Apple 的机器正在像 Bard 和 Bing 一样更智能地学习

谈到 Apple 和热门新技术时，有一种古老的看法：如果该公司没有推出业内其他人目前关注的任何产品，那么它一定落后了。

这很少是事实。

Apple 的业务就像众所周知的冰山：我们只看到公司所做工作的冰山一角，而其研发工作的绝大部分都隐藏在表面之下。看看它最近一个季度的财务状况：它在研发上花费了 77 亿美元，占其所有运营费用的一半以上。

这个故事情节中的最新技术当然是人工智能。如果不尽快推出聊天机器人或图像生成器，该公司如何在这个新兴的新市场中竞争？ （没关系，它仍未推出其虚拟现实眼镜——这是该公司明显落后的最后一个市场。）

但是，就像这种传闻一样，事实是苹果一直在以自己独特的方式进行 AI，而不是追逐市场。

继续学习

Apple 的 AI 工作有时被忽视的一个原因仅仅是术语之一。虽然该公司并不经常谈论“人工智能”，但它确实花了大量时间讨论“机器学习”(ML)，这是许多 Apple 最新技术的重要基础。

尽管机器学习在技术上可能只是人工智能的一个子集（甚至在这一点上也存在一些分歧），但这两个术语通常可以互换使用，至少在口语基础上是这样。ChatGPT、谷歌的 Bard 和微软的新 Bing 聊天机器人等工具背后的大型语言模型利用了机器学习技术，DALL-E 和 Stable Diffusion 等图像生成器也是如此。从广义上讲，这些都是涉及使用数据来学习和改进的算法的技术。

Apple 在机器学习方面的投资显而易见：2018 年，该公司聘请了谷歌机器智能负责人 John Giannandrea 担任其机器学习和人工智能战略高级副总裁，直接向蒂姆库克汇报。它还运营着一个罕见的面向公众的网站，在该网站上发布了大量机器学习研究成果，并积极赞助博士学位。奖学金，招聘实习生，并提供住院医师。它还为开源机器学习项目做出了贡献，例如，优化 Stable Diffusion 软件以在其硬件上运行。

机器学习的核心

您可能承认 Apple 对 ML 很感兴趣，但也许您会加倍询问它通过所有这些投资实际产生了什么。

很多。如果您喜欢实时文本等功能（可以让您从照片或视频中选择任何文本的功能），或者可以在您的照片库中搜索“狗”一词并实际看到所有狗的照片已经采取，或测试版实时字幕功能可以为您设备上播放的任何视频或音频添加字幕，您将从 Apple 的机器学习研究中受益。

该公司还创建了一个名为 CoreML 的完整框架，使开发人员可以轻松地将机器学习集成到他们的产品中，如果这还不够，请记住，自 2017 年的 A11 Bionic 以来，每个 Apple 制造的处理器都配备了专用的神经引擎，为运行机器学习算法而优化——在最近的迭代中，它具有 16 个内核，每秒可以运行惊人的 17 万亿次操作，允许机器学习模型以典型的 Apple 方式在您的设备上私下运行，而不是依赖于云服务。

如果 Apple 花钱将其处理器的很大一部分用于机器学习，那么它肯定是把钱花在了嘴上。

冰山一角

Apple 是否有更多机会扩大其机器学习足迹？当然。油嘴滑舌的回答是，你在最近的聊天机器人中看到的那种 AI 可以增强 Siri 通常乏善可陈的性能——不过，考虑到微软最近涉足的一些对话的真正怪异性质，苹果似乎不会立即这样做跳入池的深处（学习）端。

但是，这些类型的系统能够以更加流畅和人性化的方式保留上下文并进行交流的能力确实具有优势，这些优势可以而且应该在苹果的虚拟助手中发挥作用，即使是以一种更加有限和可控的方式。

同样，如果 Apple 在令人印象深刻的 Whisper 语音识别框架上使用 Stable Diffusion 进行一些相同的优化，Live Captions 和 Apple 的听写系统的语音转文本功能也可以得到增强。

同样，这些并不像许多 Apple 竞争对手在市场上所做的那样华而不实，但 Apple 也不必以同样的方式追逐该功能。例如，谷歌和微软正在使用人工智能在搜索领域一决高下，苹果并没有真正涉足这个市场（尽管我几乎不反对苹果使用一些底层技术来改进自己的设备搜索能力）。

最终，Apple 对机器学习的使用仍然更多地受到它如何增强用户行为的想法的驱动，而不是仅仅为了它自己而存在。虽然这可能不会以同样的方式激发想象力，但它最终可能会对用户的生活产生更大的影响。在我看来，这让 Apple 在这场比赛中领先，而不是落后。