苹果ai软件苹果认为自己是AI的领导者？（下）划重点苹果的AI战略

神译局是36氪旗下编译团队，关注技术、商业、职场、生活等领域，重点介绍美国的新科技、新观点、新风向。

编者按：说到AI，大家似乎会想起Google、Facebook、Amazon这些玩家。毕竟，他们有AI明星，有数据，而且又非常低调。相比之下，苹果仍然站在反面，最早被觉得是AI代表的Siri还作为了你们取笑的对象。但实际状况果真如此吗？SamuelAxon对苹果AI的负责人JohnGiannandrea进行了采访，也许你会看到，苹果的AI之路虽然也不简单。原文标题是：Here’swhyApplebelievesit’sanAIleader—andwhyitsayscriticshaveitallwrong。篇幅关系，我们分两个别刊出，此为第一部分。

为什么苹果认为自己是AI的领导者？（下）

划重点

苹果的AI战略——从app到框架甚至于芯片的平行整合对智能体验至关重要

苹果的机器学习应用——在小米的产品上面几乎很难找到没使用机器学习的地方

为什么要做设备侧做AI——性能和隐私，鱼与熊掌可以兼得

苹果芯的Mac——也许Mac也能具备NeuralEngine了

隐私保护——数据在本地处理就是最大的保护

黑箱内部——苹果对AI的公布度降低了

在使用Pensil的之后，机器学习对于iPad的避免手掌误触技术至关重要，这一点我们早就有所认识了。

机器学习（ML）和人工智能（AI）以后将要渗透到iPhone几乎所有的功能上面，但是跟其它竞争对手不一样的是，苹果并未指责这种技术。出于想多认识苹果做法的考虑，我花了一个小时的时间对苹果的两名高管进行采访，讨论该公司的战略，以及所有基于AI和ML的新功能对隐私的妨碍。

从历史上看，苹果公司并没有在这一领域领先的公众口碑。部分因素是你们会把AI跟数字助理关联在一起，而点评的人一直说Siri的作用比不上GoogleAssistant或AmazonAlexa。至于ML，很多科技爱好者觉得，数据更多意味着模型更好，但是苹果并不像Google这样，有着爱收集数据的“名声”。

虽然这么，苹果仍给自己的大多数设施采用了用于处理机器学习任务的专用软件。机器智能驱动的功能越来越多地作为苹果高管为iPhone，iPad或AppleWatch推出的新功能站台的主旨发言的焦点。今年下半年，引入苹果芯片的Macs也将为该公司的笔记本电脑和台式机带来许多同样的机器智能科技。

在小米发布芯片然后，我跟苹果负责机器学习及AI战略的高级经理裁JohnGiannandrea以及产品营销总监裁BobBorchers进行了深入交流。他们探讨了苹果公司的AI哲学，解释了机器学习是怎样驱动其特定功能的，并热情洋溢地介绍了苹果的设施内置AI/ML战略。

苹果的AI战略是哪个？

Giannandrea和Borchers都是在今天几年加盟苹果的。这三人曾经都在Google呆过。不过Borchers其实是二进宫。在2009年之前，他仍然担任着iPhone的行业营销高级讲师。2018年Giannandrea从Google叛逃到苹果这件事曾被外媒广泛报导，因为他的位置——曾是Google的AI和搜索主管。

Googe和苹果是截然不同的两家家公司。Google因为参加，并且在这些状况下领导了AI研究社区而享有声誉，而苹果在过去大个别的工作都是秘密进行的。近年来，这种状况尚未有所差异，因为机器学习为Apple设备的诸多用途提供了超强动力，并且Apple增加了与AI社区的互动。

Giannandrea（朋友喜欢叫他“J.G.”）告诉我说：“我加入苹果的之后终于是iPad的用户了苹果ai软件，而且我也很喜欢Pencil。所以，我找到软件团队，问她们‘负责手写的机器学习团队在那里呢？’结果却找不到。”实际上，他想找的团队并不存在——鉴于机器学习是现今适用该用途的绝佳工具之一，这一点令他觉得惊讶。

他说：“我明白到，其实有众多的机器学习是苹果应当做的，但令人惊讶的是，苹果并没有把这些都做了。不过，在过去的两到两年时间里，情况尚未出现了很大差异。说实话，我真的觉得在将来几年之内，iOS或苹果体验的各个方面就会被机器学习所创新。”

我问Giannandrea为什么他觉得苹果对他来说是个适合的地方。他的回答同时也有该公司AI战略的详细概括：

我觉得苹果仍然都代表着缔造力与科技的交汇。而且我认为，在考量开发智能体验的之后，进行从app到框架甚至于芯片的平行整合至关重要……我觉得这应该一个过程，但这就是我们的计算设备的今后，就是设备更加更智能了，但是是这种潜移默化的智能。

Borchers对此也表示赞成，并补充说：“这似乎就是我们的做法，我们所做的一切都是‘让我们把焦点放到好处是哪个方面，而不是如何推动的。’在最好的状况下，一切都成为了自动的。你看不见它……只关注发生了哪些，而不是它是如何出现的。”

再以手写为例，Giannandrea认为苹果在研发机器智能驱动的用途和产品方面进入“行业领导”的位置：

Pencil是我们做的，iPad是我们做的，我们留给这两个做了工具。这是把工作做得十分非常好的一个另类机会。我们在哪个地方做得非常好呢？让你们做笔记，在数字化的纸上发挥它们的造就力上面。我感兴趣的是，看到这种感受在全球范围内受到大体量的使用。

他把这个跟Google进行了对比。他说：“Google是一家了不起的公司，并且有众多特别出众的技术人士。但是从根本上说，他们的商业方式是不同的，而且它们出名的不是提供数亿人使用的消费者感受。”

现在的苹果是怎样利用机器学习的？

苹果在今天的营销演示里面终于习惯于把iPhone、AppleWatch或iPad的这些用途的提高归功到机器学习身上，但它们的介绍很少会涉及到太多的细节，而且大多数购买iPhone的人基本都没看过很多演示。这与把人工智能作为面向消费者宣传的中心的Google构建了鲜明对比。

快速入门：究竟哪些是机器学习？

虽然计算机处理这些数据可以比人类更快或更具体，但那仍然不是智能。计算机编程的传统建模随时都要提早告诉计算机该做哪些；即使刚好出现了这些状况，那就完完全全照这么做。但是，如果状况稍微有所差异该如何办？那程序员就得发挥创意，详尽地定义好所有的复杂行为，但是机器是无法自行判定的。

但机器学习不一样，除了要告诉计算机该做哪些之外，程序员只应该给机器一个跟任务相关的数据集，以及一种用于预测这一数据集的方式论。然后，机器都会基于收到的正反馈或负反馈，不断地给数据打标签和进行解释，然后逐渐地更加越来越准确。如果新数据跟经过训练的数据类似的话，机器就可以借助算法对之前未见到过的数据作出合适的推测。

现在的大型技术公司在谈到人工智能的之后，一般都是指机器学习。机器学习是AI的子集。许多值得称道的电子产品功能（比方说图像识别），背后是由机器学习的一个子集，也就是所谓的“深度”学习来驱动的。

苹果的硬件和设施长期使用机器学习，其中大多数都是在过去几年的时间里才发生的。

机器学习用来帮助iPad的工具区别用户在用ApplePencil画图的之后，究竟是有意按压提供输入，还是不小心将手臂压到了屏幕上。机器学习还被拿来观察用户的使用习惯，从而改进设施的电源功耗时间或者充电，既可以拿来改善用户在两次充电之间的使用时间，又可以拿来保护电池的大量使用寿命。它还用于提供app推荐。

后来就是Siri，也许任何一位iPhone客户都会立刻把它看成是人工智能。从语音辨识到提供有用答案的尝试，Siri的各个方面均由机器学习驱动。

娴熟的iPhone机主可能早已注意到，苹果的“照片”应用无法手动把照片分类到预设的图库里面，或者当你在搜索框输入朋友Jane的名字时，就无法具体地把她的图片展现到你眼前。

在其它一些状况下，很少会有用户会意识到背后有机器学习正在发挥作用。比方说，每次你按下快门键的之后，其实iPhone可能会迅速连续拍摄多张图片。然后，经过ML训练的算法会预测每一张图像，并把它觉得是每张图像里面最好的个别提取下来之后合成为一张图片。

AppleWatch里面的洗手辅助功能背后有AI的支持。

手机很早就内置了用于（数字化地、实时地）提升图片品质的图像信号处理器（ISP），但2018年苹果让iPhone里面的ISP跟NeuralEngine（该公司近期新增的聚焦机器学习的处理器）进行结合来推动这一进程。

我请Giannandrea列举一些苹果在自家的最新硬件和产品上面利用机器学习的不同形式。他举了这样一些事例：

机器学习提供了这些的新感受。比方说像语言翻译、设备侧的语音指令，或者我们围绕着健康方面提供的新功能，比方说睡眠和洗手等，以及我们过去发布的有关心脏健康的内容之类。我觉得iOS里面不用到机器学习的地方会愈发越少。

目前尚未很难找在不作出一些分析性工作的状况下提供的感受。比方说，app预测、键盘输入预测或现代的智能电脑的摄像头背后（编者注：参见照相馆之死与“计算摄影”的崛起）就会进行长期的机器学习，以找出所谓的“显著性”，也就是图像当中最重要的个别是哪个？以及，如果你想对背景进行模糊处理，则表明你正在使用人像模式。

所有那些都获益于苹果核心系统内置的核心机器学习功能。所以，这几乎就非常于让你“找出我们不使用机器学习的地方”一样，很难。

Borchers还把便利性用途只是了一个重要例证。他说：“从根本上来说，便利性之所以变成可能就是由于这个。像声音检测此类针对特定社区来说属于改变游戏规则的能力之所以变成是或许，因为我们渐渐累积的投资或者内置的能力使然。”

另外，你或许早已注意到，过去几年里苹果的工具和软件升级都指出了加强现实功能。这些功能大多数只是由于机器学习才有也许实现。Giannandrea说：

加强现实里面大量使用了机器学习。所谓的SLAM，也就是实时定位与地图探索，是个棘手的难题。不妨试着知道一下苹果ai软件，如果你的iPad上装了光子雷达扫描仪，然后你带着它到处走动的话，它会发现哪些？于是再要去形成一个它实际发现的3D模型。

目前使用深度学习的之后你得无法在设备侧进行深度学习，因为你期望这可以即时进行。如果你带着iPad到处逛，然后也许又不得不回到数据中心进行深度学习的话，那就没什么意义了。因此，总的来说，我想说的是，我认为深度学习特别彰显了我们将裸数据成为语义化的能力。

苹果正在不断将机器学习放到设备本地侧进行，在类似AppleNeuralEngine（ANE）的硬件上，或者在该公司定制的GPU（图形处理单元）上执行机器学习任务。Giannandrea和Borchers认为，这种做法并且苹果的战略在竞争对手中脱颖而出。

译者：boxi。