Apple begint blog voor bespreken onderzoeksresultaten machine learning

Apple is begonnen met een blog waarop wetenschappers van het bedrijf artikelen publiceren over hun onderzoek op het gebied van machine learning. De stap lijkt erop te wijzen dat Apple zijn onderzoekers meer gelegenheid wil geven over hun onderzoek te publiceren.

Het blog staat op een subdomein van de Apple-site en bevat een artikel over een onderzoek waarvan eerder een paper op ArXiv verscheen en gaat over het verbeteren van een realistische weergave van menselijke eigenschappen in synthetische beelden. Apple heeft het blog voorzien van afbeeldingen en gifjes om de materie uit te leggen.

Het kunnen publiceren van onderzoek en erover presenteren op conferenties is belangrijk voor veel wetenschappers, omdat het aanzien geeft in de wetenschappelijke wereld. Apple is een bedrijf dat traditioneel veel van het eigen onderzoek geheim houdt om te proberen een voorsprong te krijgen op concurrenten en nieuwe functies voor het publiek een verrassing te houden. Het is onbekend hoe vaak Apple onderzoeken op het blog gaat publiceren.

Het Amerikaanse bedrijf gebruikt machine learning onder meer voor digitale assistent Siri, het verlengen van de accuduur van smartphones en vermoedelijk voor nog geheime projecten, zoals software voor zelfrijdende auto's.

Reacties (7)

[EnderQ]

Dan stoppen we de inhoud van die blog weer in een machine learning algoritme and call it Steve .
Hmm er was al gepubliceerd dus dit is discussie over gedane publicaties waarschijnlijk niet een blog om onbekende zaken te publiceren.

[Mic2000]

Het idee dat machine learning details aanvult om een afbeelding realistischer te maken is enorm interessant. Stel je voor dat je niet meer alle details in 3D hoeft te modelleren maar een computer dit aanvult. Dat bespaart een hele hoop werk.

Over 20 of 30 jaar kan dit nog veel verder gaan. Niet alleen afbeeldingen, maar hele video's die geproduceerd worden door sketches of iets dergelijks. Wie weet door impulsen van de hersenen, waardoor een matrix creeëren veel makkelijker wordt. Je simuleert niet alle atomen, maar toont een representatie van wat je denkt dat je zou moeten zien en zou moeten kloppen.

Hoe verder we machine learning onderzoeken hoe meer vergelijkenissen ik zie met een model voor de matrix, hoe de hersenen werken en hoe de theorie dat de buitenwereld mogelijk een projectie is van alle samengestelde gedachten en overtuigingen.

[djexplo]

Ehh...jij draaft wel lekker door.

Dit kan met een vrij simpel algoritme.
Zoek in de ongelabelde data foto's die veel op de tekening lijken. Dit kan b.v. door normalized cross correlation

Train daarna met de gevonden set van foto's een auto-encoder. Een autoencoder kan na training een foto comprimeren in enkele getallen en daarna weer decomprimeren naar een benadering van het orgineel. Maar hij kan alleen een benadering maken die lijkt op foto's uit de training.

Daarna stop je jou tekening in de getrained auto encoder en kijkt hoe de benadering er na compressie/decompressie er uit ziet

[Stygeon]

IBM heeft ook een "technical disclosure bulletin" waarin ze sommige zaken aanwijsbaar publiek maken. Waarom doen ze dat? Zodat niemand het meer kan patenteren.

Het staat Apple personeel vrij om onderzoek naar gangbare tijdschriften te sturen, maar dan kan publicatie nog maanden duren wegens peer review en zo. Als ze een eigen blog hebben, kunnen ze techniek die ze niet meer willen hebben snel publiceren, zodat niemand het meer kan patenteren.

Ik zeg niet dat er niet óók goede bedoelingen achter het blog zitten (waarschijnlijk juist wél, en dan is het win/win), maar reken er maar op dat de IP-afdeling van Apple flink wat te zeggen heeft over wat er op de blog komt.

[Verwijderd]

En hij heeft waarschijnlijk gelijk.