为了争夺人才，苹果在顶会NIPS上透露了公司自动驾驶研究的新情况

机器之能，是机器之心旗下关注全球人工智能产业应用场景及商业化的内容账号。欢迎关注与互动：almosthuman2017

醉翁之意在人才。苹果表示，你来我司工作并不意味着不能发表自己的研究。

来源 | wired

编译 | 微胖

这几年来，苹果神秘的自动驾驶项目不断变换着重心，不过今年似乎加快步伐了。

四月，苹果获得加州自动驾驶路测许可。苹果 CEO 库克也证实，公司正在研发可以让汽车（以及其他工具）自动行驶的软件。

最近，在顶会 NIPS 的一次研讨会上，在 200 多位 AI 专家面前，苹果 AI 主管 Ruslan Salakhutdinov 又介绍了公司近期在机器学习方面的进展。

Salakhutdinov 首次向大家展示了苹果于 11 月发布的首篇关于自动驾驶技术论文的相关数据。

11 月 17 日，两名正在研究自动驾驶技术的苹果计算机科学家给在线期刊 arXiv 提交一篇论文。他们在论文中介绍了一款苹果研发的全新软件 VoxelNet，用于帮助系统探测 3D 物体，提升激光雷达系统功能。

VoxelNet 细节

Salakhutdinov 也披露了一些之前尚未公开过的研究。

比如，根据来自交通工具上单个或多个摄像头的图像数据，识别汽车、行人以及道路上可驾驶车道的系统软件。

他展示了一些图片，表明即使在摄像头被雨点模糊、行人部分被停着的汽车挡住的情况下，系统也可以做出良好的推断。

「如果你在五年前问我有没有可能做到这些，我是没有把握的。」他表示。

他还介绍了一个与 SLAM 有关的项目。SLAM 的英文全程是 Simultaneous Localization and Mapping，中文称作「同时定位与地图创建」。SLAM 试图解决这样的问题：一个机器人在未知的环境中运动，如何通过对环境的观测确定自身的运动轨迹，同时构建出环境的地图。SLAM 技术正是为了实现这个目标涉及到的诸多技术的总和。

通常，SLAM 被用于机器人和自动驾驶，也见于地图绘制和虚拟现实，也属于机器人和计算机视觉领域的热门研究方向。

最后，他谈到了一个项目：如何利用从汽车获取数据，比如交通信号灯以及路标，协助搭建更加丰富的 3D 地图。几乎所有的自动驾驶车辆原型，都离不开高精地图。

虽然 Salakhutdinov 并未深入谈及这些研究如何被用于苹果自动驾驶项目，项目的规模和范围仍未可知，但是苹果似乎专注于自动驾驶「大脑」的研发。

不过，吸引苹果公司参加这次盛会的首要原因是人才短缺问题，而不是技术共享。

在这次盛会上，苹果工程师也介绍了其他公司产品使用机器学习的情况，比如 Siri 以及 Face ID。

公司机器学习主管、华盛顿大学教授 Carlos Guestrin 介绍了公司为入职工程师们提供的强大的机器学习系统和大数据集，也保证在苹果工作，并不意味着研究人员不能发表自己的研究。

当 Carlos Guestrin 宣布苹果开源 Turi Create 以帮助开发者更便利地使用机器学习时，这一举措赢得了在场专家们的热烈掌声。去年夏天，Guestrin 的创业公司 Turi 被苹果收购，随后他也加入苹果。

苹果为公司产品研发了不少机器学习技术，但是，公司仍然只愿透露非常小的一部分。自从2016年10月 Salakhutdinov 加入苹果后，公司大约只发表了 5 篇机器学习方面的学术论文，公司也会在博客上发表一些技术博文。

而谷歌母公司为这次顶会贡献了 60 多篇论文。