除了AlphaGo，Google大神們在人工智慧領域正在憋這些「大招」

科技 05-25

Xtecher【錯別字基金】溫馨提示：如果您在閱讀過程中發現錯別字，請在文章底部留下說明＋聯繫方式，我們會立刻發給您5-88元隨機紅包一個，同樣的紅包會發給文末留言點贊最高者。

5月24日，Google、DeepMind及中國企業家和頂級學術界大拿共同出席了中國烏鎮人工智慧高峰論壇，論壇展示了機器學習這一前沿科學領域的突破與應用。

作者｜Dude

編輯｜陳光

微信公眾號ID｜Xtecher

DeepMind的聯合創始人兼 CEO Demis Hassabis 在論壇中介紹了公司軟體的發展歷程，分享了從玩 Atari 遊戲開始一路發展成為2016年戰勝圍棋世界冠軍李世石的過程，並詳細地講解了AlphaGo所使用的是兩種深度神經網路——「策略網路」(policy network) 和「價值網路」(value network)。

策略網路的作用是「選擇在哪裡落子」，價值網路的作用是「衡量走這一步對全局的影響」。他們將監督學習及強化學習兩種機器學習方法整合起來，對AlphaGo進行訓練。

Demis Hassabis說：「我的理想就是讓AI科學成為可能。此外，我對人類的大腦運作非常感興趣，開發AI的同時，我也在了解自己的大腦運作，例如大腦如何產生創意等，這個過程中我也更深入地了解了我自己。」

DeepMind的AlphaGo首席研究員David Silver介紹了最新版AlphaGo與去年那款的區別：

在計算量上，新版AlphaGo僅為去年版本的十分之一，因為演算法效率上得到了提高，訓練時間也從幾個月縮減到了幾個星期；在硬體上，新版AlphaGo可通過獨立TPU(Tensor Processing Unit) 運行，獨立的TPU使AlphaGo在運行效率上得到了飛躍；與去年對戰AlphaGo的版本相比，新版的AlphaGo在處理計算時所消耗的能量僅為過去的十分之一，並能夠更快速地進行學習。

Alphabet董事長Eric Schmidt談到了機器學習和人工智慧引領了「智能時代」的發展，他表示：「神經網路和深度學習的爆發是我所經歷過的最大變革，藉助摩爾定律機器的運算速度得到快速的提升，機器的自我學習能力更強。」此外，Eric Schmidt認為人工智慧在醫療領域可以有廣泛的應用。這些新技術能夠提升了日常的生產效率，並且企業帶來了無限機遇，尤其是在「醫療、交通以及政務」等領域。

Google的資深研究員Jeff Dean介紹了機器學習在消費產品中的應用，包括 GooglePhotos以及Gmail。其中，GooglePhotos最新版本便可以通過機器學習技術進行降噪、消除雨滴、藝術化處理、明暗識別等。此外，他在演講中表示，目前谷歌20%的移動搜索是通過語音完成；Inbox的智能回復中有12%是用手機發送的。

Jeff Dean在演講中還表示，人工智慧創造出了智慧的電腦，機器學習創造出了會學習的電腦，從而完成偉大的壯舉。而神經網路，是通過不斷輸入像素等內容參數，根據結果不斷來調優，來達到準確的輸出結果，培訓出模型，直到自己能找到準確答案——包括通過像素識別內容、音頻轉換文字、翻譯、甚至能夠看圖作文。

Jeff Dean說，2011年神經網路識別圖像的錯誤率是26%，而人類是5%；到2016年，神經網路的錯誤率已經達到3%——打敗人類，神經網路只用了5年時間。

來自GoogleCloud & AI的研發主管李佳在論壇中談到了Google正在「尋找人工智慧相關的人才，補充到北京和上海現有的工程師團隊。」李佳在 Google的工作是將人工智慧應用到企業當中，例如幫助汽車企業和電話服務中心使用 Google語音API。

Google負責健康研究的產品經理Lily Peng分享了如何利用電腦工具幫助缺乏醫療資源的國家更廣泛地進行眼疾診斷，這其中就包括了印度。印度擁有13億人口，總計缺少127,000 名眼科醫生。她提到 Google的機器學習模型診斷眼疾的準確率，甚至略微高於一些通過美國認證委員會認證的眼科醫生。這個技術還有很大的潛能可以應用到其它疾病的診斷，例如斯坦福的研究者近期已經開始使用TensorFlow利用圖像進行皮膚癌的診斷。