蘋果新產品中的機器學習算法

前言

現在是成為數據科學家的好時機 —— 所有頂尖的科技巨頭都在將機器學習集成到他們的旗艦產品中,對這類專業人士的需求正處于歷史最高水平。而且它只會變得更好!

蘋果一直是機器學習的主要倡導者,它們已經把例如 FaceID,增強現實,Animoji,醫療傳感器等特色包裝到自己的產品中。當在看蘋果的發布會時,我不禁對他們開發出的使用機器學習算法的新芯片技術感到驚奇。

在這篇文章,我們將細數蘋果使用機器學習來豐富用戶體驗的一些方法。相信我,有些數字會讓你大吃一驚。

如果你已經迫不及待地想要開始用蘋果的 CoreML 在 iPhone 上構建你的第一個 ML 模型,看看這篇優秀的文章吧!

鏈接:https://www.analyticsvidhya.com/blog/2017/09/build-machine-learning-iphone-apple-coreml/

A12 芯片

由蘋果開發者內部設計的 A12 芯片擁有比去年更先進的神經引擎的特點(去年神經引擎在 A11 芯片中正式亮相)。A11 芯片讓 iPhone X、8 和 8 Plus 表現得更好,所以你可以想象為什么 A12 在機器學習領域引起了轟動。

與 A11 的 10 納米工藝相比,A12 有 7 納米工藝的特性,這就說明了 A12 在運行速度上加快的原因。你真的認為蘋果會在沒有提到電池續航時間的情況下讓發布會落幕嗎?A12 芯片有一個智能計算系統,可以自動識別哪些任務應該在芯片的主要部分運行,哪些任務應該發送到 GPU,哪些任務應該委托給神經引擎。

神經引擎是什么?

使用超快速度的人臉識別算法來識別 Face ID。該算法使用神經網絡來映射特定的人臉特征 / 點,當然(這個網絡)也在數百萬張圖像上訓練了,以避免在正式產品中出錯。重要的是,算法要考慮到眼鏡和人的頭發等物理物體的因素,蘋果表示,今年它將以更準確的方式做到這一點;

為 Animojis 跟蹤面部活動。與上面的描述類似,該算法映射某些面部特征,并將其實時轉換為動物表情符號(animal emoji)。

今年的引擎有 8 個核心,這就是芯片可以每秒執行 5 萬億次運算的原因。去年的版本有兩個核心,每秒可以運行 6000 億次。這是科技在我們眼前飛速發展的一個很好的縮影。

然而神經引擎可以做的遠不止如此。

它將幫助 iPhone 用戶拍出更好的照片(你的拍照技術每年能變好多少?!),當你按下快門按鈕時,神經網絡會識別出鏡頭中的場景類型,并對圖像中的任何物體和背景進行清晰的區分。所以下次你拍照的時候,要記住神經網絡必須有多快,才能在幾毫秒內完成這一切。

蘋果手表

自 4 年前推出以來,蘋果系列 4 手表給人的感覺比任何時候都更像是一款健康監測設備。當然,最令人興奮的是這款手表的設計,以及它比去年的產品大 35% 。但讓我們先不看這個閃光點,看看其中一個更有趣的特點 —— 新的健康傳感器。

這款手表配有心電圖(ECG)傳感器。你會問,為什么這個這么重要?首先,這是首款包含這一功能特點的智能手表。

但更重要的是,傳感器不僅測量你的心率,還測量心跳節奏。這有助于監測任何不規則的節奏,手表會在任何即將到來的危險情況下立即提醒你。這些傳感器已經被 FDA 和美國心臟協會批準。

心率,是指心臟每分鐘跳動的次數;節奏,是指心臟跳動的方式,心臟正常跳動的心電圖應該是竇性心律。

FDA:是食品藥品監督管理局(Food and Drug Administration)的簡稱。

此外,這些系列 4 手表集成了一個改進的加速度計和陀螺儀。這將有助于傳感器檢測穿戴者是否跌倒。一旦一個人摔倒,并且在 60 秒內沒有任何移動跡象,該設備就會同時向多達 5 個(預先定義的)緊急聯系人發出緊急呼叫。

到目前為止,我相信你一定已經猜到這些更新的背后是什么了吧?是的,這是機器學習。正如我在這篇文章中提到的,醫療已經成熟到可以接受機器學習的時候了。有數十億的數據點在起作用,而將 ML 與領域專家相結合是最大的優勢。我很高興看到像蘋果這樣的公司使用它,盡管是在他們自己的產品中。

結束語

蘋果、谷歌等公司之間的競爭正在升溫,人工智能和機器學習可能是贏得這場戰斗的關鍵。硬件在這里是至關重要的 —— 它每年都有重大的升級,越來越多復雜的算法可以被嵌入其中。

老實說,你找不到更好的時間來研究數據科學。快速瀏覽一下蘋果的官方招聘信息,就會發現有 400 多個與機器學習相關的職位空缺。問題是是否有足夠的有經驗的人來滿足這種需求。

-----

文 | PRANAV DAR

翻譯 & 編輯 | strongnine

原文:How Machine Learning Algorithms & Hardware Power Apple’s Latest Watch and iPhones

鏈接:https://www.analyticsvidhya.com/blog/2018/09/how-machine-learning-hardware-and-algorithms-power-apples-latest-watch-and-iphones/

搜索

復制

您可能感兴趣的文章