Jeff Dean：AI First背後 谷歌下一步想實現自動化AI

今天舉行的烏鎮人工智慧高峰論壇上，Google Brian資深研究員Jeff Dean和Google軟體工程師陳智峰發表了演講，介紹了AI是什麼，Google的AI程序是如何工作的。Jeff Dean稱，目前深度神經網路能夠學習的功能有像素、音頻、翻譯等等。2011年，其團隊對影像貼標籤，當時神經網路識別圖像的錯誤率26%，人類的識別錯誤率為5%，而到了2016年，神經網路的錯誤率就降低了3%。也就說，

目前，包含神經網路模型描述文件的目錄數五年來增加到4000篇，Google深度學習的應用量也迅猛增長。接下來，Google翻譯項目負責人為陳智峰介紹了Google Translate應用的研發過程。據陳智峰介紹，目前全世界50%的互聯網內容是英文，但是世界上只有20%的人說英語，這就是為什麼Google做機器翻譯的原因。

據悉，Google在2006年就開發了機器翻譯系統，現在支持100種語言的翻譯。當時的機器翻譯是基於短語的機器翻譯，離散型、局部性決策。而新的神經網路翻譯系統則使用了全局性策略。也就是說，舊的系統是逐詞翻譯，但是新版是全句翻譯，新系統的系統需要用大量的翻譯句子來學習，主要使用了編碼器和解碼器的方案。據陳智峰介紹，目前新的系統已經學習了1億個句子，而且其團隊發現，Google Translate學會了零知識遷移，也就說當新系統學習了中英翻譯，也自動學習了日韓之間的翻譯。陳智峰在現場演示了即時相機翻譯。

Jeff Dean展示了AI在Google Photos上的應用，主要是將圖片按照標籤進行分類。比如，在Google Photos上選擇狗，就自動找到帶狗的照片。這項技術用在Google Pixel手機的相機上，還可以實現去除效果、風格轉換、動態穩定攝影等功能。Jeff Dean還分享了一些數據，比如目前20%的移動搜索是通過語音完成的，我們可以利用Google Assistant進行人機交互。另一方面，12%的回復是用手機發送的，Google最近在IO大會上推出的Inbox的智能回復，可以自動根據郵件內容進行回復。Jeff Dean表示，機器學習是Google的產品核心，也能讓我們進入各種各樣的領域，它可以讓計算機通過視覺信號模仿各種各樣的操作。比如，使用機器學習可以改善健康水平，能夠很快的判斷眼疾。另外，Google還與世界各地的人們分享我們的技術，比如TensorFlow，GitHub上的機器學習，Google Cloud等。

Google的下一步是什麼？Jeff Dean稱，Google將繼續優化特殊的計算性能，較少具體的操作。上周，Google在I/O大會上發布了第二代TPU，針對訓練及推理而設計，具有能夠相互連接的設計，能夠達到180萬億次浮點預算。在Google的TPU艙室，擁有64台第二代TPU，能夠達到每秒11.5千次浮點運算。谷歌的二代TPU比市面上最好的GPU快4倍。目前，新型估算介面已經接入到TF1.2上，還可以通過谷歌雲獲得，也就是TensorFlow研究雲（TFRC），它可以達到每秒180千萬次浮點預算。Google還希望達到自動化機器學習，這是因為機器學習模型的設計是極其複雜的，Jeff Dean稱，我們希望機器學習自動解決很多問題。比如，我們希望未來可查詢的問題示例，比如「請從廚房裡為我倒一杯茶」，甚至說「幫我找出與機器人強化學習現骨幹文件，並用中文總結一下」，我們希望機器學習能夠在5秒鐘之內做到，而做到這些，可能需要一個研究人員在圖書館待一個多月。來源：網易科技

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！