7
| 本文作者： 張馳 | 2016-08-25 03:36 |
編者按：眼下最受關(guān)注的技術(shù)非人工智能莫屬，但全球市值最高的公司蘋果似乎對此無動于衷，被認為在人工智能領(lǐng)域嚴重落后，除了語音助手Siri，似乎沒有更多作為。但真實情況或許與外界猜測的完全不同，Backchannel主編Steven Levy近日走訪了蘋果，發(fā)現(xiàn)這家公司其實先于業(yè)界使用了時髦的深度學習技術(shù)，并將其用在了除Siri外的方方面面。閱讀本文你可以迅速了解蘋果哪些產(chǎn)品已被機器學習入侵，為何它能秘密研發(fā)新技術(shù)多年，機器學習給其文化和原則帶來了怎樣的挑戰(zhàn)，它又是如何與主流業(yè)界“對著干”……
本文編譯自backchannel，由雷鋒網(wǎng)作者張馳，家欣，Jasper共同完成。
2014年7月30日，Siri迎來了一次腦部移植。
再三年前，蘋果是第一家將智能助理整合進其操作系統(tǒng)的主流公司。而Siri則是蘋果對一個收購而來的獨立應用的改進，它還在2010年吞下了開發(fā)團隊。對于Siri，最初的評價令人欣喜，但后來的幾個月到幾年中，用戶對它的缺點越來越不耐煩。它常常錯誤理解指令，怎么調(diào)整也沒沅改進。
所以在上面提到的那個日期，蘋果將Siri的語音識別移植到了基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)上。這一服務(wù)首先面向美國用戶，并在8月15日推向全球。一些早期技術(shù)仍有用，包括隱馬爾可夫模型，但現(xiàn)在系統(tǒng)使用的是機器學習技術(shù)，包括DNN（深度神經(jīng)網(wǎng)絡(luò)），卷積神經(jīng)網(wǎng)絡(luò)，長短期記憶單位，封閉復發(fā)性單位（gated recurrent units），以及n-grams等。用戶升級后，Siri雖然看起來還是一樣，但經(jīng)過了深度學習的加強。
與其它底層改進一樣，由于不愿向競爭者暴露自己，蘋果沒有公布Siri的進展。如果用戶注意到了什么，也只是它犯的錯變少了。蘋果也表示，準確度的改善令人震驚。
Eddy Cue
蘋果互聯(lián)網(wǎng)軟件及服務(wù)部高級副總裁Eddy Cue表示，“這次改進的效果如此明顯，以至于進行了重新測試，確保沒人算錯小數(shù)點?！?/p>
Siri轉(zhuǎn)變的故事會讓人工智能領(lǐng)域的人皺起眉頭，不是因為神經(jīng)網(wǎng)絡(luò)對系統(tǒng)的提升，而是因為蘋果對技術(shù)如此熟練又如此低調(diào)。直到最近，雖然蘋果在AI領(lǐng)域加大了招聘力度，也做出了一些高調(diào)的收購，但外界還是認為它在最為激烈的AI競爭中稍顯落后。由于蘋果一直守口如瓶，連AI行家也不知道它在機器學習上有何作為。在斯坦福教授人工智能歷史一課的Jerry Kaplan表示，“蘋果不屬于社區(qū)的一分子，就像是AI領(lǐng)域的NSA（美國國家安全局）”。一般認為，如果蘋果的努力與Google和Facebook一樣認真，應該會被外界所知。
艾倫AI研究所的Oren Etzioni表示，“Google、Facebook和微軟有著頂尖的機器學習人才。蘋果確實聘用了一些人，但機器學習的五大領(lǐng)袖中有誰為蘋果工作？蘋果有語音識別技術(shù)，但除此之外機器學習還能幫什么忙呢?！?/p>
然而，就在本月初，蘋果秘密地展示了機器學習在自家產(chǎn)品上的應用。但沒有展示給Oren Etzioni看，而是展示給了我。當天，我的大部分時間都待在了蘋果庫比提諾飛船總部大樓里，在蘋果高管的陪同下，感受了蘋果產(chǎn)品在人工智能與機器學習上的緊密結(jié)合。（高管包括Eddy Cue，副總裁兼市場營銷主管Phil Schiller，以及軟件主管兼高級副總裁Craig Federighi）同時在場的還有負責開發(fā)Siri的專家。當我們都就坐以后，他們給我看了寫滿了兩頁紙的機器學習應用，一些是已經(jīng)投入使用的產(chǎn)品或服務(wù)，一些是還在討論中的項目。
如果你是一名iPhone用戶，大概已經(jīng)受益于機器學習所帶來的用戶體驗的提升。但與直覺相反，機器學習并不僅僅應用于Siri上。識別陌生來電，在解鎖后列出你最常使用的應用，或者在提醒事項中標記了一個約會（但你并沒有將之放入日程表中），以及自動顯示附近標記的酒店，這些在蘋果全面擁抱機器學習及神經(jīng)網(wǎng)絡(luò)后，都能做得更加盡善盡美。
對，這就是傳說中的“Apple Brain”，已經(jīng)內(nèi)置于你的iPhone中。
用到了神經(jīng)網(wǎng)絡(luò)的面部識別
“機器學習”，一名專家說，“現(xiàn)在在蘋果的產(chǎn)品及服務(wù)里無處不在”。Apple store使用深度學習辨別騙保行為，公測版操作系統(tǒng)收到的反饋也會使用人工智能篩選一遍，找出有用的反饋報告。還有蘋果的News應用，采用機器學習挑選出你可能感興趣的新聞源。Apple Watch也利用到了機器學習，檢測用戶在鍛煉狀態(tài)還是僅僅在閑逛。還有就是眾所周知的相機人臉識別，iPhone早已搭載這項技術(shù)。在Wi-Fi信號較弱的情況下，出于電量考慮，iOS還會建議你使用蜂窩網(wǎng)絡(luò)。它甚至能分辨出拍攝視頻的好壞，并在點擊一個按鈕之后，快速把一組相關(guān)的視頻剪輯到一起。當然，這些蘋果的競爭對手們做的也不賴，但高管們強調(diào)，蘋果是唯一一家在用戶隱私及用戶體驗上取得平衡的公司。當然，要在 iOS 設(shè)備上達到這一標準，也只有蘋果能做到。
對蘋果來說，人工智能并非新玩意兒。早在上世紀90年代，蘋果推出牛頓（Newton）平板時，配套的觸控筆就采用了一定程度的人工智能，用以識別用戶輸入的字符。這一研究成果目前還在為蘋果帝國發(fā)光發(fā)熱，即Apple Watch上面的中文字符識別系統(tǒng)。這一系統(tǒng)允許用戶輸入極為潦草的筆劃仍能精準識別。（這些功能數(shù)十年以來都是由統(tǒng)一的機器學習團隊在研發(fā)）當然，早期的機器學習極為原始，現(xiàn)在大行其道的深度學習在當時仍處于襁褓之中?，F(xiàn)在人工智能與機器學習成為人必言之的顯學，蘋果在這方面一直飽受批評。近幾周，Tim Cook終于發(fā)話，表示蘋果并非在人工智能方面沒有著力，僅僅是宣傳較少（按：詳情見雷鋒網(wǎng)報道）?，F(xiàn)在，高管們終于已改悶聲做事的做法，將蘋果在人工智能方面的成果公之于眾。
機器學習用于Apple Watch的健康應用
“蘋果在過去的五年里增長迅猛”，Phil Schiller說，“我們的產(chǎn)品的改進速度也非?？?，A系列的處理芯片每年都有不小的性能突破，這使得我們擁有更加充裕的性能，將越來越多的機器學習技術(shù)應用到終端產(chǎn)品上。機器學習有不少好東西，而我們也有能力用好它”。
即使蘋果擁抱機器學習的熱情絲毫不亞于任何硅谷科技公司，但他們對于機器學習的使用仍是克制的。這幫庫比提諾的天才們并不認為機器學習是解決一切問題的靈丹妙藥。人工智能是未來的交互方式，但觸摸屏幕，平板電腦，面向?qū)ο缶幊淘谔囟〞r期一樣發(fā)揮了相同的作用。在蘋果看來，機器學習并非其他公司所說，是人機交互的終極答案?！叭斯ぶ悄芘c以往改變?nèi)藱C交互的各種媒介并無本質(zhì)區(qū)別”，Eddy Cue 說。蘋果對于機器是否將取代人類這樣老生常談的討論也并無興趣。與預期相同，蘋果并沒有承認造車計劃，也沒有談及自制電視劇的傳言，但蘋果的工程師們明確指出，他們不會造出類似“天網(wǎng)”的東西。
“我們使用技術(shù)來解決以前做不了的事情，已經(jīng)改進舊有范式”，Schiller說，“我們確保每項技術(shù)都能以最蘋果的方式應用到產(chǎn)品上”。
之后，他們對于上述觀點展開了進一步的闡釋。如，人工智能在多大程度上重塑了蘋果的生態(tài)系統(tǒng)。蘋果研發(fā)人工智能的初衷是，彌補缺乏搜索引擎帶來的用戶體驗缺失。（搜索引擎能夠訓練神經(jīng)網(wǎng)絡(luò)，使其快速成熟）此間，高管們再次強調(diào)了蘋果對于保證用戶隱私的決心。（即使這樣將限制用戶數(shù)據(jù)的使用，從而阻礙機器學習的效果）高管們強調(diào)，這些障礙并非不可逾越。
這個“大腦”有多大？iPhone上有多少用戶數(shù)據(jù)緩存可供機器學習調(diào)用？工程師們的回答讓我驚訝：“平均200Mb，具體多少取決于用戶信息的多寡?！保楣?jié)約存儲空間，緩存會時不時被清理出去）。這些信息包括了應用的使用習慣，與他人的交互，神經(jīng)網(wǎng)絡(luò)處理，還有“自然語言模型”。還有對象識別，人臉識別，場景識別等供神經(jīng)網(wǎng)絡(luò)學習。
對于蘋果來說，這些數(shù)據(jù)都是你的私人信息，并不會被上傳到網(wǎng)絡(luò)及云端。
盡管蘋果并沒有對其在人工智能方面的努力做出任何解釋，但我還是成功獲取了有關(guān)公司內(nèi)部如何分配機器學習技術(shù)的決議。其機器學習智能可以在全公司得到共享，并且公司鼓勵生產(chǎn)團隊利用這一技術(shù)來解決問題，并發(fā)明一些更具特色的個性化產(chǎn)品?！霸谔O果，我們并沒有一個單獨集中負責機器學習技術(shù)的組織”，Craig Federighi說：“我們盡力保持各個團隊之間的緊密合作，力圖應用這一技術(shù)創(chuàng)造出良好的用戶體驗。”
那么在蘋果有多少人在從事機器學習這一塊的工作呢？“有很多”，F(xiàn)ederighi在受到一些刺激之后說道。（如果你認為他會告訴我具體數(shù)字，那說明你還不了解蘋果）有趣的是，負責蘋果機器學習的許多人，在進入蘋果公司之前，并沒有受到過這方面的必要訓練。“我們雇用的人才都是在一些基本領(lǐng)域方面十分厲害的人，比如像數(shù)學，統(tǒng)計學，程序設(shè)計語言，密碼學等?！?Federighi說：“結(jié)果表明，這些核心的智能能夠完美地轉(zhuǎn)換為機器學習智能。盡管現(xiàn)在我們的確雇用了許多機器學習人才，但我們還是希望能找到具有良好核心資質(zhì)和才能的人才。”
Craig Federighi（左）與Alex Acero
盡管Federighi并沒有說，但這一途徑似乎不可避免：蘋果喜歡保密，而競爭對手們則鼓勵計算機科學家將他們的研究在全球范圍內(nèi)共享，這樣一來，蘋果便會處于不利地位?！拔覀兊膶嵺`更傾向于強化自然選擇——其實就是兩種不同類型人之間的對抗，一種喜歡通過團隊合作，進而創(chuàng)造出偉大的產(chǎn)品，而另一種則是將公布產(chǎn)品和技術(shù)作為他們的首要動力”，F(xiàn)ederighi說。如果科學家們在提升某一蘋果產(chǎn)品性能的同時，又恰巧在這一領(lǐng)域取得了重大突破，那真是再好不過了?！暗菍ψ罱K結(jié)果的幻想為我們提供了巨大動力。”Cue說。
蘋果在這方面的一些才能也來自于不斷的收購?！白罱荒陼r間，我們已經(jīng)購買了20到30家公司。這些都是相對較小而又真正需要人力的公司。”Cue 說?！爱斕O果買下一個人工智能公司時，這里肯定會有大量的機器學習研究員，但我們不會是穩(wěn)定住這些人” ，F(xiàn)ederighi說：“我們關(guān)注的是那些自身十分有才能，但又能真正注重實現(xiàn)絕佳體驗的人?！?/p>
最近的一次收購是位于西雅圖的Turi公司，蘋果最終以2億美元的價格收購。該公司建立了一個機器學習工具包，一直以來都被比作是Google的TensorFlow。此次收購給蘋果提供了一種不同的思索，即可以將它用作類似的用途，既用于公司內(nèi)部，也可以提供給開發(fā)商?！翱梢钥隙ǖ氖?，他們的有些事情和蘋果十分匹配，無論是從技術(shù)的角度還是從個人的角度來看，都是如此?！盋ue說。在一年或兩年的時間里，或許我們就能弄清楚發(fā)生了什么。蘋果在2013年收購了一家小的初創(chuàng)企業(yè)Cue，后來Siri開始顯示出一些預測能力。
無論這些才能來自哪里，蘋果的人工智能基礎(chǔ)建設(shè)有助于其開發(fā)出全新的產(chǎn)品和功能，而這通過以前的手段都是不可能做到的。這正在改變著公司的產(chǎn)品線路圖?！艾F(xiàn)在在蘋果，炫酷的想法簡直層出不窮，永無止境?！?nbsp;Schiller說：“機器學習正在使我們對一些事情給予肯定的看法，而這些事情放在過去幾年，我們是絕對會說不的。它正在不斷深入到我們的決策當中，決定著我們下一批產(chǎn)品的走向。”
iPad Pro的Apple Pencil就是一個例子。為了發(fā)明出一支高科技的觸控筆，蘋果不得不面臨這樣一個問題，即當人們在設(shè)備上寫字的時候，他們的手掌底部難免會擦到屏幕，造成各種觸控失靈。這時，使用“防手掌誤觸”這樣一個機器學習模式，就能很好的解決這一問題。因為該模式能夠使屏幕傳感器感受到刮擦，觸摸和筆觸之間的區(qū)別，大大提升了觸控筆操控的精確度。“如果觸控筆無法在iPad上進行完美操作，那么iPad就不能被看作是一張很好的可供我繼續(xù)寫字的紙，Pencil也就不會是一個好的產(chǎn)品。” Federighi說。所以如果你愛Apple Pencil的話，那就請感謝機器學習吧。
對蘋果機器學習方面進展的最佳測量方式，或許來自它在AI上最重要的收購：Siri。Siri最初誕生自DARPA在智能助理上的一項計劃，后來部分科學家成立了一家公司，用同樣的技術(shù)開發(fā)了一款應用。2010年，喬布斯親自說服公司創(chuàng)始成員將公司出售給蘋果，并指示將Siri整合進操作系統(tǒng)。在2011年10月iPhone 4S的發(fā)布會上，Siri是一大點亮。現(xiàn)在它早已不是用戶長按Home鍵，或發(fā)出“Hey, Siri”指令進行喚醒（這一功能本身也使用了機器學習，允許iPhone在不耗電的情況下了解周圍情況）這么簡單了。Siri的智能整合進了Apple Brain，即便不發(fā)場時也在工作。
作為核心產(chǎn)品而言，Cue提到了四個組成：語音識別（理解你何時與它對話），自然語言理解（理解說話內(nèi)容），執(zhí)行（滿足查詢或請求）以及響應（產(chǎn)生回話）?！皺C器學習對所有這些都有重要影響。”
Tom Gruber（上）與Alex Acero
Siri高級研發(fā)部主管Tom Gruber是在最初的收購后加入了蘋果的，他表示，在蘋果把神經(jīng)網(wǎng)絡(luò)用于Siri之前，其用戶量已經(jīng)在產(chǎn)生大量數(shù)據(jù)，而這對訓練神經(jīng)網(wǎng)絡(luò)十分重要?！皢滩妓拐f，一夜之間就會擁有數(shù)百萬用戶，還不用公測。突然之間就會有用戶，他們會告訴你，人們?nèi)绾闻c應用對話。這是第一次革命，那之后神經(jīng)網(wǎng)絡(luò)時代到來了?！?/p>
隨著Siri轉(zhuǎn)移到用神經(jīng)網(wǎng)絡(luò)處理語音識別而來的，還有幾位AI專家，其中包括現(xiàn)在語音組的主管Alex Acero。Acero的語音識別經(jīng)歷始于90年代的蘋果，后來他在微軟研究院工作了多年?！拔蚁矚g這類工作，也發(fā)表了很多論文。當Siri出現(xiàn)時，我意識到這是讓深度神經(jīng)網(wǎng)絡(luò)應用得以實現(xiàn)的機會，不是讓幾百人用，而是讓數(shù)百萬人用?！睋Q句話說，他就是蘋果想找的那類科學家——優(yōu)先考慮產(chǎn)品而非發(fā)表論文。
當Acero在三年前加入時，Siri用的語音技術(shù)仍基本來自第三方的授權(quán)，而這種情況必須改變。Federighi意識到，這是蘋果不斷在重復的一種模式?！半S著一項技術(shù)對開發(fā)核心產(chǎn)品變得越來越重要，我們會讓內(nèi)部逐漸接手開發(fā)。要開發(fā)偉大的產(chǎn)品，我們希望內(nèi)部擁有技術(shù)，并在內(nèi)部創(chuàng)新，語音識別就是一個很好的例子?！?/p>
團隊開始訓練神經(jīng)網(wǎng)絡(luò)，以替代Siri早前的技術(shù)。蘋果的GPU集群不停運轉(zhuǎn)，調(diào)用了大量數(shù)量。2014年7月的發(fā)布證明，所有努力都沒有白費。
Acero表示，“當時在所有語言上，錯誤率降低了兩倍，在很多場景下還不止如此。這都要歸功于深度學習及對它的優(yōu)化，不僅是算法方面，更是在產(chǎn)品開發(fā)的整個過程上。”
蘋果不是第一家在語音識別中使用DNN的公司，但它證明，控制整個運轉(zhuǎn)系統(tǒng)會產(chǎn)生優(yōu)勢。Acero表示，正是因為蘋果自己設(shè)計芯片，他能直接與編寫固件的芯片設(shè)計組工程師合作，最大化提升神經(jīng)網(wǎng)絡(luò)的性能。Siri團隊的需求甚至影響了iPhone設(shè)計的方方面面。
Fdferighi表示，“不僅僅是芯片，還涉及設(shè)備上的麥克風，以及麥克風安裝的位置，還有如何調(diào)整硬件，以及處理音頻的軟件棧。這需要所有組件的協(xié)調(diào)，比起只是開發(fā)軟件的公司，有著驚人的優(yōu)勢?！?/p>
另一個優(yōu)勢是，當蘋果的神經(jīng)網(wǎng)絡(luò)在一個產(chǎn)品上成功時，還能成為其它產(chǎn)品的核心技術(shù)。機器學習讓Siri理解了用戶，也讓輸入方式由手動變成了聽寫。也正是因為Siri的技術(shù)，用戶語音輸入的信息也變得更流暢和完整。
Cue提到的Siri第二個部分是自然語言理解。Siri在2014年11月開始用機器學習理解用戶的意圖，并在一年后推出了深度學習版。如在語音識別上一樣，機器學習提升了體驗，特別是在理解指令上。
蘋果認為，沒有Siri上的技術(shù)，它不太可能開發(fā)出最新版的Apple TV，因為后者也有語音控制功能。盡管早期的Siri版本要求你用清晰的方式說話，但深度學習加強版不僅能從大量電影和音樂中找到特定的選擇，更能處理“播放一部湯姆·漢克斯主演的優(yōu)秀驚悚片”這樣的概念。這在以前是完全不可能的。
在即將正式發(fā)布的iOS 10中，Siri的聲音是最后一個被機器學習改造的部分。同樣，深度神經(jīng)網(wǎng)絡(luò)替代了原先授權(quán)的技術(shù)。Siri的聲音來自一家語音中心收集的錄音數(shù)據(jù)庫，每句話都是語音段拼貼的結(jié)果。機器學習讓語音變得平滑，聽起來更像一個真人。
這看起來只是很小的細節(jié)，但更自然的聲音能為Siri帶來很大的改變。Gruber認為，“如果聲音質(zhì)量更高，人們會感到更加可信。更好的語音能吸引用戶，讓他們更常使用?！?/p>
使用Siri的意愿，以及機器學習在技術(shù)上的提升，都在蘋果向開發(fā)者開放Siri的過程中十分重要。許多人注意到，蘋果在Siri上的合伙量只有兩位數(shù)，遠遠落后于亞馬遜的Alexa，后者稱外部開發(fā)者幫助開發(fā)了1000多項技能。蘋果認為這種比較沒有意義，因為亞馬遜用戶要使用特定的指令方式，才可用到那些技能。蘋果表示，Siri在與Uber和SquareCash等服務(wù)的整合上會更自然。
與此同時，蘋果對Siri的改善也得到了回報，用戶發(fā)現(xiàn)了一些新功能，也感到常用的查詢變得更準確，而相應的，查詢數(shù)量也不斷增長。
或許，蘋果使用機器學習技術(shù)中遇到的最大問題，是如何堅持保護用戶隱私的原則。蘋果會加密用戶信息，包括公司律師在內(nèi)的任何人都無法讀取。FBI也不能，即便獲得了批準（按：關(guān)于蘋果與FBI的對戰(zhàn)，可閱讀雷鋒網(wǎng)的解讀）。它還表示，不會收集用戶信息用于廣告目的。
從用戶的角度上看，這種行為值得尊敬，但這對吸引頂尖AI人才并無幫助。一位蘋果前員工表示，“機器學習專家想要的就是數(shù)據(jù)。但出于保護隱私的立場，蘋果總會有所干預。這種做法是否正確暫不討論，但外界會認為蘋果不是鐵桿AI粉?！?/p>
蘋果高管并不認同這種觀點。他們認為無需將用戶信息放在云端，或存儲訓練神經(jīng)網(wǎng)絡(luò)所用的數(shù)據(jù)，也能得到提升機器學習表現(xiàn)的數(shù)據(jù)。Federighi認為，“外界一直存在錯誤的觀點，做出了錯誤的妥協(xié)，我們想讓他們走上正軌?！?/p>
這里有兩個問題。第一個涉及到在機器學習系統(tǒng)中處理個人信息，當個人詳細信息是由神經(jīng)網(wǎng)絡(luò)收集到的時，這些信息會怎么樣？第二個涉及到收集訓練神經(jīng)網(wǎng)絡(luò)識別行為所需的數(shù)據(jù)，不收集個人信息，又將如何做到訓練呢？
蘋果對兩者都有答案。Cue表示，“有人認為，我們用AI做不了這些事，因為沒有數(shù)據(jù)。但我們找到了獲取所需的數(shù)據(jù)，同時保護隱私的方式。這是我們的底線?！?/p>
對于第一個問題，蘋果的解決方式是利用其獨特的對軟硬件的控制。簡單來說，多數(shù)個人信息仍保留在Apple Brain中。Federighi表示，“我們會將部分最敏感的信息保留在設(shè)備上，這時機器學習完全在本地運行?！彼o出的例子是應用推薦，即在主屏上右滑時會出現(xiàn)的圖標。在理解狀態(tài)下，這些應用就是你意圖想用的。這種預測基于許多因素，基本都與用戶的行為有關(guān)。這一功能確實有用，F(xiàn)ederighi表示，預測用戶想用圖標的概率有90%。
蘋果存在設(shè)備上的其它信息可能包括了最個人的信息：用戶使用iPhone鍵盤輸入的文字。使用經(jīng)過神經(jīng)網(wǎng)絡(luò)訓練的系統(tǒng)，蘋果能識別出關(guān)鍵事件和項目，如航班信息，聯(lián)系人及約會。不過這些信息都存在手機上。即使是備份在蘋果云上的信息，也會經(jīng)過處理后不能僅由備份信息進行還原?！拔覀儾幌氚研畔⒋嬖谔O果服務(wù)器上，公司沒必要知道你的愛好或你在哪。”
蘋果也在盡量減少整體上保存的信息。一個例子是，在交談中有人可能提到一個詞，這或許需要搜索。其它公司很可能在云端分析整段對話，從而識別出那些詞語，但蘋果設(shè)備無需這些數(shù)據(jù)遠離用戶就能識別出來。這是因為系統(tǒng)會不斷與手機中的知識庫進行搜索匹配。
Federight表示，“知識庫很精練，但也相當完善，儲存了成千上萬的地點和實體。”蘋果所有的應用都能用知識庫，包括Spotlight搜索應用，地圖和瀏覽器。它也能幫助自動糾錯，一直在后臺運行。
機器學習圈的一個疑問是，蘋果的隱私限制是否會阻礙神經(jīng)網(wǎng)絡(luò)算法，這也是上文中提到的第二個問題。經(jīng)過大量數(shù)據(jù)訓練，神經(jīng)網(wǎng)絡(luò)才能準確。如果蘋果不采集用戶行為數(shù)據(jù)，又從哪里得到數(shù)據(jù)呢？與其它公司一樣，蘋果用公開數(shù)據(jù)集訓練神經(jīng)網(wǎng)絡(luò)，但總有需要更新更準確的數(shù)據(jù)的時候，而這又只能從用戶中來。蘋果的做法是在不知道用戶是誰的情況下收集信息。它會對數(shù)據(jù)匿名處理，隨機打上識別信息。
從iOS 10開始，蘋果會開始使用一種名為差分隱私（Differential Privacy）的新技術(shù)，它會對信息進行眾包處理，讓個人身份無法識別。這種技術(shù)可能用在出現(xiàn)新流行詞，而它又不在蘋果知識庫中時；也會用在某個鏈接突然變得與相關(guān)查詢的答案相關(guān)時，或某個表情被大量使用時?！皞鹘y(tǒng)的方式會將用戶每次輸入都傳到服務(wù)器上，然后遍歷數(shù)據(jù)來找到感興趣的東西。但我們有端到端加密，不會這樣行事?！彪m然差分隱私是一個較為學術(shù)的詞，但蘋果想讓它變得更加普及。
Federighi表示，“我們數(shù)年前就開發(fā)研究，做出了能大范圍使用的有趣的成果。它的隱私程度令人驚嘆?！焙唵蝸碚f，差分隱私就是對數(shù)據(jù)的若干片段加入數(shù)學噪音，這樣蘋果能識別用使用模式，又不會辨別出個人身份。蘋果還授權(quán)研究相關(guān)技術(shù)的科技家發(fā)表論文，公布他們的工作。
顯然，機器學習改變了蘋果產(chǎn)品的方方面面，但對于蘋果本身，機器學習改變了什么，還有待觀察。從感覺上說，機器學習似乎與蘋果公司的氣質(zhì)格格不入。蘋果喜歡對用戶體驗進行全方位的控制，所有事情都事先幫你設(shè)計好，代碼極致優(yōu)化。但使用機器學習，就意味著要將一部分決定權(quán)交由軟件處置。將用戶體驗逐漸交給機器控制，蘋果能接受這樣的設(shè)定嗎？
“這件事情引起了內(nèi)部無窮無盡的爭論”，F(xiàn)aderighi 說，“我們對此曾有過非常深入的思考。以往我們根據(jù)經(jīng)驗，從多個維度控制人機交互的種種細節(jié)，以達到最佳的用戶體驗。但如果你開始訓練機器通過大量數(shù)據(jù)模擬人的行為，結(jié)果就不再是蘋果設(shè)計師所擅長的。所有的一切都來自數(shù)據(jù)?！?/p>
但蘋果并沒有回頭，Schiller 說，“盡管這樣的技術(shù)將改變我們的工作方式，但為了做出更高質(zhì)量的產(chǎn)品，我們終將在這條路上越走越遠”。
也許這就是問題的答案：蘋果并不會大張旗鼓地宣揚自己采用了多么先進的機器學習技術(shù)，但他們?nèi)詴M可能地將之運用到產(chǎn)品中，以期獲得更好的用戶體驗。藏在你iPhone中的Apple Brain就是最好的證明。
“典型的蘋果用戶，將在不知不覺中得到機器學習帶來的用戶體驗的提升，并因此更加愛上蘋果產(chǎn)品”。Schiller 說?！白钭屓伺d奮的是，你甚至都感覺不到它的存在，直到有一天你突然意識到，并發(fā)出由衷的感嘆：“這一切是怎么發(fā)生的？”
天網(wǎng)不會到來。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
