Apple nudi prvi uvid u tajnoviti rad AI -a

Istraživači Appleovog tima za umjetnu inteligenciju objavili su prvi istraživački rad ikada proizveden od proizvođača iPhonea, čime je okončana Appleova dugogodišnja zabrana koja čuva tajne tvrtke.

U radu su navedene metode o tome kako vježbati AI algoritme za prepoznavanje slika. Appleovi istraživači otkrivaju da su pokušali upotrijebiti i računalno generirane slike, ali i slike iz stvarnog svijeta kako bi se uvježbali u algoritam, ali svaki od njih ima ozbiljne nedostatke.

Neki od najtalentovanijih znanstvenika na svijetu rade u Appleu, ali do ovog mjeseca tvrtka nikada nije dopustila objavljivanje njihovih istraživanja. Nalazi istraživačkog rada nisu revolucionarni, ali činjenica da Apple dopušta svom timu da objavi svoja otkrića ogromna je i mogla bi pomoći tvrtki da privuče više vrhunskih talenata.

AI protiv ljudi

Appleov prvi rad naslovljen je "Učenje iz simuliranih i nenadziranih slika kroz kontradiktornu obuku". The tim opisuje kako je korištenje potpuno simuliranih slika za vježbanje algoritma mnogo brže od korištenja generiranog od strane ljudi slike. To je zato što informacije o slikama koje je stvorio čovjek mora unijeti ručno od strane velike radne snage.

Problem s korištenjem samo računalno generiranih slika je taj što algoritam uči ne prevodi uvijek uredno scene iz stvarnog života. Kako bi se postigla savršena ravnoteža, Appleov tim preporučuje korištenje i stvarnih i računalno generiranih slika.

„U ovom radu predlažemo učenje Simulirano+bez nadzora (S+U), gdje je cilj poboljšati realizam sintetičkih slika iz simulatora pomoću neoznačenih stvarnih podataka. Poboljšani realizam omogućuje osposobljavanje boljih modela strojnog učenja na velikim skupovima podataka bez prikupljanja podataka ili ulaganja napomena.

Pokazujemo da to omogućuje generiranje visoko realističnih slika, koje dokazujemo i kvalitativno i korisničkom studijom. ”

Rad je objavljen 22. prosinca i također opisuje matematiku koja se koristi u Appleovom algoritmu. Zaslužni istraživači u ovom članku uključuju Ashish Shrivastava, Tomas Pfister, Oncel Tuzel, Josh Susskind, Wenda Wang i Russ Webb.