文 | PRANAV DAR

翻译 & 编辑 | strongnine

原文：How Machine Learning Algorithms & Hardware Power Apple’s Latest Watch and iPhones

链接：

https://www.analyticsvidhya.com/blog/2018/09/how-machine-learning-hardware-and-algorithms-power-apples-latest-watch-and-iphones/

机器学习算法和硬件如何让苹果最新的手表和 iPhone 变得更好

前言

现在是成为数据科学家的好时机 —— 所有顶尖的科技巨头都在将机器学习集成到他们的旗舰产品中，对这类专业人士的需求正处于历史最高水平。而且它只会变得更好！

苹果一直是机器学习的主要倡导者，它们已经把例如 FaceID，增强现实，Animoji，医疗传感器等特色包装到自己的产品中。当在看苹果的发布会时，我不禁对他们开发出的使用机器学习算法的新芯片技术感到惊奇。

在这篇文章，我们将细数苹果使用机器学习来丰富用户体验的一些方法。相信我，有些数字会让你大吃一惊。

如果你已经迫不及待地想要开始用苹果的 CoreML 在 iPhone 上构建你的第一个 ML 模型，看看这篇优秀的文章吧！

链接：

https://www.analyticsvidhya.com/blog/2017/09/build-machine-learning-iphone-apple-coreml/

A12 芯片

由苹果开发者内部设计的 A12 芯片拥有比去年更先进的神经引擎的特点（去年神经引擎在 A11 芯片中正式亮相）。A11 芯片让 iPhone X、8 和 8 Plus 表现得更好，所以你可以想象为什么 A12 在机器学习领域引起了轰动。

与 A11 的 10 纳米工艺相比，A12 有 7 纳米工艺的特性，这就说明了 A12 在运行速度上加快的原因。你真的认为苹果会在没有提到电池续航时间的情况下让发布会落幕吗？A12 芯片有一个智能计算系统，可以自动识别哪些任务应该在芯片的主要部分运行，哪些任务应该发送到 GPU，哪些任务应该委托给神经引擎。

神经引擎是什么？

• 使用超快速度的人脸识别算法来识别 Face ID。该算法使用神经网络来映射特定的人脸特征 / 点，当然（这个网络）也在数百万张图像上训练了，以避免在正式产品中出错。重要的是，算法要考虑到眼镜和人的头发等物理物体的因素，苹果表示，今年它将以更准确的方式做到这一点；

• 为 Animojis 跟踪面部活动。与上面的描述类似，该算法映射某些面部特征，并将其实时转换为动物表情符号（animal emoji）。

今年的引擎有 8 个核心，这就是芯片可以每秒执行 5 万亿次运算的原因。去年的版本有两个核心，每秒可以运行 6000 亿次。这是科技在我们眼前飞速发展的一个很好的缩影。

然而神经引擎可以做的远不止如此。

它将帮助 iPhone 用户拍出更好的照片（你的拍照技术每年能变好多少？！），当你按下快门按钮时，神经网络会识别出镜头中的场景类型，并对图像中的任何物体和背景进行清晰的区分。所以下次你拍照的时候，要记住神经网络必须有多快，才能在几毫秒内完成这一切。

苹果手表

自 4 年前推出以来，苹果系列 4 手表给人的感觉比任何时候都更像是一款健康监测设备。当然，最令人兴奋的是这款手表的设计，以及它比去年的产品大 35% 。但让我们先不看这个闪光点，看看其中一个更有趣的特点 —— 新的健康传感器。

这款手表配有心电图（ECG）传感器。你会问，为什么这个这么重要？首先，这是首款包含这一功能特点的智能手表。

但更重要的是，传感器不仅测量你的心率，还测量心跳节奏。这有助于监测任何不规则的节奏，手表会在任何即将到来的危险情况下立即提醒你。这些传感器已经被 FDA 和美国心脏协会批准。

心率，是指心脏每分钟跳动的次数；节奏，是指心脏跳动的方式，心脏正常跳动的心电图应该是窦性心律。

FDA：是食品药品监督管理局（Food and Drug Administration）的简称。

此外，这些系列 4 手表集成了一个改进的加速度计和陀螺仪。这将有助于传感器检测穿戴者是否跌倒。一旦一个人摔倒，并且在 60 秒内没有任何移动迹象，该设备就会同时向多达 5 个（预先定义的）紧急联系人发出紧急呼叫。

到目前为止，我相信你一定已经猜到这些更新的背后是什么了吧？是的，这是机器学习。正如我在这篇文章中提到的，医疗已经成熟到可以接受机器学习的时候了。有数十亿的数据点在起作用，而将 ML 与领域专家相结合是最大的优势。我很高兴看到像苹果这样的公司使用它，尽管是在他们自己的产品中。

结束语

苹果、谷歌等公司之间的竞争正在升温，人工智能和机器学习可能是赢得这场战斗的关键。硬件在这里是至关重要的 —— 它每年都有重大的升级，越来越多复杂的算法可以被嵌入其中。

老实说，你找不到更好的时间来研究数据科学。快速浏览一下苹果的官方招聘信息，就会发现有 400 多个与机器学习相关的职位空缺。问题是是否有足够的有经验的人来满足这种需求。