今日芯聲：蘋果嗅到iPhone銷量下降的危機，於是

「今日芯聲」是讀芯術推出的一檔簡讀欄目，匯聚每日國內外最新最熱的AI應用資訊，敬請關注。

1. 蘋果精準發力AI，收購Silk Labs只是必經之路

最近一項調查顯示，智能音箱已經成為美國家庭的控制中心一件必不可少的設備，而蘋果HomePod在美國智能音箱市場的份額佔比不到5%。

遠遠落後於亞馬遜和谷歌的同類產品，其旗艦語音助手Siri也被貼上理解力和準確度都落後於谷歌Bixby的標籤。

但目前有跡象表明，蘋果正在精準發力把AI置於下代產品的中心，並通過收購其他公司來實現這個發展目標。

今年早些時候，蘋果低調地收購了Silk Labs，這家位於舊金山的創業公司主要專註研發基於AI的私人助理技術，適用於家庭控制中心和移動設備。

Silk平台有兩點不同於其他語音助手的地方值得注意：它能夠在和用戶相處的過程中通過學習修正自己的行為（利用語音和視覺）；它被設計成在設備上進行AI數據處理，而不會上傳到雲端或網路伺服器，這體現出對隱私的重視。

關於此次交易蘋果沒有曝光具體細節，但它對SilkLabs的團隊（和潛在技術）的吸納體現出它的需求和興趣所在——不是簡單地複製市場上已經存在的東西，而是加大投入以建立自己獨特的產品。

SilkLabs第一款產品的最初構思是集成軟體和硬體設計，該公司在Kickstarter上籌集不到165,000美元用於建立和銷售智能音箱Sense，這款產品能連接家用設備並回復用戶的指令，而內置攝像頭可用於監控和學習識別用戶及其習性。

然而僅四個月後Sense硬體就被擱置一旁，Silk Labs轉而集中研發軟體Silk，並吸引了不少OEMs詢問是否能在他們的設備上運行這款軟體。

迄今為止，Silk Labs所建設的內容十分符合蘋果對HomePod的期待，具體而言，Silk Labs能為HomePod提供一個智能引擎來學慣用戶的習性，使HomePod在斷網的情況下也能正常運行，並保護用戶的隱私。

最關鍵的是，HomePod將能連接家用設備讓用戶隨心操作，充當一個家庭控制中心的角色。

考慮到蘋果目前正在涉足的硬體和服務領域，不難看出，Silk團隊及其IP最終也許會對蘋果AI業務的下一步發展產生更深遠的影響。

蘋果的AI業務經營可謂是好壞參半，當年作為一個先行者首次將Siri內置到iPhone 4S，人們在此後的很長一段時間都把蘋果和亞馬遜、谷歌等AI巨頭（更不用說微軟）相提並論。

而現在，亞馬遜的Alexa成功登陸各個品牌的智能設備，谷歌也將AI技術作為核心先發制人，佔據大量用戶設備的主界面，相比之下，Siri卻似乎成為了一個很雞肋式的存在。

然而，蘋果並非在這個領域迷失了方向，而且有跡象表明，這個公司正在思考如何重新奪回AI領域的話語權。

幾個月前，蘋果挖角谷歌AI元老John Giannandrea，接著合併了CoreML和Siri團隊進而成立新的AI/ML團隊，由John帶領並直接向 Tim Cook 彙報工作。

在過去幾年裡，蘋果進行了幾十次規模或大或小的收購，吸納更多的人才和IP來鞏固自己跨越不同領域的AI實力，包括AR、計算機視覺和後端大型數據處理，甚至還收購了英國一家專註於語音介面和交互學習研究的初創公司VocalIQ。

可以肯定的是，蘋果已經嗅到了iPhone銷量逐年下降的危機，這意味著公司必須把戰略重點轉移到對新設備的開發上，同時也要重視這些設備上所運行的服務，因為服務可以增強和擴展，從而產生經常性收入，這也正是蘋果轉移發展目標的兩大原因。

也許在未來，蘋果的AI網不僅涵蓋iPhone，也將覆蓋蘋果的電腦產品、Apple Watch、iPod、HomePod、甚至用戶的整個數字生活。

2. 人工智慧之無監督學習模型可發現入侵黑客

Darktrace新網路安全公司與劍橋大學的數學家合作，開發了一種利用機器學習來捕捉內部漏洞的工具。

它運用無監督學習方法，查看大量未標記的數據，並找到不遵循典型模式的碎片，這些原始數據彙集到60多種不同的無監督學習演算法中，它們相互競爭以發現異常行為。

2013，一群英國情報人員注意到一些奇怪的事情。雖然大多數保護數字基礎設施的努力都集中在阻止壞人進入，但很少有人關注反面：阻止他們泄露信息。基於這個想法，該集團成立了一個新的網路安全公司，稱為Darktrace。

然而，它們不需要在攻擊的歷史實例上訓練演算法，而是需要系統識別異常行為新實例的方法。

他們轉向無監督學習，這是一種基於一種罕見的機器學習演算法的技術，它不需要人類指定尋找什麼。

Darktrace已經把注意力放在一種被感染的裝置上，表現出反常的行為。「這非常像人體自身的免疫系統，」該公司的CO－CEO NicoleEagan說。

儘管它是複雜的，但它具有自我和非自我的內在感覺。當它發現不屬於自己的東西時，它會有極其精確和快速的反應。

絕大多數機器學習應用依賴於監督學習。這包括給機器提供大量仔細標記的數據，以訓練它識別一個狹義的模式。

比如說你想讓你的機器識別黃金獵犬。你喂它幾百或幾千張金毛獵犬的照片，以及那些不是金毛獵犬的東西，同時明確地告訴它哪些是金毛獵犬。

最終，你會發現一個相當不錯的金毛獵犬識別機器。

在網路安全中，有監督的學習效果很好。你訓練一台機器，面對你的系統以前面臨的各種威脅，並且無情地追逐它們。

但有兩個主要問題。一方面，它只適用於已知的威脅；未知的威脅仍然潛藏在雷達下。

另一方面，監督學習演算法最適合於平衡數據集——換言之，那些具有相同數量的示例，說明它在尋找什麼，以及它可以忽略什麼。

網路安全數據高度不平衡：很少有威脅行為的例子埋藏在絕大多數正常行為中，一個特定子網路內所有連接的可視化。

幸運的是，在監督學習失敗的情況下，無人監督的學習更勝一籌。

後者可以查看大量未標記的數據，並找到不遵循典型模式的片段。因此，它可以面對系統從未見過的威脅，並且需要很少的反常數據點來這樣做。

當Darktrace部署其軟體時，它會在客戶端的網路周圍建立物理和數字感測器來繪製其活動。這些原始數據被傳送到60多個不同的無監督學習演算法，這些演算法相互競爭以發現異常行為。

然後，這些演算法將它們的輸出吐出到另一個主演算法中，該主演算法使用各種統計方法來確定60個中的哪些要聽，哪些要忽略。

所有這些複雜性被封裝成一個最終的可視化，允許人類操作員快速地查看和響應可能的違規行為。當人類下一步該做什麼時，系統就可以通過隔離被感染設備的所有外部通信來隔離破裂直到解決。

然而，無人監督的學習並不是一顆銀彈。隨著攻擊者變得越來越複雜，他們在愚弄機器，無論他們使用什麼類型的機器學習方面都變得更好。

有一個貓和老鼠的遊戲，攻擊者可以嘗試改變他們的行為，Dawn Song說：「網路安全和機器學習專家在加州大學伯克利分校。

作為回應，網路安全界已經轉向了積極的方法——「更好的安全架構和原則，以便系統通過構建更加安全，」她說。

但要徹底根除所有違規和欺詐行為還有很長的路要走。畢竟，她補充道，「整個系統的安全性取決於它最薄弱的環節。」

現實生活中常常會有這樣的問題：缺乏足夠的先驗知識，因此難以人工標註類別或進行人工類別標註的成本太高。

很自然地，我們希望計算機能代我們完成這些工作，或至少提供一些幫助。根據類別未知（沒有被標記）的訓練樣本解決模式識別中的各種問題，稱之為無監督學習。

3. 沒有溫度的按摩日本推出AI按摩師

按摩已經成為很多人養生保健、休閑放鬆的不二選擇，然而科技的發展，很多傳統行業已被機器人所取代，推拿按摩行業也不例外。

融合了黑科技的機器人智能按摩的首家無人按摩概念店也將會登陸，走進消費者的生活中。

前不久，本豐橋技術科學大學有一位教授推出了一款人工智慧按摩機器人，他與健康機器廠商Riccoh聯合一起開發一個五指型按摩機器人。

這款機器人擁有和我們人類的手一模一樣的五指，未來它將進軍按摩界。

據本豐橋技術科學大學教授表示，這款五指按摩機器人將學習按壓強度和位置，並且，它還能重現按摩師的技藝。

除了服務於為身體酸痛而煩惱的人群外，為力圖減輕按摩師負擔和緩解人手不足，在按摩店的運用也受到期待。

有意思的是，這款機器人通過五指按摩的方式各不一樣，它是由抓握的四指和負責按壓的拇指組成，可安裝在床邊軌道的滑桿頂端，通過攝像頭確定按摩的位置。

負責人還稱，該機器人會在2021年實用化，希望重現分不出是人手還是機械手的按摩體驗，打造貼心的按摩機。

4. 生成式對抗網路讓AI可以繪製漫畫

一支由斯坦福大學研究生、香港城市大學AI研究員和微軟員工組成的隊伍將於今年12月份參加由美國計算機協會計算機圖形專業組（ACM SIGGRAPH）在東京舉辦的計算機圖形學頂級年度會議SIGGRAPH Asia 2018。

並將在會上展示一項不可思議的AI技術——利用神經網路繪製漫畫。

此AI實際上是一對生成式對抗網路（generative adversarial networks，GAN），該研究小組將它命名為CariGANs：

其中一個神經網路CariGeoGAN確定照片中人臉的幾何形狀，然後把它映射到漫畫模型；另一個神經網路CariStyGAN則進行「風格轉換」，或將藝術表現應用到幾何圖形。

為了賦予CariGANs將普通肖像轉化成討喜漫畫的能力，這個研究小組用數千張手繪圖像對系統進行了訓練。

兩項研究分別確定了該機器的效能。第一項研究主要是為了確保AI繪製的漫畫能保留與原肖像畫主題的一致性。

研究小組認為，一幅好的漫畫雖然有誇張的表達形式，但必須抓住人物的本質特徵。這個小組進行了第二項研究來確定這種「繪圖」方式的整體效能是否比得上人類的手繪。

結果顯示，CariGANs生成的漫畫足以與手繪藝術家的作品相媲美。

CariGANsAI還可以從視頻中分解每一幀畫面並創建漫畫，基本上，從單個幀生成的漫畫會和其他幀保持一致性。

這個功能對動畫師而言非常有用，提供了一種滑稽而準確的視角來審視視頻。並證明了藝術與AI的結合能傳播某些有關人文精神的東西。

此外，該AI甚至還可以逆向還原一幅漫畫來確定漫畫對應的原型，研究人員表示他們相信這可能有助於漫畫中的面部識別技術開發。

留言 點贊 發個朋友圈

我們一起分享AI學習與發展的乾貨

素材來源：搜狐科技、機器之心、人工智慧頭條等

如需轉載，請後台留言，遵守轉載規範

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！