AD
为了争夺AI人才，苹果也不得不开始转向开放。
今年7月，这家以信息保密严格著称的公司终于推出了一个专门用于介绍其AI工作的博客——Apple Machine Learning Journal。除此之外，苹果也开始允许其研究员在公开场合发表言论，比如苹果Siri语音助手的开发者之一Tom Gruber曾于4月参加TED演讲。
AI First
对于其他硅谷科技企业来说，这些是很常见的动作，但对于相对封闭的苹果而言意义很不一样。
苹果CEO库克曾调侃的表示，苹果做得最好的事情之一，可能就是保密比CIA做得更好。
如今出现这种转变的主要原因在于，AI在自动驾驶汽车以及Siri语音助手等的应用上愈发重要。包括谷歌、微软以及Facebook在内，苹果的竞争对手们纷纷转向“AI First”，多年来一直明里暗里争抢AI人才，其中既包括博士毕业生，也包括知名的大学教授。
以Facebook为例，数年前其在AI上的积累还是几乎一无所有，目前已经拥有两大实验室，同时布局于基础研究以及产品应用。
其中一个实验室叫Facebook AI研究项目（FAIR），由来自纽约大学计算机教授Yann LeCun负责，专注于基础科学及长期研究。另外一个叫应用机器学习部门（AML），由西班牙裔机器学习专家Joaquin Candela带领，这个团队的主要工作就是将技术用于现有Facebook产品。
谷歌已于去年底将未来发展战略从“Mobile First”调整为“AI First”。在今年5月举行的谷歌 I/O 2017开发者大会上，谷歌CEO Sundar Pichai再次表示，在AI-first 的世界里，公司正在反思所有的产品，“你能想到的每一样 Google 核心产品，背后都有机器学习和深度学习技术。”
在人才的储备上，2013年多伦多大学教授Geoffrey Hinton加入谷歌，一度引起轰动。这是因为，从整个神经网络和深度学习的历史看，最重要的拐点是2006年7月，当时Hinton的两篇论文开创了深度学习方向，他也因此被称为“神经网络之父”、“深度学习鼻祖”。单单是Facebook和谷歌这两家企业，在过去几年中发表的研究论文就多达数百篇。尽管苹果已经展现出在AI领域逐步开放的姿态，但其论文数量仍寥寥无几，Apple Machine Learning Journal上发表的论文数量迄今仅有4篇。
苹果奋起不过苹果也并不甘做AI领域“追赶者”，今年6月的WWDC 2017是苹果迄今为止发布时间最长、产品最密集的开发者大会，苹果虽然没有单独讲“机器学习”，但发布的多个新产品和应用都伴有“AI”、“机器学习”的影子。
苹果于2014年将Siri的语音识别移植到了基于神经网络的系统上，使用深度学习对它进行了极大的增强。在6月开发者大会上，Siri有了一系列的升级，这些升级集成为大会上介绍的Siri Intelligence。
此外，苹果还发布了在AI方向的最新成果——Core ML。这是一款运用于移动设备的人工智能开发API，将支持很多主流的机器学习工具，支持深度神经网络、循环神经网络、卷积神经网络、支持向量机、树集成、线性模型。
此外值得注意的是，去年10月，卡耐基梅隆大学副教授Ruslan Salakhutdinov加入苹果，成为首任AI总监。对于深度学习领域的学者来说，Salakhutdinov并非籍籍无名之辈。
上述提到的两篇开创了深度学习方向的论文，是Geoffrey Hinton为第一作者的《A Fast Learning Algorithm for Deep Belief Nets》和《Reducing the Dimensionality of Data with Neural Networks》。在第二篇中，作为Hinton门下博士生的Salakhutdinov正是其第二作者。从2006年的标志性论文发表到现在为止的十年中，Salakhutdinov的研究成果层出不穷，其论文总引用数量约2万次。
在加入苹果后不久，Salakhutdinov在12月宣布：“苹果员工也可以发表论文。”当月，康奈尔大学图书馆就发表了他上任以来苹果的首篇研究论文，主题为改善图像识别。
今年初，Salakhutdinov又表示，苹果将会发表更多研究成果，不过并未提及数量，称“产出高质量的研究成果非常重要。”
