Appleは人工知能の分野で追い上げており、その視覚認識の成果は業界の賞を受賞した

Appleは人工知能の分野で追い上げており、その視覚認識の成果は業界の賞を受賞した

[[201426]]

歴史的に、Apple は最先端技術の研究にはあまり注意を払わず、むしろ製品の設計とユーザー エクスペリエンスに重点を置いてきました。そのため、現在最も注目されている人工知能や機械学習など、ほぼすべての新興技術分野で Apple は遅れをとっています。

しかし、最近、海外メディアは、人工知能の分野でAppleが急速に大手の競合他社に追いついているという朗報を報じた。最近、Appleの研究チームが公表した成果が、人工知能の分野で大きな賞を受賞した。

米国のテクノロジーニュースサイトAppleInsiderによると、Appleの人工知能分野における最初の研究論文は、コンピュータービジョン認識技術に焦点を当てたものだった。この論文は昨年末に発表され、最近「2017 Computer Vision and Pattern Recognition」カンファレンスで最優秀論文賞を受賞した。

業界関係者によると、この賞はコンピュータービジョン認識の分野で最も権威のある栄誉だそうです。

コンピュータービジョン認識技術は一般消費者には難しすぎます。 Appleの今回の研究成果は、合成画像技術を使ってコンピュータービジョン認識アルゴリズムを訓練し、物体をより正確に識別できるようにすることを目的としていると報じられている。

この研究結果が今後どのApple製品やサービスに適用されるかはまだわかっていません。しかし、自動運転技術の研究開発においては、コンピュータービジョン認識技術が非常に重要です。以前、視覚認識の問題により、テスラの電気自動車が自動運転システムによる世界初の死亡事故を起こした。事件後、テスラも関連する視覚認識チップ開発企業との協力関係を打ち切り、独自に技術開発する準備を整えた。

アップルは自動運転の研究開発分野に参入しており、すでに3台のテスト車両がカリフォルニアの路上でテストされている。しかし、インターネット上で公開された写真であれ、アップルの自動運転技術を実際に目にした業界関係者の記述であれ、アップルの自動運転は現時点ではウェイモやウーバーなどの企業より数年遅れている。

Appleは現在、人工知能と機械学習の分野で遅れをとっています。最も明らかな兆候は、Google AssistantやAmazon Alexaと比較すると、Appleの音声アシスタントSiriの理解力と回答精度が明らかに劣っていることです。実際、SiriのIQは、その背後にある優れた人工知能技術に頼る必要があります。

Siri は IQ が低いため、過去に多くの Apple ユーザーから嘲笑され、Apple 史上最悪の新ソフトウェア製品の一つとみなされています。

アップルはこれまで、ワシントン州シアトルに人工知能技術の研究本部を設立し、各地で人材を募集してきた。シアトルにはアマゾンやマイクロソフトなどの企業や、アレン人工知能研究所があり、他の都市に比べて一定の優位性があると報告されています。

Appleの人工知能研究における重要な使命の1つは、SiriのIQを向上させて、人々の会話をより賢く理解し、より正確な回答と情報を提供できるようにすることです。今年末までに、Appleはスマートスピーカーを大量に販売するだろう。Siriの成績が低迷し続ければ、AppleがAmazonやGoogleから市場シェアを奪うことは難しくなるだろう。

歴史的に、Apple は新興技術分野における研究開発の弱点を補うために、集中的な合併や買収を頻繁に利用してきました。アップルは人工知能の分野でも多くの合併や買収を行っており、5月には2億ドルを投じて専門メーカーのラティスを買収し、相手側から20人以上の技術人材を獲得した。

テクノロジー業界において、Apple が新技術の研究開発をあまり重視していないことはよく知られています。Apple は新技術を最初に試すことを好まず、むしろ適切なタイミングでより優れたユーザー エクスペリエンスを備えた製品を発売して市場を占有しようとします。たとえば、Apple の iPhone はスマートフォン業界を変えましたが、スティーブ ジョブズはこれを「電話の再発明」と呼びました。また、Microsoft は Apple より 10 年も前から初期のタブレット コンピューターを開発していましたが、市場での成功は得られませんでした。

Appleはスマートウォッチ、音楽ストリーミング、モバイル決済などの分野にかなり遅れて参入しましたが、ブランドの優位性、古いユーザーベース、製品のユーザーエクスペリエンスを活用して追いつくことができました。

<<:  人工知能「XiaoIce」がデザイナーに変身した経緯が明らかに

>>:  DeepSense: モバイルセンサーの時系列データを処理するためのディープラーニングフレームワーク

ブログ    
ブログ    
ブログ    

推薦する

機械学習は電力業界に大きな変化をもたらすだろう

エネルギーの状況は劇的な変化を迎えようとしており、今は機械学習と電力網を組み合わせる絶好の機会です。...

TensorFlow の最大の機械学習データセット 30 件

導入画像、ビデオ、オーディオ、テキストが含まれており、非常に包括的です。機械学習のための最大のTen...

LRU (Least Recently Used) キャッシュアルゴリズムの実装

[[349478]] LRU は Least Recently Used の略で、よく使われるページ...

CIO 向けガイド: ジェネレーティブ AI の「ハイライト モーメント」を実現する 5 つの方法

あらゆる誇大宣伝と主流の採用率の高さにもかかわらず、生成 AI は生産性のピークに到達する前に、幻滅...

深層強化学習とは:次世代のAIと深層学習

[51CTO.com クイック翻訳] 強化学習は自律的な意思決定を実現するのに非常に適しています。対...

...

...

なぜほとんどの人工知能は「人工的な知的障害」のように見えるのでしょうか?

[[431114]]当時流行した「インターネット+」を覚えている人はいるだろうか...「衣食住交通...

...

次世代産業用ロボットに対する人工知能(AI)の影響

[[389728]]大量生産される製品に対する需要が高まるにつれ、製品には高品質で信頼性が高く、より...

ブラックテクノロジー:AoE-モデルをうまく管理するには?

序文今後ますます多くの企業が AI 関連のテクノロジーを利用するようになるでしょう。ほとんどの AI...

...

...

アルゴリズム学習のための動的プログラミング戦略の紹介

1. コンセプト動的プログラミング戦略、分割統治戦略。貪欲戦略と同様に、通常は最適解問題を解決するた...