首页 > 科技快讯 > 为什么苹果认为自己是 AI 的领导者？（上）

为什么苹果认为自己是 AI 的领导者？（上）

晰数塔互联网快讯
2020-08-24 14:03

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：说到AI，大家也许会想到Google、Facebook、Amazon这些玩家。毕竟，他们有AI明星，有数据，而且又比较高调。相比之下，苹果似乎站在反面，最早被认为是AI代表的Siri还成为了大家取笑的对象。但实际情况果真如此吗？Samuel Axon对苹果AI的负责人John Giannandrea进行了采访，也许你会发现，苹果的AI之路其实也不简单。原文标题是：Here’s why Apple believes it’s an AI leader—and why it says critics have it all wrong。篇幅关系，我们分两部分刊出，此为第一部分。

划重点

苹果的AI战略——从app到框架乃至于芯片的垂直整合对智能体验至关重要

苹果的机器学习应用——在苹果的产品里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Neural Engine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的曝光度增加了

在使用Pensil的时候，机器学习对于iPad的防止手掌误触技术至关重要，这一点我们早就有所了解了。

机器学习（ML）和人工智能（AI）现在已经渗透到iPhone几乎所有的功能里面，但是跟其他竞争对手不一样的是，苹果并未吹捧这些技术。出于想多了解苹果做法的考虑，我花了一个小时的时间对苹果的两名高管进行访谈，讨论该公司的战略，以及所有基于AI和ML的新功能对隐私的影响。

从历史上看，苹果公司并没有在这一领域领先的公众声誉。部分原因是大家会把AI跟数字助理关联在一起，而点评的人经常说Siri的作用比不上Google Assistant或Amazon Alexa。至于ML，很多技术爱好者认为，数据更多意味着模型更好，但是苹果并不像Google那样，有着爱收集数据的“名声”。

尽管如此，苹果仍给自己的大多数设备配备了用于处理机器学习任务的专用硬件。机器智能驱动的功能越来越多地成为苹果高管为iPhone，iPad或Apple Watch推出的新功能站台的主旨演讲的焦点。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相同的机器智能技术。

在苹果发布芯片之后，我跟苹果负责机器学习及AI战略的高级副总裁John Giannandrea以及产品营销副总裁Bob Borchers进行了深入交流。他们阐述了苹果公司的AI哲学，解释了机器学习是如何驱动其特定功能的，并热情洋溢地介绍了苹果的设备内置AI / ML战略。

苹果的AI战略是什么？

Giannandrea和Borchers都是在最近几年加盟苹果的。这两人以前都在Google呆过。不过Borchers其实是二进宫。在2009年之前，他一直担任着iPhone的市场营销高级总监。2018年Giannandrea从Google叛逃到苹果这件事曾被媒体广泛报道，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因为参与，并且在某些情况下领导了AI研究社区而享有声誉，而苹果在过去大部分的工作都是秘密进行的。近年来，这种情况已经有所变化，因为机器学习为Apple设备的众多功能提供了强大动力，并且Apple增加了与AI社区的互动。

Giannandrea（同事喜欢叫他“J.G.”）告诉我说：“我加入苹果的时候已经是iPad的用户了，而且我也很喜欢Pencil。所以，我找到软件团队，问他们‘负责手写的机器学习团队在哪儿呢？’结果却找不到。” 实际上，他想找的团队并不存在——鉴于机器学习是当今适用该功能的最佳工具之一，这一点令他感到惊讶。

他说：“我知道到，其实有很多的机器学习是苹果应该做的，但令人惊讶的是，苹果并没有把那些都做了。不过，在过去的两到三年时间里，情况已经发生了巨大变化。说实话，我真的认为在未来几年之内，iOS或苹果体验的各个方面都会被机器学习所变革。”

我问Giannandrea为什么他认为苹果对他来说是个合适的地方。他的回答同时也是该公司AI战略的简要概括：

我认为苹果一直都代表着创造力与技术的交汇。而且我觉得，在考虑开发智能体验的时候，进行从app到框架乃至于芯片的垂直整合至关重要……我认为这需要一个过程，但这就是我们的计算设备的未来，就是设备变得更智能了，但是是那种潜移默化的智能。

Borchers对此也表示赞同，并补充说：“这显然就是我们的做法，我们所做的一切都是‘让我们把焦点放在好处是什么方面，而不是怎么实现的。’ 在最好的情况下，一切都变成了自动的。你看不见它……只关注发生了什么，而不是它是怎么发生的。”

再以手写为例，Giannandrea认为苹果在开发机器智能驱动的功能和产品方面处于“行业领导”的位置：

Pencil是我们做的，iPad是我们做的，我们还给这两个做了软件。这是把工作做得非常非常好的一个独特机会。我们在什么地方做得特别好呢？让大家做笔记，在数字化的纸上发挥他们的创造力上面。我感兴趣的是，看到这些体验在世界范围内得到大规模的使用。

他把这个跟Google进行了对比。他说：“Google是一家了不起的公司，并且有很多非常出色的技术专家。但是从根本上说，他们的商业模式是不同的，而且他们出名的不是提供数亿人使用的消费者体验。”

今天的苹果是如何运用机器学习的？

苹果在最近的营销演示里面已经习惯于把iPhone、Apple Watch或iPad的某些功能的改善归功到机器学习身上，但他们的介绍很少会涉及到太多的细节，而且大多数购买iPhone的人基本都没看过这些演示。这与把人工智能作为面向消费者宣传的中心的Google形成了鲜明对比。

快速入门：究竟什么是机器学习？

尽管计算机处理某些数据可以比人类更快或更准确，但那终究不是智能。计算机编程的传统模型随时都要提前告诉计算机该做什么；如果正好发生了这种情况，那就完完全全照这么做。但是，如果情况稍微有所变化该怎么办？那程序员就得发挥创意，详尽地定义好所有的复杂行为，但是机器是没法自行判断的。

但机器学习不一样，除了要告诉计算机该做什么之外，程序员只需要给机器一个跟任务相关的数据集，以及一种用于分析这一数据集的方法论。然后，机器就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，然后慢慢地变得越来越精确。如果新数据跟经过训练的数据类似的话，机器就可以通过算法对之前未遇到过的数据做出靠谱的猜测。

今天的大型科技公司在谈论人工智能的时候，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。

苹果的软件和设备大量使用机器学习，其中大多数都是在过去几年的时间里才出现的。

机器学习用来帮助iPad的软件区分用户在用Apple Pencil画图的时候，究竟是有意按压提供输入，还是不小心将手掌压到了屏幕上。机器学习还被用来观察用户的使用习惯，从而优化设备的电池续航时间以及充电，既可以用来改善用户在两次充电之间的使用时间，又可以用来保护电池的长期使用寿命。它还用于提供app推荐。

然后就是Siri，也许任何一位iPhone用户都会马上把它看成是人工智能。从语音识别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机主可能已经注意到，苹果的“照片”应用能够自动把图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，就能够准确地把她的照片呈现到你眼前。

在其他一些情况下，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时候，其实iPhone可能会快速连续拍摄多张照片。然后，经过ML训练的算法会分析每一张图像，并把它认为是每张图像里面最好的部分提取出来然后合成为一张照片。

Apple Watch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）改善照片质量的图像信号处理器（ISP），但2018年苹果让iPhone里面的ISP跟Neural Engine（该公司最近新增的聚焦机器学习的处理器）进行结合来加快这一进程。

我请Giannandrea列举一些苹果在自家的最新软件和产品里面利用机器学习的不同方式。他举了这么一些例子：

机器学习提供了很多的新体验。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等等。我认为iOS里面不用到机器学习的地方会越来越少。

现在已经很难找在不做出一些预测性工作的情况下提供的体验。比方说，app预测、键盘输入预测或现代的智能手机的摄像头背后（编者注：参见照相馆之死与“计算摄影”的崛起）都会进行大量的机器学习，以找出所谓的“显著性”，也就是图像当中最重要的部分是什么？或者，如果你想对背景进行模糊处理，则说明你正在使用人像模式。

所有这些都受益于苹果核心平台内置的核心机器学习功能。所以，这几乎就相当于让你“找出我们不使用机器学习的地方”一样，很难。

Borchers还把便利性功能当作了一个重要例子。他说：“从根本上来说，便利性之所以成为可能就是因为这个。像声音检测这种对于特定社区来说属于改变游戏规则的能力之所以成为是可能，因为我们慢慢积累的投资以及内置的能力使然。”

此外，你可能已经注意到，过去几年里苹果的软件和硬件更新都强调了增强现实功能。这些功能大多数也是因为机器学习才有可能实现。Giannandrea说：

增强现实里面大量使用了机器学习。所谓的SLAM，也就是即时定位与地图构建，是个棘手的问题。不妨试着了解一下，如果你的iPad上装了激光雷达扫描仪，然后你带着它四处走动的话，它会看到什么？然后再要去构建一个它实际看到的3D模型。

现在使用深度学习的时候你得能够在设备侧进行深度学习，因为你希望这可以实时进行。如果你带着iPad到处逛，然后可能又不得不跑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，我觉得深度学习尤其赋予了我们将裸数据变成语义化的能力。

苹果正在不断将机器学习放到设备本地侧进行，在类似Apple Neural Engine（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，这种做法使得苹果的战略在竞争对手中脱颖而出。

译者：boxi。