9月1日至3日，2022世界人工智能大會（以下簡稱WAIC2022）在上海世博中心舉辦。這是上海連續第五年舉辦世界人工智能大會，前四屆大會共吸引600余家重點企業參與合作，155個重大項目集中簽約，投資額累計達1107億元。

　　蘋果公司副總裁及大中華區董事總經理葛越在世界人工智能大會全體會議-產業發展上發表了主題為機器學習創造更健康和無障礙的未來的演講。

　　葛越認為，機器學習在無障礙功能和健康功能這兩個領域具備特別明顯的改善人們生活的潛力。在借助蘋果公司的設備已經實現的一些功能中，一些專門為殘疾人和有特殊需要的人們設計，另外一些功能則能幫助健全人群過上更健康的生活。

　　葛越表示，無障礙是蘋果公司的核心價值觀之一，也是貫穿所有產品的重要組成部分。

　　她以Apple Watch舉例稱，Apple Watch 上的輔助觸控功能允許上肢行動不便的用戶通過手勢來控制 Apple Watch。這個功能將設備上的機器學習與來自 Apple Watch 內置傳感器的數據相結合，幫助檢測肌肉運動和肌腱活動的細微差異，從而替代了輕點顯示屏的做法。通過包括陀螺儀、加速度計和光學心率傳感器，用戶可以用捏合或握拳這類的手部動作來操控 Apple Watch。

　　除了硬件層面，在軟件層面蘋果公司也進行了無障礙功能的研發，例如在iOS16和iPadOS 16中發布的門檢測功能，該功能結合了 LiDAR 掃描儀、攝像頭和終端設備上運行的機器學習來幫助視障用戶確定門的位置，探測人與門的距離，并判斷門究竟是開啟還是關閉。它甚至可以讀取門周圍的標志和符號，例如辦公室的房間號，或者無障礙入口的標志。

　　用戶還可以將門檢測與人員檢測功能結合起來使用，幫助視障人士在公共場所更加自如地行動，識別附近是否有人，從而保持社交距離。這些只是機器學習對殘疾人生活帶來實質性影響的幾個例子。結合了芯片、傳感器技術和基于終端設備的機器學習這三者的進步，讓我們的產品更容易使用，也幫助用戶更好地和外部世界互動。葛越說。

　　在健康功能上，機器學習和傳感器技術可以提供有用的健康信息，讓用戶能夠通過日常行為的小改變，逐步實現整體大健康。

　　葛越舉例稱，摔倒檢測調用了Apple Watch 中的加速度計和陀螺儀，通過機器學習算法，可以識別嚴重摔倒。通過分析手腕軌跡和沖擊加速度，Apple Watch 能在用戶摔倒后發送警報。當然，我們還想要更進一步，想辦法在用戶摔倒之前，就能提供支持和幫助。

　　葛越還強調，雖然我們在健康領域的探索才剛剛開始，但是我們已經看到，機器學習和傳感器技術在提供健康洞察、鼓勵健康生活方式等方面潛力無限。所有這些功能都為了實現我們創造更美好生活的使命。我們對機器學習的未來充滿希望：我們堅信它可以激發更多的創新，從而改善人們的生活。

　　9月1日至3日，2022世界人工智能大會（以下簡稱WAIC2022）在上海世博中心舉辦。這是上海連續第五年舉辦世界人工智能大會，前四屆大會共吸引600余家重點企業參與合作，155個重大項目集中簽約，投資額累計達1107億元。

　　蘋果公司副總裁及大中華區董事總經理葛越在世界人工智能大會全體會議-產業發展上發表了主題為機器學習創造更健康和無障礙的未來的演講。

　　葛越認為，機器學習在無障礙功能和健康功能這兩個領域具備特別明顯的改善人們生活的潛力。在借助蘋果公司的設備已經實現的一些功能中，一些專門為殘疾人和有特殊需要的人們設計，另外一些功能則能幫助健全人群過上更健康的生活。

　　葛越表示，無障礙是蘋果公司的核心價值觀之一，也是貫穿所有產品的重要組成部分。

　　她以Apple Watch舉例稱，Apple Watch 上的輔助觸控功能允許上肢行動不便的用戶通過手勢來控制 Apple Watch。這個功能將設備上的機器學習與來自 Apple Watch 內置傳感器的數據相結合，幫助檢測肌肉運動和肌腱活動的細微差異，從而替代了輕點顯示屏的做法。通過包括陀螺儀、加速度計和光學心率傳感器，用戶可以用捏合或握拳這類的手部動作來操控 Apple Watch。

　　除了硬件層面，在軟件層面蘋果公司也進行了無障礙功能的研發，例如在iOS16和iPadOS 16中發布的門檢測功能，該功能結合了 LiDAR 掃描儀、攝像頭和終端設備上運行的機器學習來幫助視障用戶確定門的位置，探測人與門的距離，并判斷門究竟是開啟還是關閉。它甚至可以讀取門周圍的標志和符號，例如辦公室的房間號，或者無障礙入口的標志。

　　用戶還可以將門檢測與人員檢測功能結合起來使用，幫助視障人士在公共場所更加自如地行動，識別附近是否有人，從而保持社交距離。這些只是機器學習對殘疾人生活帶來實質性影響的幾個例子。結合了芯片、傳感器技術和基于終端設備的機器學習這三者的進步，讓我們的產品更容易使用，也幫助用戶更好地和外部世界互動。葛越說。

　　在健康功能上，機器學習和傳感器技術可以提供有用的健康信息，讓用戶能夠通過日常行為的小改變，逐步實現整體大健康。

　　葛越舉例稱，摔倒檢測調用了Apple Watch 中的加速度計和陀螺儀，通過機器學習算法，可以識別嚴重摔倒。通過分析手腕軌跡和沖擊加速度，Apple Watch 能在用戶摔倒后發送警報。當然，我們還想要更進一步，想辦法在用戶摔倒之前，就能提供支持和幫助。

　　葛越還強調，雖然我們在健康領域的探索才剛剛開始，但是我們已經看到，機器學習和傳感器技術在提供健康洞察、鼓勵健康生活方式等方面潛力無限。所有這些功能都為了實現我們創造更美好生活的使命。我們對機器學習的未來充滿希望：我們堅信它可以激發更多的創新，從而改善人們的生活。