昨日，CMU卡內基梅隆大學副教授Ruslan Salakhutdinov發(fā)推宣布加入蘋果，業(yè)內紛紛表示“蘋果AI有救了”。
Ruslan Salakhutdinov擁有多倫多大學機器學習方向博士學位，師從人工智能之父Geoffrey Hinton。說起Geoffrey Hinton大家不會陌生，正是他自1960年代起，一步步將深度學習從邊緣學科變成現(xiàn)如今AI技術的核心，進而引發(fā)此次深度學習熱潮的掀起。Geoffrey Hinton麾下的人工智能圈子可謂把控著當今各巨頭的深度學習命脈，從谷歌、微軟、Facebook的人工智能負責人，到國內我們所熟知的百度首席科學家吳恩達，都出自Geoffrey Hinton組建的人工智能團隊NCAP。
Ruslan當然也在這個圈子里，能成為Geoffrey的學生，Ruslan必然有很高的學術水平，根據(jù)其個人簡歷所述，Ruslan共發(fā)表論文105篇。據(jù)谷歌學術統(tǒng)計，其論文共被引15667次，h指數(shù)高達43。其發(fā)表的Restricted Boltzmann machines for collaborative filtering、Dropout: a simple way to prevent neural networks from overfitting、Bayesian probablisitic matrix factorization using MCMC 三篇論文均有很高的科研價值。
2009年Ruslan從多倫多大學取得博士學位后，在麻省理工大學開始了他的博士后生涯，研究方向為：大腦與認知科學、計算機科學和人工智能。兩年后（2011），Ruslan重回多倫多大學，任教于計算機科學系和統(tǒng)計科學系，職稱為助理教授。今年2月，Ruslan前往卡內基梅隆大學（擁有世界上好的計算機科學學院）任機器學習專業(yè)副教授。僅8個月后便擁有除副教授之外的第二重身份——蘋果人工智能研究總監(jiān)，其職業(yè)發(fā)展速度不可謂不快。
加入蘋果后，Ruslan件事便是招兵買馬。要加入他的團隊，需要至少為計算機科學方向博士，且有高性能的機器學習系統(tǒng)的設計與研發(fā)經(jīng)驗，并且要求對深度學習、計算機視覺、機器學習、增強學習、系統(tǒng)優(yōu)化以及數(shù)據(jù)挖掘均有造詣。團隊要求如此之高，不禁讓人好奇，蘋果在AI方向究要有何動作。
一直以來，業(yè)界普遍認為蘋果的人工智能弱于谷歌、微軟、Facebook等公司，主要原因有二。一方面是因為眾所周知的蘋果喜歡保密的脾氣。為了防止競爭者的效仿，蘋果一般不會將研發(fā)成果發(fā)表。因此業(yè)內有聲音認為，如此高產的Ruslan教授加入蘋果后，其研發(fā)成果將會被蘋果保密，這將是全世界深度學習行業(yè)的損失。第二方面是蘋果尊重用戶隱私的產品賣點，使其不能像其他行業(yè)巨頭一樣將用戶的信息儲存到云端并在云端強大的服務器上進行學習。因此蘋果選擇將AI學習系統(tǒng)放在個人的設備上，毫無疑問，這大大削弱了蘋果AI的競爭力。
但蘋果表示，對此他們已經(jīng)有了很好的解決方案。其基于個人設備的深度學習系統(tǒng)，大小僅為200MB左右（取決于所儲存的私人信息的多少）。然而神經(jīng)網(wǎng)絡的訓練需要大量的數(shù)據(jù)樣本，既然蘋果稱自己不會將用戶的隱私數(shù)據(jù)存儲至云端，那么該神經(jīng)網(wǎng)絡要如何訓練？對此，蘋果表示，其人工智能的訓練包括兩部分，在云端的針對大量不敏感信息的訓練，以及在個人設備上的針對個人敏感信息的個性化訓練。為此，蘋果于今年六月推出了Differential Privacy技術，稱為差別隱私保護方法。其具體原理為，在敏感數(shù)據(jù)中加入噪音，從而使系統(tǒng)不能識別用戶的ID等信息，換句話說，系統(tǒng)在訓練時不知道樣本的出處，從而達到數(shù)據(jù)保護的目的。
此方法是否會行之有效？蘋果尊重用戶隱私權的做法是不是作繭自縛？抑或高人自有妙計？筆者相信蘋果自有其一套行事準則。
近年來蘋果通過收購深度學習公司獲得了大量深度學習方面的人才，至今仍在廣納賢士的進程中。在蘋果網(wǎng)站上進行職位搜索，能發(fā)現(xiàn)129個在招職位與深度學習有關。且蘋果對于深度學習的招聘并非只看中經(jīng)驗，而是著重于候選人的基本素質，如數(shù)理及統(tǒng)計能力、計算機相關能力等。手握大量人才，蘋果沒有像其他各巨頭一樣成立深度學習研發(fā)中心，而是將深度學習專家分散至各個產品中，讓深度學習的思想落地，這也成就了iOS10為用戶帶來的多重人工智能體驗。
蘋果的人工智能體現(xiàn)在細節(jié)中，而非某個重磅的人工智能產品。例如Siri的聲音、Siri的理解能力、從主界面右滑會出現(xiàn)系統(tǒng)猜測的用戶將要打開的APP等。底層一些的有通過深度學習算法延長設備的續(xù)航時間、iPad Pro手寫功能防止手掌對紙張的滑動等等，都體現(xiàn)了蘋果深度學習的應用。
對于此次蘋果雇傭Ruslan， Hacker News上的一些評論很有意思。
- vonnik：Ruslan早在十年前就是人工智能方面的大粗腿了啊，他可是Geoff Hinton的學生啊，2006年那篇RBMs的論文上面就有他的名字啊。蘋果這次賺大了。
- joe_the_user：一個響當當?shù)拿只蛟S在華爾街或者媒體圈有用，但是在科技界，用處可能不大。原因在于：1. 機器學習發(fā)展速度可能是當今世界上所有學科里面快的，因此在機器學習領域，人們關心的不是你之前十年做過多少研究有過多少成果，而是你現(xiàn)在用這個理論做了什么。2. 正是因為開放科研結果，機器學習才能發(fā)展到當下的程度，而蘋果一直秉持著科研結果保密的態(tài)度，這使其對其他科研學者的吸引力大大降低。僅僅雇傭一位大牛對于其AI事業(yè)并不會有大的推動作用。
- system16：從Swift看來，蘋果保密的態(tài)度似乎已經(jīng)有了放寬。我覺得他們從地圖和Siri上面學到了教訓，當一個產品需要大量的數(shù)據(jù)支撐，來為用戶提供更好的交互體驗的時候，閉關鎖國是不行的。
- Grandalf：我用iPhone五年了，但是我從來沒用過Siri，前兩天我的iPhone壞了，為了等iPhone7，我用了一個月的安卓。用安卓的時候我被OK Google驚艷到了，所以當我拿到IPhone7的時候我開始用Siri。用OK Google，你讓它完成的事情它能做得很好，但是Siri就連播放音樂有的時候都做不到。
- IBM：我覺得Siri表現(xiàn)得很好，用Siri放音樂你甚至不用碰手機一下。現(xiàn)在大家都在把Siri和Google Now作比較，我覺得這不公平。蘋果自身沒有搜索引擎，所以蘋果沒有強大的數(shù)據(jù)庫來訓練Siri來回答一些常識性問題。而且二者的定位也不一樣，Siri是私人助手，是幫你做事情的。而且現(xiàn)在蘋果也開放了一些Siri API，所以日后的功能肯定會越來越多。
本站文章版權歸原作者及原出處所有 。內容為作者個人觀點， 并不代表本站贊同其觀點和對其真實性負責，本站只提供參考并不構成任何投資及應用建議。本站是一個個人學習交流的平臺，網(wǎng)站上部分文章為轉載，并不用于任何商業(yè)目的，我們已經(jīng)盡可能的對作者和來源進行了通告，但是能力有限或疏忽，造成漏登，請及時聯(lián)系我們，我們將根據(jù)著作權人的要求，立即更正或者刪除有關內容。本站擁有對此聲明的最終解釋權。
