"IPhone X Heavy Release", yüz tanımanın 9 ana özelliği olan A11 yapay zeka çipi ile piyasaya çıktı
1 Xinzhiyuan raporu
13 Eylül sabahı Pekin saatinin erken saatlerinde Apple, yeni akıllı saatler, TV'ler ve cep telefonları gibi bir dizi yeni ürünü piyasaya sürmek için yeni genel merkezinde bir basın toplantısı düzenledi. Bu, teknoloji camiasının en çok ilgisini çeken basın konferanslarından biridir.
Bu yılki Apple ürün lansmanı etkinliği ilk kez Apple'ın yeni genel merkezindeki Steve Jobs Theater'da düzenlendi.Apple CEO'su Tim Cook, lansman etkinliğiyle yaptığı girişte Jobs ruhunu yineledi. Bu konferansta en çok endişelenen Apple'ın yeni cep telefonu efsanevi iPhone 8'di. Şaşırtıcı bir şekilde, Apple'ın bu konferansı en ağır akıllı telefon olan iPhone X'i (Apple 10) getirdi. Face ID'nin kilidini açmak için yüz tanıma özelliğine sahip bu yeni telefon, şimdiye kadar en çok izlenen akıllı telefon üreticisi tarafından piyasaya sürülen en yapay zekalı telefon olmalı.
Her şeyden önce, bu, kablosuz şarjı destekleyen bir Ana Ekran düğmesi olmayan tam ekran bir iPhone.
İPhone X'in en dikkat çekici yönü yüz tanıma yoluyla kilidini açmak.Apple konferansından önce dolaşıma giren bu özellik nihayet onaylandı.
Apple'ın yüz tanıma özelliği 9 ana özelliğin kilidini açar
Appleın basın konferansındaki tanıtımına göre, Appleın Face ID kilidini açmak için yüz tanıma özelliği 9 ana özellik içeriyor:
-
Yüz kimlik doğrulaması
-
TrueDepth kamera
-
Basit doğrulama
-
Özel sinir ağı
-
Doğal ve güvenli
-
Kullanıcı gizliliği
-
Dikkat
-
Uyarlanabilirlik
-
Apple Pay ve diğer uygulamaların bağlanması
Resmi web sitesinin tanıtımına göre Face ID işlevi orijinal derin algılama kamerası ile gerçekleştiriliyor ve kurulumu çok basit. Çıplak gözle görülemeyen 30.000'den fazla ışık noktasını yansıtır ve yüzünüzün hassas ve ayrıntılı bir derinlik haritasını çıkarmak için bunları analiz eder.
Ayrıntılı olarak, güvenlik açısından Apple, yüz tanıma hata oranlarının milyonda bir olduğunu iddia ediyor. Ek olarak, cihaz üzerinde veri işleme gerçekleştirilir ve kullanıcının dikkatinin farkına vararak kilit açma kararı verilir.
Özellikle, başka bir önemli özelliğe bakabilirsiniz: TrueDepth kamera
Teknik çekirdek: Apple A11 ve A11 Bionic çipler
Raporlara göre iPhone X, yapay zeka iş yüklerini işlemek için özelleştirilmiş bir çip kullanacak. Bu, saniyede 600 milyara kadar işlem gerçekleştirebilen çift çekirdekli bir "A11 biyonik sinir motoru" (A11 biyonik sinir motoru) yongasıdır.
Çipin güçlendirdiği en önemli şey, Face ID kimlik doğrulama işlevinin yüzleri hızlı bir şekilde tanımasını sağlamak ve böylece iPhone X'in veya alışverişin kilidini açmaktır.
Bu haber beklenmedik değil. Bu yılın Mayıs ayı başlarında Bloomberg, Apple'ın iPhone için bir AI çipi geliştirdiğini bildirdi, ancak çipin bu yıl en son iPhone ürünlerinde kullanılmaya hazır olup olmadığı belli değil.
Ayrıca, AI yazılımının ihtiyaçlarını karşılamak için çiplerin özelleştirilmesi, sektörde yeni bir trend haline geldi. Alphabet'in Google'ı, veri merkezlerindeki AI bilgi işlem iş yüklerinin üstesinden gelmek için iki nesil çip tasarladı. Microsoft ayrıca HoloLens karma gerçeklik kasklarının gelecekteki sürümleri için bir AI çipi geliştirdi.
İPhone'a yeni bir özel yonga takmak, ana yonganın iş yükünün azalacağı ve dolayısıyla pil ömrünün artacağı anlamına gelir. Aksi takdirde, örneğin video kaydı yapılırken bir cep telefonunun kamerası aracılığıyla nesne tanıma yapıldığında, pil hızlı bir şekilde tükenebilir.
Ek olarak, yakın gelecekte, iPhone dışındaki daha fazla mobil cihaz, AI için işlemciler içerebilir.
Burke, bu yılki Google I / O konferansında şunları söyledi: "Zamanla, sinir ağı çıkarımı ve eğitimi için özel olarak tasarlanmış DSP'lerin (dijital sinyal işlemcileri) ortaya çıkışını görmeyi umuyoruz."
Bugünün haberleri kesinlikle manşetlere girecek olsa da, Apple daha önce iPhone'a AI tarafından kullanılan çipleri koydu. iPhone 7, AI görevlerini hızlandırmak için Intel ve Microsoft tarafından keşfedilen bir FPGA içerir. Forbes'a göre Apple, iPhone7'den önce iPhone'da FPGA kullanmamıştı.
Apple, çip geliştirmeye yabancı değil. Apple, iOS cihazlarında A serisi işlemcilerine dikkat etti ve özellikle akıllı telefonlarda belirli bilgi işlem türü bileşenleri kullandı.
Bu basın toplantısında, Apple'ın daha önce dikkat ettiği ve tanıttığı Siri'ye çok az odaklanıldı ve en son iPhone'da, Ana Sayfa düğmesi olmadan Siri'nin telefonun yanındaki düğme ile uyandırılabileceği özellikle vurgulandı. Siri'nin tanıtım noktası, dokunmatik kontrol olmadan doğrudan sesle uyandırılmadı mı?
Fiyata son bir bakış: 999 dolardan başlıyor.
Apple'ın ilk halka açık yapay zeka belgesi: yüz tanıma üzerine, CVPR 2017 en iyi makale
Apple, 20 Temmuz'da Apple Machine Learning Journal adında yeni bir araştırma blogu başlattı. Apple için yapay zeka araştırma makalelerine adanmış bir blog oldukça yenidir, çünkü Apple genellikle araştırmaları hakkında kamuya açık olarak konuşmaz. proje.
Bu blogda yayınlanan ilk makale, sentezlenmiş görüntülerin sinir ağlarını eğitmek için nasıl daha gerçekçi hale getirileceğiyle ilgilidir. Bu aynı zamanda, Apple tarafından geçen yılın sonunda arXiv'de yayınlanan ilk yapay zeka makalesi olan "Simüle Edilmiş ve Denetlenmemiş Görüntülerden Tartışmalı Eğitim Yoluyla Öğrenme" başlıklı makalenin tanıtımıdır. Bu makale CVPR 2017'de en iyi makaleyi kazanmıştır.
Bu makaleye göre Apple, fotoğraflardaki yüzleri ve diğer nesneleri algılamak için bir sinir ağı eğitmek istiyor. Ancak, sinir ağlarını eğitmek için milyonlarca görüntü örneğiyle devasa veri kümeleri oluşturmak yerine Appleın yaklaşımı, bilgisayar tarafından üretilen karakterlerin sentetik görüntülerini oluşturmak ve bu sentetik görüntüleri daha gerçekçi hale getirmek için bir filtre uygulamaktır. Bu, sinir ağlarını eğitmek için genel yöntemlerden daha ucuz ve daha hızlıdır.
Makine öğrenimi araştırmalarında, sinir ağlarını eğitmek için bilgisayar tarafından oluşturulan görüntüleri (video oyunlarında olduğu gibi) kullanmak, gerçek dünyadaki görüntüleri kullanmaktan daha etkilidir. Çünkü oluşturulan görüntü verileri etiketlenir ve açıklanır ve gerçek görüntü verileri, bilgisayarın baktığı şeyi açıklamak, bunun bir ağaç, köpek, bisiklet vb. Olduğunu söylemek için emek gerektirir. Ancak resim üretme yöntemi de sorunludur çünkü algoritmanın öğrendiği şey her zaman sorunsuz bir şekilde gerçek sahneye aktarılmaz. Apple'ın gazetesine göre, resimleri oluşturmak için kullanılan veriler "çoğu zaman o kadar gerçek değil, sinir ağının yalnızca oluşturulan resimlerin ayrıntılarını öğrenmesine neden oluyor, ancak gerçek resimlere iyi bir şekilde taşınamıyor."
Örneğin kâğıtta kullanılan etiketlenmemiş gerçek görüntüler, sentezlenmiş görüntüler ve iyileştirilmiş görüntüler insan gözü resimleridir Belki de iPhone X'in yeni Face ID özelliği bu yöntemden yararlanabilir. , Ve Apple'ın kamuoyuna açıklamadığı daha fazla araştırma sonucu?
Şekil: Model etiketlenmemiş gerçek verileri kullanır ve simülatör, açıklama bilgilerini korurken sentezlenen görüntünün gerçekliğini iyileştirmek için kullanılır.
Adres: https://arxiv.org/abs/1612.07828
Daha Akıllı Siri
Apple Makine Öğrenimi Blogu, Ağustos ayında Siri ekibinden 3 teknik makale yayınladı:
-
Çapraz Bant Genişliği ve Çapraz Dil Başlatma ile Sinir Ağı Akustik Modellerini İyileştirme
-
Etiketleme Problemi Olarak Ters Metin Normalleştirmesi
-
Sirinin Sesi için Derin Öğrenme: Hibrit Ünite Seçimi Sentezi için Cihaz Üzerinde Derin Karışım Yoğunluğu Ağları (Sirinin Sesi için Derin Öğrenme: Hibrit Ünite Seçimi Sentezi için Cihaz Üzerinde Derin Karışım Yoğunluğu Ağları)
Üç makalenin konuları, Siri'nin arkasındaki teknolojik gelişmeleri tanıtan çok gelişmiş görünüyor. İlk makale, Siri'nin yeni dil sürümünün doğruluğunu önemli ölçüde iyileştirmek için akustik model verilerini kullanarak aktarım öğrenme teknolojisini tartışıyor ve Siri'nin daha fazla dili desteklemesine izin veriyor; ikinci makale, Siri'nin tarih ve saati biçimlendirmek için makine öğrenimini nasıl kullandığını açıklıyor. , Konum vb. Üçüncü bölüm, Siri'nin sesinin evrimini daha kapsamlı bir şekilde tanıtıyor ve Siri'yi daha konuşkan hale getirmek için derin öğrenmenin nasıl kullanılacağını tartışıyor.
Özellikle, Siri 2014 ortasında derin bir sinir ağı (DNN) kullanarak yeni bir konuşma tanıma motoru başlattı. İlk olarak Amerikan İngilizcesinde kullanıldı ve 2015 ortasına kadar 13 dile genişletildi. Diğer dillere sorunsuz bir şekilde genişlemek için Apple araştırmacılarının, yüksek kaliteli akustik modeller oluşturma sorununu çözmek için sınırlı kopyalanmış verileri kullanması gerekiyor. Daha az sayıdaki dar bant Bluetooth ses sorununu çözmek için görece daha fazla bant sınırı ve toplaması daha kolay geniş bant ses kullanmayı önerirler. Transfer öğrenme çerçevesinin üstünde sinir ağı başlatmayı kullandılar.
Şekil: Dar bant Bluetooth testindeki kelime hata oranı
Şekil: Çapraz dil başlatma
Söylemeye değer başka bir şey de Siri'nin metin okuma (TTS) sistemidir:
İOS 9'dan iOS 11'e, Siri'nin ses karşılaştırması
Makale adresi: https://machinelearning.apple.com/
İş ayrıntılarını görüntülemek için orijinal metni okumak için tıklayın ve katılmanızı dört gözle bekleyin ~
