iPhone相册会自动归类内衣照？这项机器学习功能让妹子们炸了

夏乙 发自 凹非寺
量子位 出品 | 公众号 QbitAI

在iPhone自带的“照片”应用中搜“brassiere”，它就会把所有内衣照（如果你有）都给你汇总在一起展示出来……

这你知道嘛？

反正美国妹纸ellieeewbu之前不知道。她“发现这个新功能”之后，就炸裂了，在Twitter上惊呼：

姐妹们姐妹们大事不好了啊！在苹果相册里搜一下“Brassiere”！苹果为什么要把这些存成一个文件夹！！？！！？😱😱😱😱

就是！可怕！

Twitter上的女性用户们搜了搜自己的相册，开始了后续的连环炸裂……不出一天，上边这条“可怕！”的推文就被转发了上万次，收获了2万多个赞，以及近千条评论。

在这场连环炸裂中，评论区损毁严重，比如说，有一群搜完发图惊呼“WTF”的：

也有虽然能保持文明用语，但明显被吓了一跳，无论如何也想不明白“天啊苹果怎么知道”的：

当然，也少不了各种乱入，从大家发在评论中的图片来看，很多吊带裙、晚礼服都被认成了内衣。还有更惨的，比如这个少年的脸，苹果的算法也觉得和内衣很相似：

苹果甚至还把两条腿，给认成了热狗：

在一众惊慌失措的妹子中，终于有人站出来摆事实、讲道理，展示“苹果真的不是只关心你们的内衣照”。她对妹子们说：你也可以搜“dog”啊，你所有狗狗的照片就都出来了，拿好不谢。

身为全球第一网红的猫，当然也能搜出来。

总的来说，不要慌不要炸，苹果并不是一个只对你内衣照有兴趣的变态。系统自带的“照片”应用能搜出来的物品，从内衣、烤肉、猫猫狗狗，到天空海滩，范围广得很。

而且苹果对内衣的识别，也没有上文几位姑娘想象得那么危险，这个我们后面再说。

在谈图像识别之前，我们先思考一个有趣的问题：苹果自带的“照片”应用，从什么时候开始有这个功能的，你还记得吗？从iPhone 8开始？从iOS 11开始？

认为上边两项是正确答案的，都不是合格的果粉。

量子位来带大家温习一下历史。这项功能，在苹果公司2016年6月的WWDC上首次展示出来，是“照片”应用在iOS 10和macOS Sierra中获得的重大更新，借助人工智能技术，引入了对人脸、物体和场景的识别。

人脸识别带来的新功能，是“人物”相册。苹果会自动按照照片中的不同人物，分成不同相册，用户还可以为每个相册添加名字，便于查找。

而对物体和场景的识别，带来的是“强大的搜索”。比如说一张有山有水有人有马的照片，以后就可以根据其中的场景（山、河）和物体（人、马）搜索出来。

另外，新版的照片还增加了按地点来检索照片的功能。

这三者结合起来，就有了新“照片”应用中的“回忆”功能。苹果会根据照片的拍摄时间地点、其中的人、物体和场景，将它们以“回忆”的形式组织起来，还附赠苹果帮你配了背景音乐的视频，比如说某次全家出门旅行的照片，就会被自动放在同一个“回忆”中。

同年10月，iOS 10更新推送，大部分苹果用户就都用上了新版的“照片”。广大用户用着用着，感觉眼前一亮的大概是新增的“回忆”功能，其次是“人物”和“地点”相册。

而需要用户主动发起交互的“强大的搜索”，就渐渐被淡忘了，大多数用户“从来没用过”，甚至有不少人从来都不知道它的存在。

温习完毕，我们再来谈一谈苹果“照片”里的物体和场景识别。

iOS 10刚刚发布时，有网友根据macOS Sierra照片应用中的代码统计得出，这一版照片应用可以识别7种面部表情，包括贪婪、厌恶，中性，尖叫，微笑，惊讶和怀疑，而能够识别的物体和场景，有3787种，支持中文的有3696种。

而现在，据说“照片”应用能识别的物体和场景已经有4000多种，其中甚至能看到不少中国用户并不熟悉的的名字，比如地中海雪貂、中东蔬菜球、伽蓝鸟等充满异域风情的名词，甚至还有“介质”这种抽象的东西。

完整列表见：
https://zhuanlan.zhihu.com/p/21390428

图像识别这个功能之所以没有受到太多关注，除了需要主动搜索之外，大概也因为它并没有什么新鲜感。

这两年，从机场火车站，到手机上的支付宝、甚至你还没收到货的iPhone X，“刷脸”已经变成了一件司空见惯的事。识别除了人脸之外那些普通的物体、场景的功能，也渐渐普及起来。

“照片”应用里识别物体和场景的基本原理，就是大家已经渐渐熟悉的图像分类。

不过，苹果的图像分类算法有一点特别之处：他们的图像识别模型在手机上运行，而不是云端的服务器。在一张照片被识别的过程中，它不需要经历“传送到服务器→识别，打上类别标签→传送回来”这个过程，一切都在手机本地完成。

这也就是为什么说苹果识别内衣这件事，“没有上文几位姑娘想象得那么危险”，起码比将这些照片同步到iCloud要安全多了。

在移动设备本地运行图像识别模型这件事，苹果算是业内较早提出的。现在，让深度学习模型能在移动设备本地运行，也成了一股潮流。

早在今年4、5月份，Facebook和Google就抢在苹果之前，分别发布了适用于移动端的深度学习框架Caffe2和TensorFlow Lite。

而苹果为了让iOS生态中的App的开发者，也具备把图像分类模型压缩到能直接在iPhone上运行的能力，也在2017年6月的WWDC上推出了CoreML。

苹果说，用了Core ML，iPhone上的人脸识别比Google Pixel上快6倍。

当时，关于CoreML是什么、怎么用，量子位都有相关文章：

苹果大秀AI肌肉：详解Core ML框架及智能音箱HomePod

苹果新推出的CoreML怎么用？有哪些bug？这里有一份教程

更多详细内容，还可以访问开发者文档：https://developer.apple.com/documentation/coreml

— 完 —

加入社群

量子位AI社群10群开始招募啦，欢迎对AI感兴趣的同学，加小助手微信qbitbot4入群；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进群请加小助手微信号qbitbot4，并务必备注相应群的关键词~通过审核后我们将邀请进群。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI

վ'ᴗ' ի 追踪AI技术和产品新动态