Apple pakub esimest pilku oma salajasele AI -tööle
Foto: Ste Smith/Cult of Mac
Apple'i tehisintellekti meeskonna teadlased avaldasid iPhone'i tootja kõigi aegade esimese uurimistöö, lõpetades Apple'i pikaajalise keelu, mis kaitses ettevõtte saladusi.
Artiklis kirjeldatakse meetodeid, kuidas koolitada AI algoritme piltide äratundmiseks. Apple'i teadlased näitavad, et nad on proovinud algoritmi treenimiseks kasutada nii arvutiga loodud pilte kui ka reaalseid pilte, kuid neil kõigil on tõsiseid puudusi.
Mõned maailma andekamad teadlased töötavad Apple'is, kuid kuni selle kuuni polnud ettevõte kunagi lubanud oma uuringuid avaldada. Uurimistöö tulemused ei ole murrangulised, kuid tõsiasi, et Apple lubab oma meeskonnal oma järeldused avaldada, on tohutu ja see võib aidata ettevõttel meelitada rohkem tipptasemel talente.
AI vs inimesed
Apple'i esimene paber kannab pealkirja „Õppimine simuleeritud ja järelevalveta piltidelt võistlejate koolituse kaudu”. The meeskond kirjeldab, kuidas algoritmi treenimiseks on täielikult simuleeritud piltide kasutamine palju kiirem kui inimeste loodud pilte. Selle põhjuseks on asjaolu, et suur tööjõud peab inimeste loodud piltide teabe käsitsi sisestama.
Probleem ainult arvutipõhiste piltide kasutamisel on see, et see, mida algoritm õpib, ei tõlgita alati päris elus stseenide jaoks korralikult. Täiusliku tasakaalu saavutamiseks soovitab Apple'i meeskond kasutada nii päris- kui ka arvutipõhiseid pilte.
„Selles artiklis pakume välja simuleeritud+järelevalveta (S+U) õppimise, mille eesmärk on täiustada sünteetiliste piltide realismi simulaatorist, kasutades märgistamata tegelikke andmeid. Täiustatud realism võimaldab koolitada paremaid masinõppemudeleid suurtel andmekogumitel ilma andmete kogumise või inimeste märkuste tegemiseta.
Näitame, et see võimaldab luua väga realistlikke pilte, mida demonstreerime nii kvalitatiivselt kui ka kasutajauuringuga. ”
Paber avaldati 22. detsembril ja see kirjeldab ka Apple'i algoritmis kasutatud matemaatikat. Uurijad, kellele on antud artikkel, on Ashish Shrivastava, Tomas Pfister, Oncel Tuzel, Josh Susskind, Wenda Wang ja Russ Webb.