智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
回放
品牌
昆侖通態
【中國智能制造網 企業動態】即使是如此重視保密的蘋果，現在隨著時勢的改變，一些東西也和過去不一樣了，明顯的莫過于它對人工智能和機器學習技術的態度。我們已經看到了一個更加開放的蘋果，它在機器學習這個領域的進展如何呢？今天大家已經可以清楚地了解了。
蘋果的特殊待遇
我們都知道蘋果是一家特別注重保密文化的公司，基本上只有在新產品公開的那一刻，你才會真正從的口中了解到它是什么樣的，而它又使用了些什么材料和什么技術。這樣的文化曾經為我們帶來無數驚喜，但時過境遷，堅持這種作風的蘋果似乎遇到了新的困境。
所以近兩年來，我們看到了一個和過去不太一樣的蘋果。它比起以往，似乎更加愿意和外界分享自己的科技成果。當然了，保密策略肯定是主旋律，但好歹是有了例外 —— 比如說機器學習。
在這一段時間里，我們看到了蘋果高管們更多地拋頭露面，向媒體談及他們對人工智能和機器學習的看法。在蘋果的發布會中，“機器學習”成為了一個高頻詞匯。前一陣子，高管們還集體在訪談中放聲“我們的機器學習技術也很先進”，并透露了公司一直以來對該技術的應用實例。
在這之后，蘋果宣布旗下的人工智能團隊可以參與相關的學術討論，并允許研究者發表論文。不久前蘋果的人工智能專家湯姆·格魯伯還在 TED 大會上，闡述了蘋果如何看待這種技術。對粉絲們來說，蘋果這么做在過去幾乎是不可想象的。
似乎是為了證明它之前的那些承諾真的不是空話，蘋果就在剛剛開放了一個博客，專門刊載公司的機器學習進度。這的決定，將讓我們看到蘋果怎樣的機器學習成就呢？
蘋果的技術進展
我們都知道，人工智能有一項很重要的應用就是圖像識別，而這也是蘋果在近幾次系統升級中著重強調的，通過照片的自動整理分類，事實上我們也已經用上了這些技術。
那么要如何讓設備能夠準確判斷圖片上的東西究竟是什么呢？那就需要訓練了。人類首先要找好大量被手動標注是某樣物體的，確定無誤的圖片，比如簡單的“貓”、“狗”、“眼睛”這些，然后讓機器去學習和辨認，這樣它才能開始嘗試自己識別類似的圖片。
蘋果表示，這樣的過程成本實在是太高，因為要提高機器識別的準確率，圖片數量必須非常龐大，據了解目前是 100 萬張起步，如果還要再多人工標注就幾乎不可能。而且，這些圖片還得擁有足夠的多樣性，畢竟可以被標注為“貓”、“狗”、“眼睛”的圖片種類太多了，太過單一，機器如果遇到更復雜的情況就可能會認不出了。
當然還有一種辦法：既然人工標注圖片數量越多越難實現，那么可以使用模擬的手段，自動生成海量自動被標注好的圖片，讓機器去不斷進行識別。然而這種解決方案也有一個大問題，那就是自動生成的圖片往往不夠真實，這樣會極大影響到人工智能識別圖片的準確性。蘋果的篇博文，就是嘗試去解決這個難題的。
其實蘋果的思路很簡單：如果模擬器生成的圖片不夠真實，那就讓它變得更真實就好了。有趣的是，研究者們為此又設計了一套學習網絡。
根據博文所說，蘋果為達到這個目的，開發出了所謂的精制器(Refiner R)和辨別器(Discriminator D)。當模擬器生成圖片后，精制器 R 負責讓它變得更加真實，以通過辨別器的考驗。辨別器的數據庫中有大量的真實圖片(有趣的是，蘋果表示這些圖片可以是未標注的 —— 又省一筆人工費)，它負責根據這些真實圖片，辨別精制器給它的圖片是否為真。
精制器千方百計要騙過辨別器，而后者則要努力認清前者的“鬼把戲”。兩個機制在不斷地“斗法”中提升著自己的能力，直到辨別器再也分不清，學習過程就算完成了。這樣，就能夠在不需要人工標注的情況下，生成海量接近真實的圖片讓人工智能不斷去學習了，如此就可以大量減少成本。
還有一點很重要，那就是蘋果必須要保證整個學習過程不“跑偏”。因為在精制器和辨別器不停較量和升級的過程中，難保會因為各種各樣的因素，讓精制器修改的圖片和辨別器認定的標準開始走，讓終得到的圖片直接變形。所以蘋果加入了一些規范機制。
首先蘋果將一幅圖片分成許多部分，然后根據這些部分中的像素特征，對較量中出現的失真進行統計，失真偏差越大，判定損失就越大。除了局部的判定外，還有一個整體的自我規范損失機制，建立一個生成圖片修改前后的差異對比。局部和整體結合，保證了圖片不會在這個過程中發生很大的異變。除此之外辨別器本身也有記憶功能，能夠記住那些之前已經被判定為假的圖片。
還有一點很有趣，那就是蘋果暫時還沒有找到讓系統自動判定學習中止的辦法，目前只能是保存學習過程中的所有圖片，人工目測生成圖像已經和真實非常接近時中止學習。
采用了這樣的解決方案，據說效果還是非常不錯的。蘋果曾邀請志愿者接受測試，10 位志愿者看了 1000 組圖片，分別有真實圖片和經過精制器修改的生成圖片。成功分辨出真實圖片的有 517 組，概率上接近 50%，說明人們無法確定圖片真假，更多是 2 選 1 的概率。而當志愿者們去看真實圖片和原始生成圖片時，200 組圖片他們成功分辨出了多達 162 組。
好戲還在后頭
從蘋果的這篇博文中，我們可以清楚地看到它在機器學習領域的進展和思路，可以說是的開誠布公。它這么做，自然是為了表明自己在人工智能領域并沒有落后，希望能夠因此吸引更多人才。
人工智能和機器學習作為蘋果未來技術發展和產品功能開發的重頭戲，我們會在越來越多的發布會上看到它們的身影。如果你對此曾經也有疑慮，那么蘋果現在就是在不斷表明自己的態度，讓人們放心。
博客開了，這也只是篇博文而已。可想而知，未來蘋果還會公布更多它的技術進展。在解決了圖像識別的問題后，接下來它還會用機器學習來實現什么呢？這實在是讓人期待啊。
(原標題：！蘋果開誠布公談機器學習)
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
