主页 > A一生活 >在东京看见Google大未来:所有产品都将融入机器学习 >

在东京看见Google大未来:所有产品都将融入机器学习

2020-06-27 热度705
阅读154

在东京看见Google大未来:所有产品都将融入机器学习

这一两年来 Google 陆续推出的服务,从 Google 1 机器学习将是 Google 大力推动的方向:

昨天 Google 于东京举办的亚太区媒体活动,Alphabet 执行董事长 Eric Schmidt 从华盛顿特区视讯连线,去年他在同样的活动场合中表示「亚洲走在行动唯一的道路上」,而今要让人类生活再进化,Google 将大举投资机器学习,笃定它将成为改变世界的 Next Big Thing。Google 机器学习核心团队成员 Greg Corrado 也更细緻的何谓解释机器学习。我们整理五大重点,一览机器学习的力量。

什幺是机器学习

Greg Corrado 解释,过去工程师使用「建立与排除规则」的方式让电脑学习,但机器学习的逻辑完全不同:透过极大量的样本与案例预测与学习。

理想的机器学习进程是:输入 => 进入可以加入各种参数或变因的模型 => 週而复始不断预测结果,并将预测结果与真实结果加以比对,即产生学习的机制。範例愈多、比较愈多次,学习的效果就会愈好,往后得出的结果也会愈精準。人类虽然也透过经验学习,但是我们的大脑只需要几次的例子就能举一反三,而电脑却得吞食巨量的案例才能建立认知。

若把机器学习愈为一艘火箭,大量的数据就是驱动它的能源。Greg Corrado 强调,机器学习不是魔术,而是工具。在机器「学习」的进程中,人类必须发挥创意与多方思考,建立不同模型,并以强大的运算能力支撑整个学习过程。

在东京看见Google大未来:所有产品都将融入机器学习

机器学习进展到后来,变成接近人脑的深度学习。藉由层叠许多模型,形成更加複杂的学习方式,例如电脑看到猫的影像后,经过好几个层次的运算,便得出「这是一只猫」的结论。

电脑认出一只猫的过程,宛若「全面启动」

当天一同与会的 Google

以把离铁塔来说,如果相片缺乏定位资讯,Google 会先找出这张照片的巴黎铁塔,接着与其他含有巴黎铁塔的照片进行比对,由于地标形状永远不会改变,辨识相对容易。若比对成功,就把这张照片标示为「巴黎铁塔」,并分类到巴黎中。

但若是动物难度就很高了。例如,上百万只猫咪长相、姿态不尽相同,就需要更複杂的电脑视觉运算,去年九月 Google 发表关于神经网络的论文,命名为「全面启动」,因为 Google 历经 22 层的电脑视觉运算原理,如同全面启动中梦境的分层概念。例如 Google 準备辨识一只猫的照片,首先会先侦测线条与颜色、接着是眼睛与耳朵,经过数层辨识后,终于认出这是一只猫。但任务尚未结束,Google 需要从网路中上千张「猫」的影样与「猫」的连结,推断出「猫」这个字通常与「尖耳、生动的线条」的生物联繫在一起。于是,当人们在搜寻框中打上「猫」,无论照片是否被标记了「猫」,Google

只是,虽然 Eric Schmidt 大力推崇藉由机器学习,电脑视觉将比人眼更精準锐利,但目前实务上仍无法 100% 判断正确的是非。比方说先前 Google

Eric Schmidt 也在视讯中表示,要把问题转换成机器学习能解决的题目并不容易,但一旦转换成功,人人都将受益。

缘起于 20% Project,机器学习将改变世界

Google 发展深度学习,其实源自于 2011 年享誉盛名、给予工程师自由时间发展个人专案的「20% Project」,成员包括已经加入中国百度的吴恩达、在科技圈名声响亮的 Jeff Dean、以及 Greg Corrado 等人。历经数次失败后,因在语意辨识上取得重大进展,而且电脑与智慧型装置的运算能力大幅增强,因此从 GoogleX「毕业」,成为 Google 正式投入发展的专案。

其后,深度机器学习陆续运用在各式各样的 Google 产品中,你我生活中离不开的搜寻、99% 的垃圾邮件区辨率、Google 翻译、自动归类照片、自动回覆、以及自动回覆,都是仰赖机器学习的成果,Eric Schmidt 上週在韩国首尔透露 2,「未来五年机器学习将应用在所有产业领域,光 Google 正在进行的相关专案就超过 100 个。」

TensorFlow 开源,Google 不走寻常路
在东京看见Google大未来:所有产品都将融入机器学习

现在,为了让机器学习的发展快马加鞭,Google 邀请全世界携手加入训练机器的行列。

前天 Google 宣布将旗下机器学习软体系统「TensorFlow」以开源专案释出。TensorFlow 已运用在 Inbox 的 Smart Reply、Google

就像先前提到的,机器学习两大关键元素:资料量以及人类赋予的创造力,Google 开源的举动,无疑是要藉助社群力量,将机器学习的触角延伸到无所不在。往后研究者、工程师或任何对机器学习有兴趣的群众,都能利用程式码快速交流,加快机器学习领域发展。另外科学家也能利用 TensorFlow 分析并解读複杂数据,例如蛋白质折叠或天文数据运算。

虽然机器学习已成显学,苹果、微软、IBM 都有秘密武器,但 Eric Schmidt 自信的说,TensorFlow 要「让全世界的聪明人都能运用 TensorFlow,甚至连竞争对手都会用它,Google 不走寻常之路。」。

暂且不会朝向人工智慧发展

机器学习经常被拿来与人工智慧相提并论,但人工智慧总是令人充满「取代人类」的忧虑不安。不过 Greg Corrado 解释,两者虽有相叠之处,但本质上并不一样。人工智慧是「让机器变聪明」,IBM 的 Deep Blue即属此类,而机器学习是希望「由人类训练机器,让它从不断学习中变聪明」,后者要比前者来得简单可行,Google 也以机器学习为主要目标。Greg Corrado 说,Google 现阶段还是以让人类的生活更加便利、不必把时间浪费在琐事上为主。

  1. Google is ’re-thinking' all of its products to include machine learning↩
  2. 埃裏克·施密特:机器学习五年后将应用到所有产业 ↩
精选推荐

申博太阳城_送钱的电玩|提供最权威的购物指南|改善中国食品安全|网站地图 申博360网址 申傅太阳神怎么下载