美國當地時間周三 ， 蘋果公司(Apple)在其A系列處理器中推出了第二版“神經引擎”(neural engine) ， 呼吁開發者在移動設備上為機器學習（ML）引入更多用例 。 這應該有助于在智能手機上普及人工智能（AI） 。
在AI更廣泛的領域內 ， 機器學習中最棘手的問題之一 ， 就是找出計算機應該解決的問題 。 只有當某件事情被框定為尋找問題的解決方案時 ， 計算機才能夠學習和理解 。 蘋果正試圖通過吸引開發者使用其芯片和軟件編程工具來為移動設備上的神經網絡提供新的用例 ， 來應對這一挑戰 。
周三在庫比蒂諾(Cupertino)總部舉行的新品發布會上 ， 蘋果討論了iPhone XS、iPhoneXS Max和iPhoneXR的“神經引擎” 。 “神經引擎”是iPhone的A系列處理器的一個部分 ， 專門用于研究機器學習工作負載 。
今年的A12芯片采用的是“神經引擎”的第二版本 ， 它于去年首次在iPhone X的A11處理器上亮相 。 新版“神經引擎”有8個核心 ， 高于之前的2個 。 蘋果公司表示 ， 這使得電路可以每秒處理5萬億次運算 ， 而去年這個數字為6000億次 。
如何利用這些專門的計算能力本身也存在問題 。 蘋果有些建議 ， 但它顯然希望開發者使用其機器學習編程開發工具包Core ML來填補空白 。 去年的iPhone X已經使用“神經引擎”進行面部識別 。 昨天 ， 該公司的營銷主管菲爾·席勒(Phil Schiller)討論了iPhone XS現在如何讓“神經引擎”與芯片的另一個領域 ， 即專門用于照片處理的功能——圖像信號處理器共同工作 。
綜合起來講 ， “神經引擎”可以幫助圖像信號處理器創建更清晰的“分割掩?！?， 以辨別人臉在圖像中的特征 。 這可以用來改善在拍攝人像時對臉部的照明 。 為了展示開發者可以做什么 ， 蘋果邀請Nex Team上臺 ， 這是個正在構建增強現實（AR）應用程序的初創公司 。 他們展示了如何使用籃球錄像訓練球員 。
在咨詢了菲尼克斯太陽隊（Pheonix Suns）前球星、現任職業教練的史蒂夫·納什(Steve Nash)后 ， Nex Team公司開發出一個程序 ， 可以拍攝視頻 ， 并實時跟蹤視頻中球員在籃筐前練習投籃的姿勢 。 這種應用還可實時繪制籃球的飛行軌跡 ， 并收集各種其他指標 。 因此 ， 訓練可以被重新定義為一個ML問題 ， 即如何使用移動視頻來衡量支撐最佳運動員表現的統計數據 。
與像Nex Team這樣的開發者簽約是一種方式 ， 可以讓蘋果和其他不同芯片開發者保持一定的距離 ， 這些芯片開發商要么是為了開發AI而研制商用硅 ， 要么是為了讓自家手機變得更加強大而加強內部努力 。 例如 ， 芯片巨頭高通(Qualcomm)在其驍龍移動處理器生產線中加入了AI 。 華為在其智能手機的麒麟芯片中植入了AI電路 ， 三星也在其Galaxy智能手機上采用了Exynos處理器 。
芯片研究公司林利集團(the Linley Group)首席分析師林利·格溫納普(Linley Gwennap)說 ， 就像數字信號處理器(從CPU那里接管數學功能 ， 比如視頻解碼)一樣 ， 機器學習電路正在預測移動設備中ML工作負載的波動
他說:“這遵循了某個公認的路徑 ， 你不希望在很多事情上使用CPU ， 而把一個普通的函數放到一個單獨的函數塊中總是更有效率 。 CPU可以運行簡單的神經網絡來進行人臉識別和其他操作 ， 但當你把同樣的任務交給硬件處理器時 ， 比如神經引擎 ， 它可以做同樣的工作 ， 而且只需要十分之一的CPU功耗 。 ”
格溫納普舉例稱：“在卷積神經網絡中 ， 大約80%的計算是矩陣乘法 。 ”他指的是最常見的機器學習結構之一的“原語”之一 。 識別這些常見的原語是一種簡單的方法 ， 可以在各種各樣的AI工作負載中提高性能 ， 即使算法會發生變化 。
