了解人工智能(AI)的朋友都知道，機器學(xué)習(xí)是 AI 技術(shù)的重點，而不斷的訓(xùn)練是機器學(xué)習(xí)的必需品，不管是檢測人臉的 AI 模型還是語音轉(zhuǎn)文字的 AI 模型，都需要大量的訓(xùn)練。就像國產(chǎn)手機廠商吹噓他們的 AI 拍照時一樣，一般都需要數(shù)百萬張照片的訓(xùn)練之后 AI 拍照才能有足夠好的效果。

而這個“訓(xùn)練”的過程其實是非常消耗 CPU 資源和存儲空間的，如果把所需要的計算、存儲資源對比我們的日常使用耗費的資源對比，就像是制作一部皮克斯工業(yè)級電影和平時玩一把英雄聯(lián)盟一樣。你當(dāng)然可以用自己的四核心英特爾處理器和筆記本的顯卡來完成這份工作，但這樣的話往往需要好幾天時間甚至更長才能訓(xùn)練好這個 AI。

所以過去這個訓(xùn)練的過程往往都是在云端進行的，因為云端的服務(wù)器有更強大的計算能力，或者是有為訓(xùn)練 AI 專門準備的硬件。舉個例子，Siri 的訓(xùn)練其實也是用到機器學(xué)習(xí)的原理，因此 Siri 的一切處理、計算都是在云端進行，斷網(wǎng)就不能用了。

但是只要有了 Create ML ，機器學(xué)習(xí)的計算突然就能夠在本地進行了，你只需要把數(shù)據(jù)拖拽到 Create ML 的界面中，調(diào)整一些參數(shù)和內(nèi)容，20分鐘之后就能得到一個訓(xùn)練完畢的 AI 模型了。甚至 Create ML 還為你提供了將這個 AI 模型嵌入到 App 中的快速工具。

這對于有隱私需求的服務(wù)是非常重要的，比如醫(yī)療行業(yè)，患者肯定不希望自己的醫(yī)療數(shù)據(jù)被傳到云端，但是 AI 診斷又是以后的趨勢，所以 Create ML 就讓相關(guān)開發(fā)者能讓自己的醫(yī)療 AI 在本地運行了。

更重要的是， Create ML 給了所有人自己研究 AI 模型的條件，這又讓我們想到了蘋果的“人人都能編程”計劃，說不定以后還能發(fā)展成“人人都會研發(fā)人工智能”了!