苹果拆除“保密墙” 公布首份人工智能研究论文.doc

苹果拆除“保密墙” 公布首份人工智能研究论文.doc

ID:28137752

大小:43.50 KB

页数:4页

时间:2018-12-08

苹果拆除“保密墙” 公布首份人工智能研究论文.doc_第1页
苹果拆除“保密墙” 公布首份人工智能研究论文.doc_第2页
苹果拆除“保密墙” 公布首份人工智能研究论文.doc_第3页
苹果拆除“保密墙” 公布首份人工智能研究论文.doc_第4页
资源描述:

《苹果拆除“保密墙” 公布首份人工智能研究论文.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、苹果拆除“保密墙”公布首份人工智能研究论文  据外媒报道,苹果日前终于发布了首份关于人工智能(AI)的学术论文,主要公布了自己在智能图像识别领域的研究成果。  “保密”的传统让苹果被学术圈嫌弃  苹果此前说的,要拆掉自己的“保密城墙”的工作终于有了实质性进展。  一直以来,苹果都不对外公布自己的人工智能发展情况,“保密”的文化传统让苹果的人工智能研究进展变得神秘,但同时也给自己带来了麻烦。  想要在学术圈获得知名度和同行的认可,同时通过交流推动研究进步,公开自己研究成果与保持分享是关键。但苹果一

2、直以来的”保密”做法让它难以从学术圈招到人才,这也造成了苹果在人工智能等方面的专利申请数量已被其主要竞争对手超越。  人工智能浪潮下,除了苹果,不少公司如Google、Facebook等都有自己机器学习研究小组,但不同的是,它们经常对外发布自己的学术研究成果。  本月初,西班牙NIPS大会上,苹果人工智能研发部门负责人RussSalakhutdinov承诺,将允许其人工智能和机器学习研究员公开发布和分享他们的最新研究成果,同时也将积极加入到AI学术圈的讨论当中。  今日,才过近一个月时间,据外媒

3、报道,苹果已经履行承诺,终于发布了首份关于人工智能(AI)的学术论文。    保密墙拆除,苹果智能图像识别有哪些研究成果?    苹果这份研究论文于11月中旬提交复审,并于12月22日通过康内尔大学图书馆出版。  该报告阐释了一种利用计算机合成图像来训练算法的图像识别技术。报告指出,在机器学习研究中,使用合成图像进行神经网络训练要比真实图像更有效,原因在于合成图像已经被标记和注释,更加省时省力。  不过虽然使用合成图像和视频训练机器学习能降低时间和人力成本,合成图像更容易容易获取和定制化,但报告

4、也点出了使用合成图像的弊端:可能会导致神经网络的算法与真实世界中的场景产生偏差,造成程序质量下降的后果。  为此,苹果研究人员提出了解决方案,即通过一种“模拟+无监督”的学习方式来提高合成图像的真实感。苹果还研发出一种名为“生成对抗网络(GAN)”的新型机器学习技术,通过让两个神经网络彼此对抗来生成更加逼真的图像。论文也提到,苹果期望未来能通过视频输入代替静态图像训练算法。  不过,苹果只是发布了人工智能研究论文,不代表这类研究会很快变成消费性技术,但也可以看出苹果也已经在人工智能图像识别上发力

5、。    苹果在AI研究上快要被对手甩开几条街了  第三方研究公司CBInsights的统计数据显示,2011年起有拿到融资的人工智能创业公司,几乎一半、近140家的AI初创企业都被收购了,而2016年就有40家。在收购AI创业公司的大潮里,苹果也是是主力军“买主”之一,但收购动作最频繁的依然是Google。  自2015年,苹果陆续收购了人工智能公司VocalIQ(主攻自然语言处理和机器自主学习)、PercepTIo(主攻智能手机的图像识别)、EmoTIent(分析图像中人物的面部表情并辨别其

6、情绪)、Turi(为开发者提供人工智能研发工具和框架),收购的技术也有部分已经运用到苹果的产品里,例如iOS10系统自带的相册已经能够识别照片中的人和事物,并按照片的不同主题自动分类。  但即使如此,苹果的人工智能技术与其竞争对手相比,仍有些落后。  CBInsights日前曾公布五家大型科技公司的专利申请统计,分别包括苹果、谷歌、微软、亚马逊、Facebook,在热门的人工智能领域,苹果申请的专利数量落后于主要对手,排名最后。  而在汽车领域,苹果专利数量排名第二,亚马逊排名第三。但到了自动驾

7、驶汽车领域,苹果还是处于落后地位,对手已经遥遥领先。  苹果在人工智能方面的发展已经被其主要竞争对手甩开。竞争对手的收购动作、专利数都更多,而苹果的保密做法还让自己与人工智能学术圈隔离开,如今苹果终于选择了开放的态度,将研究论文公布,也算是在人工智能研究上,踏出了新的一步。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。