Apple реструктурирует AI, Siri, подразделения машинного обучения

В настоящее время машинное обучение, искусственный интеллект и глубокие нейронные сети - все раскаленные темы. После десятилетий относительной безвестности эти технологии рассматриваются как ключ к продвижению нового поколения компьютерных достижений. В некоторых отношениях Apple рассматривалась как играющая на догоняющем уровне в этих областях, и компания реорганизует свои усилия по их централизации. Он также нанял Джона Джаннандреа, который раньше возглавлял поисковую команду Google и команду AI, чтобы наблюдать за новым подразделением.

Giannandrea возглавит новую организацию, которая включает в себя Siri, основную команду Apple ML (это API машинного обучения, который Apple запустила для более эффективного выполнения задач, связанных с AI и AI) на устройствах iOS), отчеты Verge, а также подразделение машинного обучения Apple в целом.

Apple широко рассматривается как отстающая на рынке AI / ML по сравнению с ее конкурентами, такими как Amazon и Google. Основанная на Siri HomePod была редкой осечкой для компании - докладчиком, основной целью которого, по-видимому, было блокирование использования Apple (и только Apple) и разрушение столешниц. Apple ничего не сказала о продажах HomePod, но они не считаются очень хорошими, и Apple, как говорят, захватила 4-6 процентов рынка смартфонов после того, как она запустила платформу.

Я не использую цифровые персональные помощники в любой форме, от любой компании, но я периодически проверяю Siri, чтобы узнать, улучшилась ли служба. Это не так. Традиционная претензия заключается в том, что одна из причин, по которой Сири будет отставать, заключается в том, что Apple не фиксирует абсолютные океаны данных, которые Google, Facebook и другие компании из Силиконовой долины выходили из нашей жизни в течение десятилетия или более. Это может быть правдой, но я подозреваю, что это не говорит всю историю. Например, Amazon продолжает работать над своими собственными проектами ИИ - и Amazon заметно раскололась с Google на то, чтобы развить собственную версию Android из-за ее опасений относительно политики конфиденциальности Google и использования данных.

Кроме того, непонятно, почему Apple применила Giannandrea, в частности, чтобы возглавить этот заряд. Apple сделала много шума относительно своей приверженности конфиденциальности пользователей и использовала это, чтобы риторически отличать себя от таких компаний, как Google. Привлечение кого-то, кто руководит разработкой ИИ и МЛ в Google с использованием тех же наборов данных, которые Apple не имеет и, по-видимому, не собирается, не имеет большого смысла, если Apple не планирует внести некоторые существенные изменения в свои методы сбора данных в то же время. Ничего подобного не было объявлено.

Вы можете прочитать эту ситуацию несколькими разными способами. С одной стороны, некоторые заключают, что Apple либо выполняет те же типы сбора данных, что и Google, или что она хочет, и что привлечение Giannandrea на борту - это попытка подобрать поисковый гигант в этой области. Но другой потенциальный вариант заключается в том, что ценность данных Google о своих пользователях может быть менее важной в вопросе о том, почему Siri отстает от своих конкурентов, чем сразу видно. Мы не утверждаем, что гипотеза данных неверна - мы не понимаем ее так или иначе, но это также объяснение, которое может быть фактором, не являющимся основной причиной, по которой ситуация выглядит так оно и есть. В любом случае Apple явно планирует внести некоторые существенные изменения в свои программы разработки AI / ML. Как они эволюционируют, мы должны сказать нам полезные вещи о том, что удерживало Apple.

Читать далее

Google, чтобы сделать Chrome «более полезным» с новыми дополнениями машинного обучения

Google надеется сделать уведомления в хроме менее раздражающих, и он также хочет ожидать поведения пользователя.

AutoML Google создает модели машинного обучения без опыта программирования

Суть Cloud AutoML заключается в том, что почти каждый может принести каталог изображений, импортировать теги для изображений и создать на основе этого функциональную модель машинного обучения.

Google объявляет о выпуске 8x Faster TPU 3.0 для ИИ, машинного обучения

Новые TPU от Google здесь - и они немного быстрее, чем прошлогодняя модель.

Машинное обучение работает чудесами на изображениях с низким освещением

Новая работа от Intel и Университета штата Иллинойс Урбана-Шампейн демонстрирует невероятные достижения в области фотографии с низким освещением, любезно предоставленной машинной разведкой.