Apple publicó su primer trabajo de IA

Capacitación de una red neuronal competitiva basada en imágenes reales anotadas sintéticas y no anotadas. Ilustración del primer trabajo de investigación de

inteligencia artificial de Apple: imagine un futuro en el que los sistemas de inteligencia artificial de grandes corporaciones compitan entre sí y ganen dinero para sus accionistas. Por supuesto, la IA corporativa se centrará en maximizar las ganancias. Es bueno si los accionistas de la empresa son personas y el beneficio recae en ellos. Los programas de inteligencia artificial pueden analizar el mercado, determinar los nichos de mercado más prometedores y establecer tareas de los empleados para desarrollar nuevos productos. Es posible que la IA pueda generar productos por sí misma, pero deben probarse en público, por lo que las corporaciones aún necesitan empleados vivos para realizar las pruebas.

Tal futuro ciberpunk se está acercando un poco.

Google, Facebook, Microsoft y otras grandes corporaciones se están desarrollando activamente en el campo de los sistemas de inteligencia artificial débiles con funcionalidad limitada. Apple también lidera su desarrollo, pero hasta ahora esta compañía con su cercanía característica no ha publicado un solo trabajo científico. Nadie sabía en qué estaba trabajando. Y, sobre todo, Apple perdió por su cercanía.

Ahora Apple finalmente ha publicado su primer trabajo.en el campo de la inteligencia artificial. E incluso si el tema del primer trabajo no es tan global, es solo una mejora en la calidad de la enseñanza de una red neuronal competitiva sin un maestro en imágenes sintéticas ("Aprendiendo de imágenes simuladas y no supervisadas a través de entrenamiento adverso"). El hecho en sí es importante de que la "compañía de la manzana" tenga unidades de investigación que trabajen en esta área prometedora. Primero, las redes neuronales están entrenadas para crear bellas imágenes, pero luego comenzarán a resolver problemas más complejos.

Apple ha estado trabajando en sistemas de inteligencia artificial durante varios años. Una confirmación clara fue el asistente de voz Siri, que apareció en el iPhone en 2011, un chatbot con funciones adicionales. Parecía bastante interesante para su tiempo. Pero a lo largo de los años, los científicos de Apple no han publicado .

, , Apple . . , Apple , , . , . , — , . , Apple .

En diciembre de 2016, la política de Apple en esta área finalmente cambió. El 5 de diciembre de 2016, en la conferencia de Neural Information Processing Systems en Barcelona , Russ Salakhutdinov, Director de Investigación de Inteligencia Artificial en Apple, asumió este cargo en octubre cuando venía de la Universidad Carnegie Mellon. Le dijo al público que Apple publicará en adelante su trabajo de IA, como lo hacen otras compañías.


Una diapositiva de la presentación de Salakhutdinov el 5 de diciembre de 2016

Apple contrató a un director de investigación de IA y cambió la política, porque muchos especialistas geniales en este campo simplemente se negaron a trabajar para la "compañía de la manzana" debido a su política cerrada. ¿Cuál es el objetivo de un gran salario si nadie sabe acerca de su trabajo?

Para compensar los problemas con la contratación de científicos, Apple se centró en comprar nuevas empresas. Este año compró Turi Inc. por $ 200 millones y media docena de otras nuevas empresas , incluida la India Tuplejump Software Pvt Ltd (especializada en minería de datos rápida), Emotient (el desarrollo de sistemas de IA que reconocen y responden a las emociones en la cara de una persona). De Apple, puede esperar los desarrollos más "humanos" en el campo de la IA, es decir, aquellos que interactúan directamente con los humanos. El reconocimiento de las emociones y la reacción a ellas encajan bastante aquí, lo que hace la startup recién comprada.

El primer artículo científico de Apple describe la tecnología para mejorar la calidad del entrenamiento de redes neuronales. Recientemente, las imágenes sintéticas a menudo se han usado para entrenar una red neuronal (en redes neuronales competitivas, un generador está involucrado en la generación de imágenes, y su naturaleza discriminatoria está determinada por el discriminador). Es más fácil crear la gran base necesaria para entrenar la red neuronal. Entonces, los investigadores de Apple han encontrado una manera de hacer que dicho entrenamiento sea más efectivo al agregar fotorrealismo a las imágenes sintéticas usando una base de datos de fotos reales y un "refinador" (mejorador).



El entrenamiento de redes neuronales en imágenes sintéticas es efectivo porque ya están anotadas y etiquetadas. Pero una red neuronal entrenada en ellos difícilmente puede transferir su conocimiento al mundo real, cuya apariencia está lejos de ser imágenes sintéticas. El desarrollo de Apple resuelve este problema.

El artículo científico fue publicado el 22 de diciembre de 2016 en el dominio público en el sitio de preimpresión arXiv.org (arXiv: 1612.07828). Los autores de la investigación son seis empleados de Apple, incluido Josh Susskind, cofundador de la startup Emotient Emotion Recognition que Apple compró recientemente.