機器之能， 是機器之心旗下關注全球人工智慧產業應用場景及商業化的內容帳號。 歡迎關注與互動：almosthuman2017
醉翁之意在人才。 蘋果表示， 你來我司工作並不意味著不能發表自己的研究。
來源 | wired
編譯 | 微胖
這幾年來， 蘋果神秘的自動駕駛項目不斷變換著重心， 不過今年似乎加快步伐了。
四月， 蘋果獲得加州自動駕駛路測許可。 蘋果 CEO 庫克也證實， 公司正在研發可以讓汽車（以及其他工具）自動行駛的軟體。
最近， 在頂會 NIPS 的一次研討會上， 在 200 多位 AI 專家面前， 蘋果 AI 主管 Ruslan Salakhutdinov 又介紹了公司近期在機器學習方面的進展。
Salakhutdinov 首次向大家展示了蘋果於 11 月發佈的首篇關於自動駕駛技術論文的相關資料。
11 月 17 日， 兩名正在研究自動駕駛技術的蘋果電腦科學家給線上期刊 arXiv 提交一篇論文。 他們在論文中介紹了一款蘋果研發的全新軟體 VoxelNet， 用於説明系統探測 3D 物體， 提升雷射雷達系統功能。
VoxelNet 細節
Salakhutdinov 也披露了一些之前尚未公開過的研究。
比如， 根據來自交通工具上單個或多個攝像頭的圖像資料， 識別汽車、行人以及道路上可駕駛車道的系統軟體。
他展示了一些圖片， 表明即使在攝像頭被雨點模糊、行人部分被停著的汽車擋住的情況下， 系統也可以做出良好的推斷。
「如果你在五年前問我有沒有可能做到這些， 我是沒有把握的。 」他表示。
他還介紹了一個與 SLAM 有關的專案。 SLAM 的英文全程是 Simultaneous Localization and Mapping， 中文稱作「同時定位與地圖創建」。 SLAM 試圖解決這樣的問題：一個機器人在未知的環境中運動， 如何通過對環境的觀測確定自身的運動軌跡， 同時構建出環境的地圖。 SLAM 技術正是為了實現這個目標涉及到的諸多技術的總和。
通常， SLAM 被用於機器人和自動駕駛， 也見於地圖繪製和虛擬實境， 也屬於機器人和電腦視覺領域的熱門研究方向。
最後， 他談到了一個項目：如何利用從汽車獲取資料， 比如交通信號燈以及路標， 協助搭建更加豐富的 3D 地圖。 幾乎所有的自動駕駛車輛原型， 都離不開高精地圖。
雖然 Salakhutdinov 並未深入談及這些研究如何被用於蘋果自動駕駛專案， 專案的規模和範圍仍未可知， 但是蘋果似乎專注於自動駕駛「大腦」的研發。
不過， 吸引蘋果公司參加這次盛會的首要原因是人才短缺問題， 而不是技術共用。
在這次盛會上， 蘋果工程師也介紹了其他公司產品使用機器學習的情況， 比如 Siri 以及 Face ID。
公司機器學習主管、華盛頓大學教授 Carlos Guestrin 介紹了公司為入職工程師們提供的強大的機器學習系統和大資料集，
當 Carlos Guestrin 宣佈蘋果開源 Turi Create 以幫助開發者更便利地使用機器學習時， 這一舉措贏得了在場專家們的熱烈掌聲。 去年夏天， Guestrin 的創業公司 Turi 被蘋果收購， 隨後他也加入蘋果。
蘋果為公司產品研發了不少機器學習技術， 但是， 公司仍然只願透露非常小的一部分。 自從2016年10月 Salakhutdinov 加入蘋果後， 公司大約只發表了 5 篇機器學習方面的學術論文， 公司也會在博客上發表一些技術博文。
而穀歌母公司為這次頂會貢獻了 60 多篇論文。