本文全文编译自Backchannel 编辑Steven Levy 的相关文章《The iBrain is Here：and it’s already inside your phone》，在最大程度保留文章原貌的基础上进行了极少数删减。

　　Steven Levy 前不久有幸前往苹果库比提诺“飞碟”总部，并且在数位苹果核心高管的陪同下详细的了解了人工智能技术目前以及将来在苹果产品中的应用。本文也是苹果科技“软实力”的一次大汇总，非常有阅读的价值。

　　以下是编译全文：

　　独家内部视角看人工智能和机器学习如何改变苹果

　　2014 年7 月30 日，Siri 做了一次“脑部移植手术”。

　　三年前的那个日子，苹果成为第一家将智能助手移植到自己系统的主流科技企业。在更早的日子里，Siri 这款在2010 年通过收购纳入囊中的产品一直以独立应用程序的形式存在。

　　刚推出之时，大家对Siri 都欣喜若狂，但随着时间流逝，用户却愈发对其缺点变得不耐烦，因为它经常性地误解命令，产品微调之后也不见提升。

　　于是，苹果在那个7 月30 日做了一个重要决定：把美国用户的Siri 语音识别迁移到以“神经网络”为基础的新系统中，随后在8 月15 日推广到全世界用户。

　　在新系统中，“隐性马尔可夫模型”等一系列“老”技术仍在使用，但是更重要的是引入机器学习技术，包括“深度神经网络(DNN)”、“卷积神经网络”、“长短期记忆单元”、“门控性电源(gated recurrent units)”、以及“n-grams”。

　　经过这次升级，Siri 虽然看起来仍然一样，但是却得到了深度学习的强力buff。

　　为了不让自己的竞争对手从Siri 上获得启发，苹果再次采取了高度保密的策略。而用户最多也只能体会到Siri 犯的错越来越少了。直到最近的揭秘，苹果才公开谈论起当时的效果——准确率的提升幅度是惊人的。

　　苹果高级互联网软件及服务副总裁Eddy Cue

　　Eddy Cue 表示：“这次提升非常明显，以至于有人专门核对了一次准确率的数字，以免不小心漏掉了小数点。(提升了至少一位数)”

　　Siri 这次的“华丽变身”，也让人工智能业界“惊讶”，但不是因为他们的成绩，更多的是因为苹果如此低调，但又能如此出色的完成这个任务。

　　即便苹果最近在人工智能领域加大了人才的招聘力度，也做了一些高调的创业公司收购，大多数人还是将苹果视为这个火热领域的落后者。同时又因为苹果的高度保密，让人工智能相应的专家也不清楚他们在机器学习相关进展。正如斯坦福人工智能历史课程讲师Jerry Kaplan 所说：

　　苹果并没有在人工智能社区中出现，有点像人工智能领域的NSA(美国国家安全局)。

　　相比之下，其他硅谷独角兽Google 和Facebook 在人工智能领域的努力，则更容易为外界所捕获，并且传播开来。

　　当然也有人会持有反对意见，来自Allen AI 研究所的Oren Etzioni 算一个：

　　Google、Facebook、微软里都有顶尖的机器学习人才。而苹果的确也聘用了一些人工智能方面的人才，但是公认的机器学习5 位领袖都不在内。

　　而且即便苹果已经用人工智能实现了语音的识别能力，但是接下来苹果会将机器学习加入到什么功能之中?这仍然是个谜。

　　不过这个也不怪Oren Etzioni，这个月早些时候，苹果秘密地展示了他们产品应用机器学习技术的进展，可惜对象不是他，而是我。

　　在好几位苹果高管(包括上文提到的Eddy Cue、高级全球市场副总裁Phil Schiller、高级软件工程副总裁Craig Federighi，后两者一直也被视为苹果人工智能方面的关键性科学家)的陪同下，我在苹果库比提诺的飞船总部里面花了几乎一整天，完整地了解机器学习在苹果应用中目前以及未来的应用情况。

　　当我们坐下之后，他们就递给我了一份两页而且“满满当当”的日程列表，上面全是机器学习在苹果产品和服务中的应用，除了已经实现、甚至还包括了他们即将讨论的项目。

　　从这份列表中，你还能比较容易地提取出一个核心信息：

　　苹果已经进入了人工智能领域，而且绝不甘心成为“第二”这样的角色，还将会采用一条不同于别人的路径。

　　拥有iPhone 的人看起来都是苹果人工智能技术的直接受益者，但实际上不仅仅是因为Siri 能够很准确的理解你在问它什么。哪怕有人最近只是邮件了你，他都会出现在“最近联系人”之列;侧滑之后出现的“你接下来最可能打开的应用”列表;提醒你在“提醒事项”中标记了、但又没有放进日程表的约会;在你输入全名之前将你已经预定了的酒店地点推送出来;甚至是在你没有询问的情况下直接把停车地点指示给你。

　　以上这些例子都跟深度学习和神经网络有关系，有些是因此变得可能，其他至少也得到了大幅度的增强。

　　没错，一颗真正的“苹果大脑”——就藏在你的手机里。

?

　　脸部识别?苹果借助其神经网络技术，加入了混战

　　根据我拿到的简介来看，机器学习已经渗透到苹果产品和服务的每个角落。比如苹果使用深度学习来检测App Store 骗保行为，延长所有设备的电池寿命，从成千上万份beta 版报告中发现最有价值的用户反馈。

　　而机器学习则让苹果能够选择适合你的新闻;也能让Apple Watch 分辨出你究竟是在锻炼还是在闲逛;它能变成出你图片中的面孔和地点;在Wi-Fi 信号比较弱的情况下是否要转换到移动网络;它甚至能化身为一名优秀“电影制作人”，轻轻点击一下就能快速地把你的照片还有影像片段拼合到一起。

　　苹果的竞争者也在做着类似的东西，但是可以确定的是，在保护隐私这件事苹果绝对是把人工智能技术用到了“极致”(这里指的是差分隐私技术，点击查看爱范儿相关报道)。当然，他们也并没有打造出像苹果的产品。

　　而且人工智能对于苹果来说不算“新东西”，早在1990 年代，苹果已经开始使用机器学习技术开发笔记识别程序(Newton 平板)。这个研究成果在目前的苹果产品上依旧有用，这也是为什么苹果能很好地识别你的“狂草”。这跟苹果一直都设有专门的机器学习团队也有关系。

　　早期的机器学习非常原始，深度学习更一直被视为一个梦想，与现在成为“潮流”的情况相差甚远。但是苹果被套上了“落后者”形象这件事直接导致了Tim Cook 最近专门站出来发话，表示苹果其实一直都在人工智能领域，只不过没有专门去宣传而已。连带着让一大批苹果高层最近也开展了宣传攻势。

　　Apple Watch 上面的减肥应用，也有机器学习技术的加成

　　在苹果高级全球市场副总裁Phil Schiller 看来：

　　人工智能最近5 年为苹果带来的增长大家有目共睹，我们设备智能化的速度变得更快，特别是在苹果自己设计的一系列芯片帮助下。我们的设备变得更智能、更快，而我们所做的每一件事情，实际上都是为了让事物能够更好的链接到一起。

　　而更强大的硬件也让我们能够运用越来越多的机器学习技巧，因为他们提供了非常多的东西给我们进行学习。

　　虽然苹果已经选择了“拥抱”机器学习，但是他们并没有放弃基础原则。在这群库比提诺的先锋者们眼里，深度学习和机器学习只是不断出现的新技术之流中最新的那几个。

　　它们拥有改变事物的能力，但并不一定超过一些其他技术优势，比如触屏、平板电脑、面向对象的编程技术等。在苹果眼里，机器并非其他公司口中的“人机交互终极目标”。Eddy Cue 对此就曾表示：

　　这并不会摧毁这么多年以来建立的人机交互方式。

　　除此之外，我们还谈论到了一些大家非常关心的话题：苹果对于机器是否将取代人类没有兴趣;不确认苹果是否会制造无人驾驶汽车;甚至是打造苹果自己版本的Netflix;承诺苹果不会打造终结人类的“天网”等等。

　　Phil Schiller 还单独做了一个小总结：

　　我们将利用这些技术，从而比之前更好地做我们想要做的东西，或者完成一些我们之前无法做到的事。最终以非常苹果的方式打造我们的产品。

　　他们随后还拓展解释了一下上述观点，内容主要集中在两个方面，一个是人工智能究竟从何种程度改变了苹果目前的生态系统。

　　第二个是苹果为什么出于用户隐私保护的目的，干掉普通的信息收集引擎(要知道，大量的数据可以会极大的改善神经网络的能力)，从而确保用户的数据不会被其他人滥用。很明显，苹果已经有了跨越这两个“障碍”的方法。

　　那么这个“苹果大脑”究竟有多大呢?怎样才能驱动iPhone 之上的机器学习能力呢?而苹果官方透露出来的大小是200 MB 左右，这个大小会随着用户保存的个人信息的多少而改变。这其中包括了应用使用频率、跟别人的交互、神经网络处理、语音识别模型、以及“自然语言模型”。

　　当然，它还包括了用神经网络加成的对象识别，脸部识别以及场景分辨。

　　因为所有新应用的大前提，都是用户的偏好以及经历等隐私不被公开。

　　尽管苹果没有把他们在AI 方面的努力摊开来讲，但我设法弄明白了他们怎么在组织里分配机器学习的专业知识。公司可以共享这些机器学习方面的人才，提供给那些用机器学习来解决问题并且开发个人方面产品的产品团队。Craig Federighi 对此解释到：

　　机器学习的最高境界就是不要有一个集中的组织。我们试着把它和需要用来交付正确用户体验的团队拉近距离。

　　那么苹果有多少人在做机器学习方面工作?Federighi 在再三催促下给出的答案只是两个字“很多”。(如果你以为他可能会给我那个数字，那就是你不了解苹果了。)有意思的是，苹果很多从事机器学习的员工在加入之前都没有受过人工智能的教学。“我们雇佣的这些人在数学、统计数据、编程语言、密码学这些基础领域有特长。”Federighi 接下来也解释了这种现象的原因：这些其他方向的核心天才可以完美的转换到机器学习领域，虽然我们当下还在继续招聘机器学习的专业人才，但是我们一直在继续寻找有核心能力和天赋的人。