苹果上周发表了自己的第一篇学术研究论文，介绍了如何提高计算机视觉系统的识别能力。 对这家神秘的科技公司来说，这种行为还是第一次。

苹果的《通过对抗训练在模拟和无监督图像中学习》论文于11月中旬提交给**，12月22日通过康奈尔大学图书馆公开发表的——苹果限制员工人工智能相关研究的发表还不到一个月。

在这篇研究论文中，苹果阐述了如何利用合成和计算机生成图像，并训练计算机视觉算法来识别物体。

使用合成数据训练计算机视觉通常比实际图像更有效率。 这是因为计算机生成的这些图像通常都有标记。

例如，合成的眼镜和手的图像通常都有各自的注释，但同一类型的真实图像的算法未知，需要人工操作者手动添加说明。

但苹果还指出，即使完全制作模拟图像，也可能无法获得满意的训练结果。 因为计算机生成的内容有时是不现实的，无法提供准确的学习集。

为了弥补这一差距，苹果提出的系统将通过“模拟无监督学习”来改善模拟器的输出。 也就是说，这种学习方式是没有附加标签的实际图像数据和有注释的合成图像的组合。

据悉，该技术是使用相互竞争的两种神经网络3354生成器和识别器——相互对抗，提高识别生成数据和实际数据的能力的对抗网络( GANs )的一部分。 在最近的研究中，GANs成功地生成了像照片一样逼真的“超分辨率”图像。

值得注意的是，苹果并不一定意味着自己行为态度的突然变化。 这家公司对自己的科学研究采取何种程度的开放态度，还需要很长时间才能确定。 但是，这显然是必要和重要的一步。

人工智能领域的竞争越来越**，苹果过去不愿为科研做出贡献的态度可能吓到了潜在的人才。 如果这类论文的发布成为常态，苹果可能会更容易召集相关领域的技术人员，以满足在自动驾驶汽车平台、Siri和其他AI项目上的研究。