Apple ponuja prvi vpogled v svoje tajno delo z umetno inteligenco

Raziskovalci skupine Apple za umetno inteligenco so objavili prvi raziskovalni članek izdelovalca iPhone, s katerim so prekinili Appleovo dolgoletno prepoved, ki varuje poslovne skrivnosti.

Prispevek podrobno opisuje metode, kako usposobiti algoritme AI za prepoznavanje slik. Applovi raziskovalci razkrivajo, da so poskušali uporabiti tako računalniško ustvarjene slike kot slike v resničnem svetu za usposabljanje po algoritmu, vendar ima vsaka od njih resne pomanjkljivosti.

Nekateri najbolj nadarjeni znanstveniki na svetu delajo pri Appleu, vendar do tega meseca podjetje nikoli ni dovolilo objave njihovih raziskav. Ugotovitve raziskovalnega dokumenta niso prelomne, a dejstvo, da Apple svoji skupini dovoljuje objavo svojih ugotovitev, je ogromno in bi lahko podjetju pomagalo pritegniti več vrhunskih talentov.

AI proti ljudem

Appleov prvi članek nosi naslov "Učenje iz simuliranih in nenadzorovanih slik skozi tekmovalno usposabljanje." The ekipa podrobno opisuje, kako je uporaba popolnoma simuliranih slik za urjenje algoritma veliko hitrejša od uporabe, ki jo ustvari človek slike. To je zato, ker mora velika delovna sila podatke o slikah, ki jih ustvari človek, vnesti ročno.

Težava pri uporabi samo računalniško ustvarjenih slik je v tem, da se algoritem ne nauči vedno natančno prevesti za prizore iz resničnega življenja. Da bi dosegli popolno ravnovesje, Applova ekipa priporoča uporabo tako resničnih kot računalniško ustvarjenih slik.

"V tem prispevku predlagamo simulacijo+nenadzorovano učenje (S+U), kjer je cilj izboljšati realizem sintetičnih podob iz simulatorja z uporabo neoznačenih resničnih podatkov. Izboljšan realizem omogoča usposabljanje boljših modelov strojnega učenja na velikih naborih podatkov brez zbiranja podatkov ali truda pripisovanja ljudi.

Pokazali smo, da to omogoča ustvarjanje zelo realističnih slik, ki jih dokazujemo kakovostno in s študijo uporabnika. "

Prispevek je bil objavljen 22. decembra in podrobno opisuje matematiko, uporabljeno v Applovem algoritmu. V prispevku so zaslužni raziskovalci Ashish Shrivastava, Tomas Pfister, Oncel Tuzel, Josh Susskind, Wenda Wang in Russ Webb.