在上周发布的第一份学术论文当中，苹果介绍了一种特殊的方法来提高计算机视觉系统的识别准确率。
苹果在上周公布了自己的第一份学术研究论文，当中介绍了提高计算机视觉系统识别能力的方法。对于这家一向行事神秘的科技公司而言，这种行为还属头一遭。
苹果题为《通过对抗训练在模拟和无监督图像中学习》的论文在11月中旬提交审查，并在12月22日通过康奈尔大学图书馆公开发布——这距离苹果停止限制员工发布人工智能相关研究才过去不到1个月。
在这篇研究论文当中，苹果描述了使用合成或计算机生成图像来训练计算机视觉算法识别物体的方法。
和真实图像相比，使用合成数据训练计算机视觉通常具备更高的效率，因为这些由计算机生成的图像通常都是有标记的。
举个例子，合成的眼镜或手部图像通常会带有各自的注释，而同类型的真实图片是算法所未知的，因此需要人类操作者手动添加描述。
但苹果同时指出，完全以来模拟图像可能也无法获得让人满意的训练结果，因为计算机生成的内容有时不够真实，无法提供一个准确的学习集。
为了帮助填补这个空缺，苹果提出的系统会通过“模拟+无监督学习”的方法来完善模拟器的输出。也就是说，这种学习方式结合了未添加标记的真实图像数据和有注释的合成图像。
据悉，这项技术属于生成对抗网络（GANs）的一部分，后者会使用两种互相竞争的神经网络——生成器和鉴别器——对抗彼此，来增强辨别生成数据和真实数据的能力。在最近的一项研究当中，GANs成功生成了照片般逼真的“超分辨率”图像。
值得注意的是，苹果此举并不一定意味着自己行事态度的突然转变。这家公司在对待自己科学研究上面会采取何种程度的开放态度，这还需要很长时间的观察才能确定。但是很显然，此举是必要和关键的一步。
人工智能领域的竞争正变得日趋激烈，苹果过去不愿贡献科学研究的姿态可能吓走了潜在的人才。如果这种论文公开成为常态，苹果可能就更容易吸引到相关领域的技术人才，以满足自己在自动驾驶汽车平台、Siri和其他AI项目的研究。
