Google資深研究員Jeff Dean談AI 機器進步將越來越快

烏鎮圍棋峰會

鳳凰科技訊（作者/花子健）5月24日消息，烏鎮圍棋峰會進入第二天，在今天的人工智慧高峰論壇中，Google資深研究員、Google Brain負責人Jeff Dean在演講中談到了AI的工作機制和具體應用。

Google資深研究員、Google Brain負責人Jeff Dean

人工智慧由來已久，對於用戶來說，人工智慧最直白的定義就是機器學習。Jeff Dean表示，以前用戶需要的是智慧的電腦，幫助人類進行計算，現在需要的是會學習的電腦，在幫助人類工作的同時自我學習，形成自己處理問題的能力。

對於Google來說，神經網路學習模型是目前在深度學習中最常應用的方法，並且這個模型逐漸成為一個強大的系統。

他以最初的圖像學習為例子，神經網路最初的功能就是識別這些圖片，比如圖片中的是貓、狗還是鮮花或者汽車。不斷的訓練之後，進行的是感官的識別，比如看到圖片的雪花，會聯想到「冷」這種感覺，輸入「天氣變冷」的結果；然後是對沒有標籤的圖片進行翻譯，再然後就是根據圖片的內容輸出一句完整的話。這就是神經網路在學習中進步的過程。

神經網路的準確度與數據和自身的規模大小成正比。在2011年，Google的神經網路識別豹子的圖片，錯誤率為26%，人類是5%。而到了2016年，它只有3%錯誤率，打敗了人類。五年間，它積累了更多的數據，接受了更多的圖片識別訓練，並開始具備深度的自我學習能力。

在過去的五六年中，Google在深度學習的應用量迅猛增長，2016年，包含神經網路學習模型的數量超過了4000個。

在這些應用中，他著重提到了谷歌翻譯、Google Photos、Google Assistant等。

在谷歌翻譯中，神經網路的深度學習幫助提高翻譯的準確率。早前的翻譯是基於短語的機器翻譯，特徵是採用離散型、局部性的決策，也就是說，解碼器對原語言解碼的時候，分解成詞語，編碼器也是按照詞語的順序排列，並沒有形成完整的話。

但是在神經網路機器翻譯中，神經網路模型採用的是連續型、全局性的決策，對原語言解碼之後，按照目標語的語法和表述習慣進行編碼，再輸出易於被用戶接受的翻譯結果。

Google Photos根據照片中的景物自動分類照片，比如照片有狗的照片，都可以歸為一類。對於動態攝影還可以自我進行動態穩定，自動讓發暗的照片變亮。還有Google Assistant，用戶快速通過語音獲取許多知識和問題的答案。

在演講過程中，Jeef Dean還展示了一段Demo，一個機器臂通過視覺系統捕捉他的動作，然後模仿他的肢體動作。

在這個強大的神經網路背後，是Google的第二代TPU，這款Tensor Processing Unit V2在今年的Google I/O大會上發布，它專門針對機器學習的訓練和推理而設計，支持相互連接組成TPU艙並形成處理器網路，每個處理器輸出每秒180萬億次的浮點計算能力，擁有高達64GB帶寬的存儲器。

Jeff Dean表示，為了積累更多的數據和訓練模型，Google將向研究開放式機器學習的研究人員免費開放配有TPU的雲虛擬機。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！