在上週釋出的第一份學術論文當中，蘋果介紹了一種特殊的方法來提高計算機視覺系統的識別準確率。
蘋果在上週公佈了自己的第一份學術研究論文，當中介紹了提高計算機視覺系統識別能力的方法。對於這家一向行事神祕的科技公司而言，這種行為還屬頭一遭。
蘋果題為《通過對抗訓練在模擬和無監督影象中學習》的論文在11月中旬提交審查，並在12月22日通過康奈爾大學圖書館公開發布——這距離蘋果停止限制員工釋出人工智慧相關研究才過去不到1個月。
在這篇研究論文當中，蘋果描述了使用合成或計算機生成影象來訓練計算機視覺演算法識別物體的方法。
和真實影象相比，使用合成數據訓練計算機視覺通常具備更高的效率，因為這些由計算機生成的影象通常都是有標記的。
舉個例子，合成的眼鏡或手部影象通常會帶有各自的註釋，而同類型的真實圖片是演算法所未知的，因此需要人類操作者手動新增描述。
但蘋果同時指出，完全以來模擬影象可能也無法獲得讓人滿意的訓練結果，因為計算機生成的內容有時不夠真實，無法提供一個準確的學習集。
為了幫助填補這個空缺，蘋果提出的系統會通過“模擬+無監督學習”的方法來完善模擬器的輸出。也就是說，這種學習方式結合了未新增標記的真實影象資料和有註釋的合成影象。
據悉，這項技術屬於生成對抗網路（GANs）的一部分，後者會使用兩種互相競爭的神經網路——生成器和鑑別器——對抗彼此，來增強辨別生成資料和真實資料的能力。在最近的一項研究當中，GANs成功生成了照片般逼真的“超分辨率”影象。
值得注意的是，蘋果此舉並不一定意味著自己行事態度的突然轉變。這家公司在對待自己科學研究上面會採取何種程度的開放態度，這還需要很長時間的觀察才能確定。但是很顯然，此舉是必要和關鍵的一步。
人工智慧領域的競爭正變得日趨激烈，蘋果過去不願貢獻科學研究的姿態可能嚇走了潛在的人才。如果這種論文公開成為常態，蘋果可能就更容易吸引到相關領域的技術人才，以滿足自己在自動駕駛汽車平臺、Siri和其他AI專案的研究。
