本週的WWDC大會上，蘋果在主題演講中向我們展示了其最新的AI研究成果。Siri語音助手變得更加聰明瞭，可以準確理解你的意圖；Photos應用無需聯網即可實現Google Photos的全部功能；當然，還有專爲機器學習而設計的metal 2。自2010年Siri驚豔問世之後，蘋果在AI領域便鮮有作爲，直至漸漸落後於其競爭對手。這一次，蘋果在AI領域再一次走到了前列，而這僅僅只用了一年時間，蘋果究竟是如何做到的呢？
從技術的角度而言，蘋果的AI經歷了三年研發，但前兩年蘋果始終沒能走出窠臼。回溯到2011年，蘋果發佈了第一版Siri，整個科技圈爲之失色。哈佛商業評論驚呼，「Siri是和Mac一樣偉大的創新」。與此同時，很多人擔憂蘋果無意間發明出了天網。短暫的光芒之後，隨着大衆逐漸接觸到這款語音助手，Siri迅速黯然失色，並逐漸暴露出許多缺點。
時間流轉，到2014年時Siri已經基本彌補了在識別和理解語音方面的所有問題。但蘋果同時也意識到，對Siri的小修小補無法解決它的根本問題，是時候來一場徹底的顛覆了。原始版本的Siri建立在隱馬爾科夫模型之上。隱馬爾科夫模型是用於對時間序列數據建模的統計工具，可以通過分析手寫和語音輸入中的時間間隔實現斷句。
過去三年裏，蘋果採用了許多新的機器學習技術來替代和補充隱馬爾科夫模型，其中包括深度神經網絡和LSTM網絡。這些神經網絡模型比馬爾科夫模型更加有效，且普適性更強。不同於馬爾科夫模型的簡單學習模式，深度神經和LSTM網絡擁有記憶能力，且可以分析上下文，更好地理解語法和標點符號間的細微差別，使分析結果更接近用戶的真實意圖。
很快，新系統的功能就不再侷限於Siri之中了。正如史蒂文·利維（Steven Levy）指出的那樣：當你的手機識別出某個近期給你發過郵件但不在你通訊錄中的人時，或者當你在「最近使用」列表中快速找到你接下來想打開的軟件時，又或者當你的手機向你提醒一個沒有記錄在日程表中的約會時，其實都用到了新系統中的功能。
到蘋果發表WWDC2016大會主題演講時，其AI研究已經取得了穩步進展。蘋果高級副總裁Craig Federighi向與會人羣說道：「我們已經能夠自動辨別打進季後賽的金鶯隊，以及在公園玩耍的孩子之間的區別了。」
在WWDC2016大會上，蘋果還發布了運行Basic Neural Network Subroutines(基本神經網絡子程序)的神經網絡API。這個API提供了一系列功能，供開發者們構建用於蘋果生態系統中的所有硬件的神經網絡。
即便如此，蘋果仍然落後於Google和亞馬遜。彼時，Google和亞馬遜要麼已經發布，要麼即將發佈AI智能家庭語音助手（Google Home直到2016年11月才發佈）。蘋果落後的主要原因是，它難以招聘和留住頂尖的AI技術人才。人才之所以不願意留在蘋果，則是因爲蘋果不允許其內部研究人員對外發布他們的研究成果。
多倫多大學計算機科學系教授理查德·澤梅爾（Richard Zemel）在2015年接受彭博社採訪時說道：「蘋果的保密工作已經到了離譜的程度，外界對它一無所知。」據說蘋果甚至不允許他們新招募的AI團隊成員在社交媒體上公佈自己的職位。
蒙特利爾大學計算機科學教授約瑟夫·本吉奧（Yoshua Bengio）則認爲，蘋果不可能在置身於AI學界之外冷眼旁觀，同時又利用到AI領域的最新研究成果。他說道：「如果蘋果不轉變態度的話，它將永遠落後。」
蘋果AI負責人 Russ Salakhutdinov
好在蘋果迅速扭轉了態度。我們曾報道，2016年8月，蘋果以2億美元的代價收購了創立於西雅圖的機器學習創業公司Turi。緊接着，10月份蘋果又從卡內基梅隆大學聘請了AI專家Russ Salakhutdinov。正是憑藉Salakhutdinov的巨大影響力，蘋果的AI業務才得以走出陰影，重新被同行們所談論。
2016年12月，Salakhutdinov在巴塞羅那參加神經信息處理系統大會時對外宣佈，蘋果將開始發表他的研究成果。這意味着蘋果將重新與學術界建立聯繫。
不久後，蘋果兌現承諾發表了《通過對抗訓練從模擬和無監督的圖像中學習》一文。這篇論文重點研究了使用模擬圖像訓練機器視覺系統的缺陷。論文指出，雖然模擬圖像比照片更容易用於教學，但學習得來的結果在真實世界中將失去效力。爲了解決這個問題，蘋果採用了一種被稱作生成對抗網絡（GAN）的深度學習系統，讓兩個網絡相互競爭。其中一個叫做生成器網絡（ Generator Network），它不斷捕捉訓練庫裏真實圖片的概率分佈，將輸入的隨機噪聲（Random Noise）轉變成新的樣本（也就是假數據）。另一個叫做判別器網絡（Discriminator Network），它可以同時觀察真實和假造的數據，判斷這個數據到底是不是真的。通過這種方式，研究人員既可以充分享受用模擬圖像訓練網絡的便利性，又避免了訓練出來的網絡在真實世界中失效的問題。
2017年1月，蘋果再進一步，加入了Facebook、Google、IBM和微軟組成的AI戰略合作組織。該組織致力於構建AI研究領域的道德倫理、透明度以及隱私準則，同時推動組織成員間的研究與合作。接下來一個月，蘋果又大幅擴充了它在西雅圖的AI辦公室，在兩聯廣場租了兩層樓，並僱用了更多員工。
蘋果公司的機器學習總監Carlos Guestrin在接受GeekWire採訪時說道：「我們正在努力尋找對AI和機器學習感興趣的人才，尋找熱衷於研究和思考，並能把想法運用到實際產品中的技術人員。」
到2017年3月，蘋果已經取得了重大進展。在舊金山舉行的EmTech峯會上，Salakhutdinov展示了蘋果的AI研究進展，探討了從如何使用「注意力機制」更好地描述照片內容，到如何用深度學習算法結合Freebase和WordNet等知識來源中的內容，從而使AI更加智能和高效等話題。Salakhutdinov說道：「如何將先前的所有知識納入深度學習，對我們來說一項巨大的挑戰」。
上個月，蘋果對外宣佈將研發一種用於處理AI任務的定製化芯片，蘋果內部稱這款芯片爲Neural Engine。一旦Neural Engine芯片研發成功，那麼Salakhutdinov所說的挑戰將簡單得多。不同於Google將處理AI任務的繁重計算轉移到雲端，用TPU統一處理的方式；蘋果習慣於將運算負載分散到CPU和GPU上。
Neural Engine未來將作爲處理AI任務的獨立組件，釋放出CPU和GPU寶貴的計算能力，從而延長電池續航，提升設備上搭載的AR功能，同時讓Siri變得更加智慧，甚至有可能超越Alexa和Google Assitant。
即使沒有Neural Engine芯片，蘋果最近在AI領域取得的進步也令人印象深刻。自去年的WWDC大會以來，蘋果先是發佈了一款API，大幅加強了研發力度；隨後又從全美頂尖的大學挖來了頂尖的AI專家，同時拋棄了以往的保守策略，加入行業合作組織，並最終發佈了一版更加智能的Siri。蘋果這一系列舉措讓我們有理由相信，明年的WWDC大會必將更加瘋狂。
via engadget