的 Core ML

近两年以来，移动SoC（系统级芯片）的处理能力，终于可以有效运行实用化的深度学习算法了（iPhone7的GPU计算能力大约是200Gflops），所以这时候推出CoreML，苹果做到了领先一步。相比较来说，Android上同样用于移动机器学习的TensorflowLite成熟度看起来差不少。

和Tensorflow、Caffe等深度学习框架不同，CoreML是完全聚集于在设备端本地进行深度学习推理的框架，而其它框架除了支持本地设备端同时也支持云端，能够推理也支持训练。

• 集中力量的一个结果是CoreML性能更优。苹果宣传Inception v3速度是Tensorflow的6倍，这是通过MetalAPI对于GPU能力充分利用的结果。
• 另一个结果是，CoreML看起来更方便使用。苹果很聪明的定义了一个标准的模型格式（.mlmodel），提供了流行的框架模型到该格式的转换工具，比如你可以将你的Caffe模型转换成CoreML的模型格式。这样就可以利用各个模型的训练阶段，而不像TensorflowLite只能使用Tensorflow模型。模型训练好了之后，只要拖放到XCode中就可以使用，苹果甚至把接口的Swift代码都给你生成好了，非常方便。

Core ML 能够为开发者带来哪些技术亮点？

Core ML的目的就是让开发者把机器学习更容易的用到App里。开发者能够用CoreML实现实时物体识别、人脸特征点识别、跟踪运动中的物体、文本分析等，这些处理过程都可以在现有的iPhone和iPad上运行。下面是CoreML能够实现的一部分技术Demo：

• 实时物体识别（Resnet >10fps）

• 带五官位置的人脸检测（直接调用Vision Framework）

• 物体跟踪（Vision Framework）

Core ML填补了iOS移动端机器学习的空白，开发者们可以从这个新框架出发，思考自己的App能够封装哪些人工智能的新技术。而面对苹果的步步紧逼，“为移动而生”的TensorflowLite也该好好优化一下模型适配和处理速度的问题了，毕竟人工智能的未来不可能只在云端。