苹果架构调整:AI、机器学习和Siri合并,由前谷歌AI负责人领导

简介: 苹果的AI终于有救了。因为他们刚刚把所有AI相关部门团队整合到了一起,由4月份离职的谷歌AI一把手负责。

苹果的AI终于有救了。

因为他们刚刚把所有AI相关部门团队整合到了一起,由4月份离职的谷歌AI一把手负责。

苹果部门整合

这次,苹果整合的是AI和机器学习部门,负责人是刚刚加入苹果的副总裁John Giannandrea。另外,Siri和Core ML两个产品团队也汇报给他。


image

苹果官方网站上已经更新了领导团队,在CEO Tim Cook和10位高级副总裁/CXO之后,John Giannandrea和苹果其他五位分别负责公关、社会责任、大中华区、广告创意和人力的副总裁并列。

image

官网信息显示,John Giannandrea的职位机器学习与人工智能策略主管,负责监督整个公司的人工智能和机器学习策略,并且管理Core ML和Siri的技术开发,目前是直接汇报给Tim Cook的16位高管之一。


image

此前,苹果AI研究院的负责人是卡内基梅隆大学副教授Ruslan Salakhutdinov,而Siri则由高级副总裁Craig Federighi直接领导。

谷歌跳苹果还要降title?

John Giannandrea可以说是一位老谷歌了。

从2010年起,John Giannandrea在谷歌工作了8年,离职时的职位是工程高级副总裁,主管AI和搜索,可以说是谷歌AI一把手。

不过,同样是AI负责人,他跳槽到苹果却把“副总裁”前面的“高级”抹掉了,与总裁们平级。难不成,谷歌跳苹果还要降title?

其实在今年4月初,John Giannandrea就离开了谷歌,当时已有消息称他即将加入苹果。此后,他在谷歌的职责被分拆成了两部分——AI部分由大名鼎鼎的Jeff Dean负责,而搜索部分则转移到了副总裁Ben Gomes手下。

8年前,John Giannandrea其实是作为一个创业老炮被“买”进谷歌的。

1999年,John Giannandrea参与创立了语音识别公司Tellme Networks并担任CTO,六年之后,他又创立了开放数据库公司Metaweb Technologies,职位依然是CTO。

五年后Metaweb Technologies被谷歌收购,John Giannandrea因此开始了在谷歌做AI研究的历程。

附:John Giannandrea履历

John Giannandrea毕业于苏格兰的斯特拉思克莱德大学大学,获计算机学士学位及荣誉博士学位;

1988年7月,加入INMOS Corpororation担任工程师;

1990年2月,加入Silicon Graphics担任工程师;

1992年3月,加入General Magic任高级工程师;

1994年5月,加入Netscape Communications任首席技术专家;

1999年4月,创立Tellme Networks并担任CTO;

2005年8月,创立Metaweb Technologies,担任CTO;

2010年7月加入谷歌,担任负责AI与搜索的工程副总裁;

2015年和2016年,分别成为SETI Institute和Castilleja School的董事会成员;

2018年7月起,现任苹果公司任AI与机器学习策略主管。

原文发布时间为:2018-07-10
本文来自云栖社区合作伙伴“量子位”,了解相关信息可以关注“量子位”。

相关文章
|
15天前
|
机器学习/深度学习 数据采集 人工智能
AI与机器学习:从理论到实践
【10月更文挑战第2天】本文将深入探讨AI和机器学习的基本概念,以及它们如何从理论转化为实际的应用。我们将通过Python代码示例,展示如何使用机器学习库scikit-learn进行数据预处理、模型训练和预测。无论你是AI领域的初学者,还是有一定基础的开发者,这篇文章都将为你提供有价值的信息和知识。
|
5天前
|
机器学习/深度学习 存储 人工智能
揭秘机器学习背后的神秘力量:如何高效收集数据,让AI更懂你?
【10月更文挑战第12天】在数据驱动的时代,机器学习广泛应用,从智能推荐到自动驾驶。本文以电商平台个性化推荐系统为例,探讨数据收集方法,包括明确数据需求、选择数据来源、编写代码自动化收集、数据清洗与预处理及特征工程,最终完成数据的训练集和测试集划分,为模型训练奠定基础。
24 3
|
16天前
|
机器学习/深度学习 人工智能 安全
自动化测试的未来:AI与机器学习的结合
随着技术的发展,软件测试领域正迎来一场革命。自动化测试,一度被认为是提高效率和准确性的黄金标准,如今正在被人工智能(AI)和机器学习(ML)的浪潮所推动。本文将探讨AI和ML如何改变自动化测试的面貌,提供代码示例,并展望这一趋势如何塑造软件测试的未来。我们将从基础概念出发,逐步深入到实际应用,揭示这一技术融合如何为测试工程师带来新的挑战和机遇。
43 2
|
27天前
|
机器学习/深度学习 人工智能 自然语言处理
自动化测试的未来:AI与机器学习的融合
【9月更文挑战第29天】在软件测试领域,自动化测试一直是提高测试效率和质量的关键。随着人工智能(AI)和机器学习(ML)技术的飞速发展,它们正逐步渗透到自动化测试中,预示着一场测试革命的来临。本文将探讨AI和ML如何重塑自动化测试的未来,通过具体案例展示这些技术如何优化测试流程,提高测试覆盖率和准确性,以及它们对测试工程师角色的影响。
56 7
|
23天前
|
机器学习/深度学习 人工智能 算法
揭秘AI:机器学习的魔法与现实
【9月更文挑战第33天】在这篇文章中,我们将一探究竟,揭开机器学习神秘的面纱,通过直观的解释和代码示例,了解其背后的原理。无论你是初学者还是有一定基础的学习者,这篇文章都将为你提供有价值的信息。让我们一起探索机器学习的世界,发现它的奥秘和魅力!
|
12天前
|
缓存 监控 API
探索微服务架构中的API网关模式
【10月更文挑战第5天】随着微服务架构的兴起,企业纷纷采用这一模式构建复杂应用。在这种架构下,应用被拆分成若干小型、独立的服务,每个服务围绕特定业务功能构建并通过HTTP协议协作。随着服务数量增加,统一管理这些服务间的交互变得至关重要。API网关作为微服务架构的关键组件,承担起路由请求、聚合数据、处理认证与授权等功能。本文通过一个在线零售平台的具体案例,探讨API网关的优势及其实现细节,展示其在简化客户端集成、提升安全性和性能方面的关键作用。
45 2
|
16天前
|
存储 缓存 监控
探索微服务架构中的API网关模式
【10月更文挑战第1天】探索微服务架构中的API网关模式
48 2
|
1月前
|
安全 应用服务中间件 API
微服务分布式系统架构之zookeeper与dubbo-2
微服务分布式系统架构之zookeeper与dubbo-2
|
1月前
|
负载均衡 Java 应用服务中间件
微服务分布式系统架构之zookeeper与dubbor-1
微服务分布式系统架构之zookeeper与dubbor-1
|
2天前
|
负载均衡 监控 Cloud Native
云原生架构下的微服务治理策略与实践####
在数字化转型加速的今天,云原生技术以其高效、灵活、可扩展的特性成为企业IT架构转型的首选。本文深入探讨了云原生环境下微服务治理的策略与实践路径,旨在为读者提供一个系统性的微服务治理框架,涵盖从服务设计、部署、监控到运维的全生命周期管理,助力企业在云端构建更加稳定、高效的业务系统。 ####