蘋果在報告中稱，在機器學習研究中，使用合成影像(例如，來自一款影片遊戲)來訓練神經網路要比使用真實影像更有效。因為合成影像資料已經被標記和註釋，而真實的影像資料需要有人耗費巨大的精力去標記計算機看到的每件事物，如一棵樹、一條狗或一輛腳踏車。
當然，使用合成影像也存在一定的弊端，導致一種演算法所瞭解的內容與真實世界中的場景有所不同。蘋果在報告中稱：“有時，合成影像資料不夠真實，導致神經網路只能瞭解到合成影像中所呈現的細節，而對真實影像的認識有所不足。”
為解決該問題，提高合成影像資料的訓練效果，蘋果研究人員推出了“模擬+無監督”的學習方法，以提高模擬影像的真實感。蘋果研究人員使用一種經過修改的新型機器學習技術，被稱為“生成對抗網路”(GAN)，讓兩個神經網路彼此對抗，從而生成更逼真的影像。
這篇報告的第一作者是蘋果研究員阿希什·什裡瓦斯特瓦(Ashish Shrivastava)，擁有馬里蘭大學帕克分校計算機視覺博士學位。有業內人士稱，對於蘋果而言，此次公開其首份人工智慧研究報告也是一大進步。多年來，蘋果對其在人工智慧領域的研究一直守口如瓶，這遭到了人工智慧研究社群的批評。同時，這也影響了蘋果招募人工智慧人才。
此外，此次公開自己的人工智慧研究也有助於將來普及自己的人工智慧軟體。如今，人工智慧軟體正被應用到幾乎所有應用中，如iPhone 7的拍照功能，以及各種網際網路服務。