蘋果全球開發者大會(Apple Worldwide Developers Conference)周一發布的最被低估的公告之一是該公司推出了Core ML，這是一個編程框架，旨在使該公司的移動設備更容易運行機器學習模型。

核心ML將是iOS11的一部分，預計將于今年晚些時候推出。 它允許開發人員將經過訓練的機器學習模型加載到iPhone或iPad上，然后使用它們來生成應用程序內部的洞察力。 雖然開發人員在過去可以自己做這件事，但新的框架旨在使應用程序更容易使用機器學習在本地處理數據，而不向云發送用戶信息。

此外，該框架旨在優化蘋果移動設備的模型，這將減少RAM的使用和功耗-這對機器學習推理等計算密集型任務都很重要。

設備上處理機器學習數據提供了許多好處。 應用程序不需要一個互聯網連接，以獲得機器學習模型的好處，也可能能夠更快地處理數據，而不必等待信息在網絡上來回傳遞。 用戶也獲得隱私好處，因為數據不必離開設備才能從智能結果中受益。

蘋果并不是唯一一家致力于將機器學習引入移動設備的公司。 幾個星期前，谷歌在I/O開發者大會上宣布了一個新的TensorFlowLite編程框架，這將使開發者更容易構建運行在低功耗Android設備上的模型。

開發人員必須將經過訓練的模型轉換成與CoreML一起工作的特殊格式。 一旦完成，他們就可以將模型加載到蘋果的Xcode開發環境中，并將其部署到iOS設備中。 該公司發布了四個基于流行開源項目的預建機器學習模型，并提供了一個轉換器，以便開發人員可以端口自己。

該轉換器與Caffe、Keras、scikit-learn、XGBoost和Lib SVM等流行框架一起工作。 如果開發人員用一個不受支持的不同框架創建了一個模型，蘋果就可以編寫自己的轉換器。

這是蘋果最新的核心框架，包括核心位置，核心音頻和核心圖像。 它們都是為了通過抽象出復雜的任務來幫助開發人員創建更高級的應用程序。

核心ML也可能是蘋果未來硬件發展的關鍵。 據說該公司正在開發一種專用芯片來處理機器學習任務，這個框架可能是開發人員使用硅的門戶。