【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。

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2017-06-18

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

来自专栏大数据文摘

如何用数学知识提升情商?数学学霸们的6大思维习惯

1645
来自专栏AI科技评论

Facebook和Google们现在努力的AI方向,会不会错了?

深度学习的坎坷之路 2012年11月23日,应该是一个让时任谷歌人工智能实验室专家的Geoff Hinton倍感欣慰的日子,在这一天,纽约时报发布了名为《Sci...

3626
来自专栏企鹅号快讯

持续不断地推荐儿童不宜视频背后,YouTube是这样训练AI的

训练 YouTube 搜索算法的员工表示,他们用来评估这个世界上最大的互联网视频平台的准则,有些难以理解并且不够充分。 编译 | 王宇欣 Rik 来源 | Bu...

2179
来自专栏PPV课数据科学社区

【案例】浅谈医学大数据是怎么回事?

编者按:本文作者陈遵秋,美国俄勒冈州,健康科技大学,公共卫生预防系,美国统计协会认证统计分析师;陈漪伊,美国俄勒冈州,健康科技大学,公共卫生预防系,生物统计助理...

2893
来自专栏大数据文摘

机器真的已经战胜人类医生了吗?医学AI标题党文章中的三大陷阱

2007
来自专栏华章科技

大数据:更多的数据还是更好的算法?

我知道很多人自始至终都认为数据是越多越好,Google甚至直言:更多的数据胜过更好的算法,而过去很多侦探剧中崇尚“信息越多,就越靠近真相”的刑侦金句也似乎佐证这...

620
来自专栏大数据文摘

前沿 | 国际可视化盛会PacificVis2017的十个精彩案例

2887
来自专栏AI科技评论

学界 | 微软研究院资深主任研究员郑宇教授:多源数据融合与时空数据挖掘(一)

AI科技评论按:本文根据郑宇教授在中国人工智能学会AIDL第二期人工智能前沿讲习班*机器学习前沿所作报告《多源数据融合与时空数据》编辑整理而来,AI科技评论在未...

4118
来自专栏IT派

推荐系统眼中的你:内容画像与用户画像

尽管推荐系统中应用了各种高深的算法、架构,但其基础原理是朴素的:更好的了解待推荐的内容、更好的了解要推荐给的人,从而更高效的完成内容与人之间的对接。断物识人,是...

5765
来自专栏数据派THU

一文读懂因果推测、倾向模型(结合实例)

1323

扫码关注云+社区