自iOS 13推出以來，Siri進步明顯，蘋果再次成為AI戰場的主力軍；它還發布幾份研究報告，介紹一種全新的機器學習技術，也就是Overton。

不久前，蘋果贊助 Interspeech 2019，它是世界最大的口語處理研討會。為了支持大會的召開，蘋果提供一些研究論文。蘋果介紹稱，Overton的目標是讓機器管理大量個性化ML（機器學習）模型，不需要人管理。

Overton是什么

當我們向Siri提問時，語音交互只是前端流程。問題發送之后，機器學習模型先要理解問題、理解問題存在的環境，然后尋找最精準的回應。什么樣的回應質量最高呢？要給出準確的定義是一件難事。

對于許多問題，Siri往往只會調用維基百科頁面信息應付用戶。這顯然不是Siri的最終目標，它想為復雜問題提供復雜答案，甚至還要具備預測能力。

怎樣達到目標？絕對不容易。到底應該怎樣做，科學家才能相信Siri給出的答案最為精準呢？

蘋果試圖用Overton工具解決這些難題，模型的搭建、部署、監控組成一個生命周期，Overton讓這個周期變成自動化流程。

用人類的話來解釋，就是說機器自己根據外部刺激因素修正、調整機器學習模型，讓模型更精準，修正邏輯錯誤。機器承擔更多責任，人類就可以騰出時間關注高端監督式機器學習模型。

照我們的理解，以后如果想做出一些小調整，人類研究員沒有必要深入研究日漸復雜的代碼，只需要下達命令，Overton就能幫人類修改。

搭建、監管、改進機器學習系統絕非易事，數據科學家、工程師必須密切監視系統質量，診斷復雜應用程序中存在的錯誤。以后Overton可以幫助人類完成這些工作。

蘋果是如何使用的

Siri的目標是成為語音助手，為人類提供高級信息，幫人類分析環境，增強人類處理任務的能力。Siri Suggestions目前的功能有限，但它指向的正是這一方向。

蘋果解釋稱：“在我們當前的工作中有一個重要方向：根據Overton開發系統，讓它協助完成數據擴充、程序監督、協作任務。”

Overton還可以保護隱私。

例如，蘋果科學家開發模型，他們相信這些模型高度精準，模型在iOS設備上運行。有了Overton，模型會更加獨立，當機器學習系統調整模型時會更加精準，更加高效；在整個過程中，研究人員沒有必要查看人體是如何行動的。

如果一來，數據管理人員更像“戰略角色”，他們看不到與個體用戶密切相關的個人信息。

蘋果在報告中指出：“Overton是第一個機器學習生命周期管理系統，監控并改進應用質量是它的使命。將模型和數據分離是設計的關鍵，這樣一來不需要編程就能調整機器學習系統。”

到目前為止，Overton應用已經回應幾十億個提問，涉及多種語言；處理過數萬億條記錄。