Google展示AI新實力：第二代TPU、AutoML以及一堆新功能

炸了！2017 Google I/O開發者大會北京時間昨晚召開，Google帶來一整晚密集的信息發布，也再次彰顯了Google在人工智慧方面的實力。

從移動優先轉變為AI優先的Google，在I/O大會的首日幾乎所有話題都跟人工智慧有關，量子位也對重點內容進行梳理如下。

核心要點：

第二代TPU發布，以及TPU研究雲

為移動設備優化的TensorFlow Lite

AutoML強化演算法，讓神經網路設計神經網路

Google.ai上線，所有AI成果都在這裡展示

相關數據：

月活安卓設備已達20億部

5億活躍的Google相冊用戶

Google地圖每日導航超過10億公里

人們每天觀看10億小時YouTube視頻

以下是詳細解讀。

CEO：使AI觸手可及

已經在Google工作13年的現任CEO Sundar Pichai首先登台。量子位把Pichai的開篇演講摘要還原如下：

谷歌CEO Sundar Pichai

我們正在目睹計算領域的新轉變：從移動優先到AI優先的世界。和以前一樣，這迫使我們重新構想我們的產品，提供更自然、更無縫的交互方式。

所有的進步需要正確的技術架構。去年的I/O，我們推出第一代TPU，今天我們要發布下一代TPU：雲TPU。新TPU對推理和訓練都進行了優化。

我們認為，如果科學家和工程師們可以在指尖上，擁有更好、更強大的計算工具並展開研究，複雜的社會問題將有巨大的突破。

這也是Google.ai的驅動力。

我們希望讓神經網路的創建變得更簡單。現在設計一個神經網路非常耗時，所以我們創建了AutoML，可以讓神經網路來設計神經網路。我們希望AutoML抵得上幾個博士，並在三五年內滿足更多開發者的需求。

看到AI已經開始逐漸實用令人激動，但真正要抵達AI優先的世界，還有很長的路要走。在AI普及化方面我們的工作越多，每個人就能越快受益。

第二代TPU

第一代TPU在去年的谷歌I/O大會上發布，用於運行已訓練完成的機器學習模型。而新一代晶元可同時支持模型的訓練和學習。這款晶元帶來了每秒180萬億次浮點運算的計算性能。

第二代TPU被稱作「雲TPU」，將通過谷歌雲平台向所有人開放。谷歌雲平台的開發者仍可以使用傳統晶元，例如英特爾Skylake或英偉達Volta GPU去進行設計。

雲TPU的推出再次表明，谷歌正在利用領先的技術，與公有雲行業的其他對手實現差異化發展。

谷歌CEO皮查伊在I/O大會的主題演講中表示：「我們希望谷歌雲成為機器學習領域最優秀的雲。這為重大進步打下了基礎。」

為了使計算性能更強大，谷歌開發了訂製的超高速網路，將64顆TPU連接至同一台機器學習超級計算機。這台超級計算機被稱作「TPU艙」，帶來了每秒11.5千萬億次浮點運算的能力，可用於訓練單一的大型機器學習模型，或多個較小的模型。

為了證明TPU艙的性能，谷歌表示，如果想要訓練最新的大規模翻譯模型，那麼使用32顆全球最強大的商用GPU需要一整天時間。作為對比，TPU艙只需1/8的性能，就能在6小時內完成對該模型的訓練。

單個的雲TPU和完整的TPU艙均支持谷歌開源的TensorFlow機器學習系統。

第一代TPU於兩年前開始在谷歌公司內部部署，並被用在谷歌的多款產品，例如谷歌搜索、基於機器學習的谷歌翻譯、谷歌語音識別，以及谷歌照片之中。

谷歌大腦高級研究員Jeff Deam本周表示，谷歌仍在使用CPU和GPU去訓練機器學習模型。不過他預計，未來谷歌將越來越多地使用TPU。

與此同時，谷歌還發布了「TensorFlow研究雲」。這是由1000顆雲TPU組成的簇，在滿足某些條件的情況下谷歌將免費提供給研究者使用。如果希望使用，那麼研究者必須同意公開發表研究成果，或許還需要開源研究中的相關代碼。

谷歌推出TensorFlow研究雲的目的是加速機器學習的研究進展，並計劃將其分享給哈佛醫學院等學術機構。

對參與非公開研究的人士，谷歌計劃啟動雲TPU Alpha項目。

TensorFlow Lite

在I/O上談到Android的未來時，谷歌工程副總裁宣布，他們將推出一個專門為移動設備而優化的TensorFlow版本，稱為TensorFlow lite。

用這個新框架，開發者可以創造更簡潔的深度學習模型，讓它們運行在Android智能手機上。不過，深度學習的訓練過程還是需要在雲端完成。

谷歌打算今年晚些時候推出TensorFlow lite API並開源。

Facebook今年F8開發者大會發布的Caffe2，和去年推出的Caffe2Go，也是這個思路。

讓AI設計AI

谷歌想讓AI變得更加「平易近人」，簡化神經網路模型的建造過程是個好辦法。

CEO劈柴哥在官方博客上說，現在，設計神經網路非常耗時，對專業能力要求又高，只有一小撮科學家和工程師能做。為此，谷歌創造了一種新方法：AutoML，讓神經網路去設計神經網路。

谷歌希望能借AutoML來促進深度學習開發者規模的擴張，讓設計神經網路的人，從供不應求的PhD，變成成千上萬的普通工程師。

手動設計神經網路的難點在於，所有可能的模型都有著巨大的搜索空間，一個典型的10層神經網路，變化形式高達約1010種。

谷歌耗費數年探索出的GoogleNet網路架構

在AutoML中，一個主控的神經網路可以提出一個「子」模型架構，並用特定的任務來訓練這個子模型，評估它的性能，然後，主控收到反饋，並根據反饋來改進下一個提出的子模型。

這個過程，簡單來說就是：生成新架構-測試-提供反饋供主控網路學習。在重複上千次後，主控網路學會了哪些架構能夠在已知驗證集上得到更高的準確率。

谷歌用了兩個經常作為基準的數據集來測試他們的模型，一個是圖像識別領域的CIFAR-10，另一個是語言處理領域的Penn Treebank。在兩個數據集上，自動設計的神經網路準確率都能與頂尖人類專家設計的網路媲美。

兩個用於在Penn Treebank上預測下一個詞的神經網路：左圖出自人類專家之手，右圖由演算法自動設計

要深入了解自動搭建神經網路的演算法，可以看看谷歌今年的兩篇會議論文：

進化演算法：

Large-Scale Evolution of Image Classifiers

https://arxiv.org/abs/1703.01041

Esteban Real, Sherry Moore, Andrew Selle, Saurabh Saxena, Yutaka Leon Suematsu, Quoc Le, Alex Kurakin. International Conference on Machine Learning, 2017.

強化演算法：

Neural Architecture Search with Reinforcement Learning

https://arxiv.org/abs/1611.01578

Barret Zoph, Quoc V. Le. International Conference on Learning Representations, 2017.

其他

這次I/O大會還有很多其他有意思的看點，這裡精選一些。

各種數字

月活安卓設備已達20億部，還有5億活躍的Google相冊用戶，每天產生12億張照片或者視頻。Google地圖每日導航超過10億公里。Google Drive雲存儲擁有8億用戶。人們每天觀看10億小時YouTube視頻。

Lens

點擊播放 GIF/1227K

Google在虛擬助理服務中，加入Lens（鏡頭）功能。在這個功能的幫助下，只需要手機攝像頭一照，你就能知道面前是什麼花，街對面的餐館怎麼樣等信息。這是一個結合了AI、AR、機器學習、計算機視覺等技術的功能。

智能郵件回復

安卓和iOS平台的Gmail郵件客戶端，有了一個名為Smart Reply的自動回復功能，可以基於收到的郵件，給出最多三種自動回復。

語音助手

Google Assistant虛擬助手也在iPhone上正式發布。

免費通話

藉助Google Home，兩個用戶之間可以展開免費通話，就像新一代座機。

照片分享

Google Photos現在可以提供分享建議，例如哪些照片應該分享，可以與誰分享等等。

視頻打賞

看YouTube視頻時，付費使用Super Chat功能，就能把你的評論突出顯示。

VR眼鏡

Google正與合作夥伴一起推出獨立的VR眼鏡，以後無需電腦或手機，所有的VR體驗都能在眼睛中處理完成。

找工作

Google搜索可以給你提供附近的工作招募信息。

Android Go

這是一個為低連接設備推出的產品。

室內導航

Google發布了VPS，視覺定位服務。讓用戶可以使用Tango AR平台進行室內的導航定位。

【完】

掃碼強行關注『量子位』

追蹤人工智慧領域最勁內容

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！