Efter att ha släpat efter i artificiell intelligens i flera år, är Apple angelägna om att bevisa att det kommer ikapp.
I ett nytt papper, publicerat i Apples egen Machine Learning Journal, beskriver det ett tillvägagångssätt för "utan tillsyn domänanpassning. ” Det hävdar att detta kan hjälpa till att förbättra prestanda för "deep learning" -modeller i vissa scenarier.
I pappers abstrakt, Apple noterar hur:
”Djupa neurala nätverk är en milstolpe teknik i utvecklingen av moderna maskinuppfattningssystem. Trots den exceptionella inlärningskapaciteten och förbättrade generaliserbarheten lider dessa neurala modeller dock fortfarande av dålig överförbarhet. Detta är utmaningen med domänskift - ett skift i förhållandet mellan data som samlas in över olika domäner (t.ex. datorgenererad vs. tagna med riktiga kameror). Modeller som utbildats i data som samlats in på en domän har i allmänhet dålig noggrannhet på andra domäner.
I den här artikeln diskuterar vi en ny domänanpassningsprocess som drar nytta av uppgiftsspecifika beslutsgränser och Wasserstein -mätvärdet för att överbrygga domangapet, vilket möjliggör effektiv överföring av kunskap från en domän till annan. Som en ytterligare fördel är denna process helt utan tillsyn, det vill säga att det inte behövs några nya domändata för att ha etiketter eller kommentarer. ”
Du kan läsa tidningen här. Det är inte klart exakt hur denna forskning kommer att användas av Apple. Den kan dock användas till Apples kartläggning i Street View-stil initiativ eller självkörande bilprojekt. Som Apple konstaterar: "Vår metod ger renare förutsägelser och mindre förvirring mellan utmanande klasser, som väg, bil, trottoar och vegetation."
Ökar sitt AI -spel
Under en lång tid skilde sig Apple från resten av A.I. gemenskap. Det vägrade att delta i konferenser och lät inte forskarna publicera sitt arbete i akademiska tidskrifter. Att lansera sin kvasi-akademiska blogg, Apple Machine Learning Journal, var något av en kompromiss.
När det lanserades redan 2017, Beskrev Apple det som ett sätt att tala om hur "användning av maskininlärningsteknik [kan] hjälpa till att bygga innovativa produkter för miljontals människor runt om i världen."
Apples AI -insatser ökade tidigare i år när den anställde Ian Goodfellow som sin nya chef för maskininlärning. Den tidigare Google AI skapade generella motsatta nätverk (GAN), en viktig utveckling inom modern AI.