細拆蘋果AI戰略藍圖，看離領跑全球還有多遠？

雷鋒網AI科技評論按：7月份，在經歷了長達幾個月外界對蘋果AI技術落後的質疑後，蘋果又有了一些新動作，首先是在7月20日上線了蘋果機器學習官方博客（Apple Machine Learning Journal），並發表了第一篇博文；其次提交的論文被CVPR 2017收錄，獲最佳論文。

蘋果CEO庫克面對外界對蘋果AI技術落後的質疑，曾向媒體回應說，蘋果精神是「just work 」（實幹精神），之所以外界看不到蘋果AI技術的進展，是因為蘋果只喜歡談論即將上線的產品功能。這麼來看，公眾最多只能通過公開的博客和學術論文中了解到蘋果在AI領域研究的大方向，而關於這些研究的應用以及進度，只能靠猜測了。

不過雷鋒網編輯在網上找到了一些PPT。這些PPT是在去年的12月6日，一個僅面向受邀者參加的行業AI大會的午餐會上，蘋果公司機器學習負責人羅斯·薩拉克丁諾夫（Russ Salakhutdinov）和其他蘋果員工進行的議題討論，詳細介紹了蘋果公司在AI領域的一些進展。

無人駕駛領域

根據參會者的描繪：

會上一張幻燈片上有兩張非常有特色的汽車圖片，該幻燈片匯總了蘋果公司的研究，說明了「LiDAR的體積檢測」和「結構化輸出預測」。

對於現如今的無人駕駛技術而言，LiDAR或光感測距（和雷達類似，但藉助激光）以及物理事件預測都是非常重要的組成部分。不過，鑒於所介紹的內容比較敏感，兩名不願透露姓名的參會者強調，蘋果公司並沒有提及他們的造車理想。

今年6月份，庫克首次公開談論了正在開發的代號為Project Titan 無人駕駛項目。但只是聲稱在做無人駕駛技術的研發，對是否會自主製造汽車，庫克並沒有給出答案。

而英國《每日郵報》7月21日有文爆料，蘋果正與一家中國公司合作研發汽車電池， 這家公司名字叫時代新能源科技有限公司(CATL)。CATL曾經隸屬新能源技術有限公司，為蘋果產品供應電池，但後來脫離後者成為一個獨立實體。CATL目前為電動巴士、電動客車、電動卡車和固定能量儲存供應電池組。

由此可見，蘋果的野心並不只是研發自動駕駛系統那麼簡單。

對於演算法在圖形處理單元或GPU（常用於伺服器端加速深度學習的處理速度）上的運行效率，蘋果還是非常自豪的。一張幻燈片指出，蘋果的圖像識別演算法每秒鐘處理的照片是谷歌的兩倍，谷歌每秒處理1500張，而他們每秒可以處理3000張，而且大體上只需要1/3的GPU。這種比較是基於在Amazon Web Services（一個雲計算的標準）上運行演算法做出的。

雖然其他公司正開始基於專用晶元來加速AI工作，如谷歌的TPU（張量處理單元）和微軟的FPGA（現場可編程邏輯閘陣列），值得注意的是，蘋果是基於標準的GPU。不過，蘋果是否為了匹配其客制化客戶硬體而構建了自己的客制化GPU，還是從像英偉達這樣的大型製造商購買，並沒有詳細介紹。

另外，蘋果用來訓練其神經網路識別圖像的圖片庫似乎是專有的，其規模幾乎是標準ImageNet資料庫的兩倍。

神經網路工具Core ML， 它構建的神經網路比原始神經網路小4.5倍，精度卻沒有損失，速度比原先快兩倍。在AI研究領域，這項技術使用更強大的神經網路訓練另一個網路，使其知道在各種情況下做什麼決策。然後，這位「學生」（student）網路就會具備「老師」（teacher）網路知識的精簡版本。本質上，對於給定的照片或音頻樣本，它能做出更大網路的預測。通過精簡神經網路，iPhone和iPad可以識別照片中的人臉和位置，或者了解用戶的心率變化，並且不需要依賴遠程伺服器。將這些處理過程封裝在手機里可以讓這項功能隨處可用，而且，這還使得數據無需加密，也無需通過無線網路傳輸。

Core ML

對於希望將AI構建到自己的iOS應用的開發人員而言，蘋果構建的這一套機器學習模型和應用程序協議介面（API），即Core ML，非常有幫助。開發人員可以使用這些工具將圖像識別構建到照片應用中，或者引入自然語言處理技術到一個聊天機器人中，可以理解用戶所說的內容。

蘋果首先發布了其中四個圖像識別模型以及一個面向計算機視覺和自然語言處理的API。這些工具在用戶設備本地運行，也就是說，數據仍然是私有的，永遠不需要在雲上進行處理。

此外，蘋果還讓AI開發人員可以很容易地將他們自己喜歡的AI引入蘋果設備。某些種類的深度神經網路可以直接轉換為Core ML。

蘋果現在提供了Caffe和Keras支持，前者是由加州大學伯克利分校開發的一款用於構建和訓練神經網路的開源軟體，後者是一個可以簡化那個過程的工具。值得注意的是，它不支持谷歌的開源AI框架TensorFlow。不過，創建者可以構建自己的轉換器。

在蘋果提供的預訓練模型中，有一部分是開源的谷歌代碼，主要面向圖像識別。

需要說明的是：蘋果並不是第一個發布可在移動設備運行的深度學習工具的公司。

在WWDC之前的谷歌I/O大會上，谷歌發布了「為移動而生」的TensorFlow Lite，它將允許開發人員在用戶的移動設備上實時地運行人工智慧應用，有多款在移動設備上使用 TensorFlow 做翻譯、風格化等工作；TensorFlow 在移動設備 CPU（高通 820）上，能夠達到更高的性能和更低的功耗。

而早在 2016 年 11 月，Facebook 就已經發布了一個稱為 Caffe2Go 的架構。Caffe2Go 用於實時風格轉移（Style Transfer），即在用戶的移動設備添加了類藝術（Art-like）過濾器。在今年的 F8 大會上， Facebook 進一步發布了 Caffe2，正式支持移動平台。而除此之外，MxNet 深度學習框架也支持多個平台，包括移動設備。

和Tensorflow、Caffe等深度學習框架不同，Core ML是完全聚集於在設備端本地進行深度學習推理的框架，而其它框架除了支持本地設備端同時也支持雲端，能夠推理也支持訓練。蘋果宣傳Inception v3速度是Tensorflow的6倍，這是通過MetalAPI對於GPU能力充分利用的結果。

相較於其他移動端深度學習框架，Core ML看起來更方便使用。蘋果很聰明的定義了一個標準的模型格式（.mlmodel），提供了流行的框架模型到該格式的轉換工具，比如你可以將你的Caffe模型轉換成Core ML的模型格式。這樣就可以利用各個模型的訓練階段，而不像TensorflowLite只能使用Tensorflow模型。模型訓練好了之後，只要拖放到XCode中就可以使用，蘋果甚至把介面的Swift代碼都生成好了，非常方便。

從目前的情況看來，Core ML似乎在移動端上的表現更勝一籌，但是將來是否真的可以保持穩定發揮，還得靠時間來檢驗。

蘋果在之前的開發者大會上的主題演講中清楚地向大家表明，發生在手機上的每個動作都會被記錄，然後由操作系統的一系列機器學習演算法進行分析，判斷是否預示著用戶希望要做一個日曆預約、撥打一個電話，或者製作更好的動態照片。像Apple music的聽歌推薦，通過對用戶聽歌記錄的學習來調整作出相應的推薦；iphone的電池續航，手機的電池管理系統使用了機器學習，了解了用戶的使用習慣並作出相應的調整，使續航更持久。

另外從Siri的聲音也可以看出蘋果用到了機器學習。他們不再使用預先錄製好的標準答案，現在，Siri的聲音完全是由AI生成的。這樣更靈活（蘋果在大會上示範了四種不同的音調），隨著技術的發展，它聽上去會越來越像真人（蘋果的競爭對手離這個目標已經不遠了）。

蘋果只發表了一篇論文，並且獲得了CVPR 2017最佳論文。蘋果AI研究負責人Ruslan Salakhutdinov一直在做巡迴演講（很大程度上是為了招聘到AI頂尖人才）。舉例來說，他在Nvidia的GPU技術大會上了發表了演講，之後他還會在紐約發表演講。此外，去年年底，在Salakhutdinov上任後不久，蘋果在一個重大的AI會議上和他們的競爭對手舉行了一場閉門會議。但是，就目前競爭激烈的AI市場來講，論文和演講的威懾力似乎遠不如實在的研究成果來的強大。蘋果公司如果想成為全球AI領跑者，未來的路似乎並不好走。

參考資料：

1.https://qz.com/856546/inside-the-secret-meeting-where-apple-aapl-revealed-the-state-of-its-ai-research/

2.https://qz.com/999235/apple-is-finally-serious-about-artificial-intelligence/

雷鋒網整理編輯

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！