北京時間 6 月 5 日凌晨,，蘋果 2018 年全球開發(fā)者大會 (WWDC) 在圣何塞的 McEnery 會議中心開幕,。在去年的開發(fā)者大會上，圍繞軟、硬件,，蘋果介紹了融合機器學習與人工智能的產(chǎn)品,，例如 CoreML 框架、智能音箱 HomePod 等,。

而在今年的開發(fā)者大會上,，蘋果的核心放在了軟件上。從 IOS 12 開始,，庫克開啟了今年的 WWDC,。而在機器學習方面，蘋果發(fā)布了最新的 Create ML 與 Core ML 2,。

Create ML

Create ML 文檔地址：https://developer.apple.com/documentation/create_ml

在蘋果開發(fā)者文檔介紹中,，Create ML 的目標是為應用程序創(chuàng)建機器學習模型。開發(fā)者可以使用 Swift 與 macOS 試驗場等熟悉的工具在 Mac 上創(chuàng)建和訓練定制化的機器學習模型,，例如用于圖像識別,、文本語義抽取或數(shù)值關系搜索等任務的模型。

據(jù)介紹,，開發(fā)者可以使用具有代表性的樣本訓練模型來做模式識別,，例如使用大量不同種類的狗以訓練模型識別「狗」。在訓練完模型后,，開發(fā)者在模型沒見過的數(shù)據(jù)集上測試并評估它的性能,。當模型有較好的性能時，就能使用 Core ML 將其集成到應用程序中,。

Create ML 利用機器學習基礎設施建立進蘋果 Photos 和 Siri 這樣的產(chǎn)品中,。這意味著你的圖片分類和自然語言處理模型可以變得更小、花費更少的訓練時間,。

目前 Create ML 支持的任務主要包含計算機視覺,、自然語言處理和其它使用標注信息進行預測的一般模型。在計算機視覺中,，開發(fā)者可以訓練一個機器學習模型以完成圖像識別任務,。重要的是，開發(fā)者在這一過程中可以使用 Xcode 試驗場的 UI 來訓練模型,。自然語言處理主要展示了如何使用機器學習做文本分類,，它允許創(chuàng)建文本級的自然語言分類與詞匯級地分類標注,。

當然其它任務還有一般的分類問題與回歸問題,，Create ML 允許開發(fā)者訓練一個模型以將數(shù)據(jù)分類為離散的類別或連續(xù)的數(shù)值。除此之外,，Create ML 還展示了機器學習很多模塊,，包括用來提升分類或回歸模型性能的度量方法和格式化數(shù)據(jù)的方法等。

如下我們將簡要展示如何使用 Create ML 創(chuàng)建圖像分類應用。簡單而言,，我們希望給定分類器一些圖像的,，然后它會輸出圖像的具體類別。當然首先我們需要準備一些訓練樣本,，包括圖像與對應標注,。然后在 Xcode 試驗場中創(chuàng)建一個 MLImageClassifierBuilder 實例，并以實時的方式查看：

// Import CreateMLUI to train the image classifier in the UI.
// For other Create ML tasks, import CreateML instead.
import CreateMLUI

let builder = MLImageClassifierBuilder()
builder.showInLiveView()

先顯示 Xcode 中的助理編輯器,，然后再運行試驗場（Playground）,，這樣實時的方式就會顯示一個圖像分類器：

隨后的訓練和評估過程都是直接拖拽訓練數(shù)據(jù)集與測試數(shù)據(jù)集完成，非常方便,。如下將測試數(shù)據(jù)集拖拽到圖中位置后就可以開始測試性能：

當開發(fā)者完成訓練并獲得滿意的性能時,，一般就能保存為 Core ML 模型并添加到應用程序中：

Core ML 2

去年，蘋果發(fā)布了 Core ML,。這是一個在蘋果產(chǎn)品上（包括 Siri,、Camera 和 QuickTyPe）使用的設備上高性能機器學習框架。Core ML 能夠幫助開發(fā)者快速的融合多種機器學習模型到 APP 中,，包括多層的深度學習模型以及標準的 SVM,、線性模型等。此外,，Core ML 為設備性能進行了優(yōu)化,，從而減少了內存占用和功耗。嚴格在設備上運行能夠確保用戶數(shù)據(jù)的隱私,，并且能保證你的應用在沒有網(wǎng)絡連接時也能夠工作和響應,。

Core ML 支持用于圖像分析的 Vision；用于自然語言處理的 Foundation（比如 NSLinguisticTagger 類）和用于評估已經(jīng)學習到的決策樹的 GameplayKit,。Core ML 本身構建于低層面的原語（primitives）之上,，比如 Accelerate、BNNS 和 Metal Performance Shaders,。

今天,，蘋果發(fā)布了 Core ML 2，一個更好的升級版本,。據(jù)蘋果軟件高級副總裁 Craig Federighi 介紹,，相比于上一版本使用 Batch 預測速度快了 30% 左右，使用 Quantization 模型大小減少了 75% 左右,。

小結

歷史 2 個多小時 Keynote,，蘋果介紹了自己的多個軟件。除了發(fā)布 Create ML 與 Core ML 2 之外當然還介紹了其他在人工智能領域的應用,，例如隱私保護,、Siri,、圖片等。

其實,，從 2016 年 Backchannel 對蘋果人工智能的專題報道開始,，人們對這家公司的 AI 研究與產(chǎn)品都極為關注，而后這家公司在 AI 方面的動作不斷,。最近,，蘋果從谷歌挖來了 John Giannandrea 來負責機器學習與 AI 策略。此外,，一直也有消息透露蘋果在開發(fā)自己的芯片來加速計算機視覺,、語音識別等 AI 應用。

期待未來蘋果在產(chǎn)品融合人工智能上給我們帶來更大的驚喜