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。
