2345软件资讯
当前位置: 首页 > IT业界 > 正文

谷歌分享过去一年的AI成果 你知道吗?

摘要:

谷歌这一年,在AI方面都有哪些成果与进展?

  谷歌这一年,在AI方面都有哪些成果与进展?

  年末将至,近日谷歌在东京举办了一场分享会,围绕Made with AI对过去一年的成果做了总结。

  ▲Google Brain负责人Jeff Dean

  谷歌资深研究员,Google Brain负责人Jeff Dean开场提纲挈领地讲到:我们在人工智能领域的愿景,是通过三种途径让每个人都从中受益:

  使谷歌的产品更加实用;

  帮助企业和开发者创新;

  为研究人员提供工具,从而解决人类面对的各项重大挑战。

  AI赋能软件:

  Jeff提到,机器学习是谷歌在人工智能领域的工作重心。作为计算机科学的一种形式,他认为机器学习编写能使计算机自主学习如何编写智能程序,要比直接编写智能程序要更为简单。

  说到谷歌开展机器学习的研究,Jeff再次使用了谷歌在2012年关于机器识猫的论文,和2015年谷歌开源TensorFlow这两个重要事例。现在,TensorFlow是GitHub上最受欢迎的工具。

  Jeff认为,机器学习仍处于发展初期。如今,机器学习对分类、预测、理解和生成这四个关键方面很有帮助。这些功能几乎被应用于谷歌所有的产品中,使产品更加实用,例如:谷歌相册、谷歌翻译、谷歌地图和Google Lens等等。下面分别做一简要总结介绍。

谷歌分享过去一年的AI成果 你知道吗?

  谷歌相册(Google Photos),被重点提出的功能是照片搜索(Photo Search)。谷歌相册可以通过图像识别妥善分类所有照片,使查找更方便。

  而谷歌翻译(Google Translate),可以和谷歌相册结合起来使用。用相机照下的图片,它可以帮你翻译出来。

  Jeff介绍,事实上翻译这项工作已经持续了十年。在过去,翻译系统并非基于神经网络的系统,而是使用更简单的统计翻译模型,由50万行代码组成。2016年推出的新神经网络机器翻译系统经过了简单却有效的数据训练。新系统仅由500行TensorFlow代码组成,而非50万行。

  “我们去年秋天开始使用新的神经网络翻译系统后,翻译准确性得到了很大的改进,可比肩过去十年中取得的提升。”

  现在,谷歌将神经网络机器翻译应用到了97组语言对中。效果提升最明显的是日英互译。

  谷歌地图(Google Map),即便在没有数据许可的情况下,通过卫星的介入,加上机器学习和计算机视觉等技术也可以产生可用的地图。

  Google Lens,可以把你看到的东西搜索出来,得到相关的信息。

  而文本理解能力的提升,让Gmail更好用。比如智能系统通过读取内容和预测回应,可以给用户提供回复答案或建议。Gmail数据显示,目前有12%的回复来自手机,这将使人们的日常工作更加便捷。

谷歌分享过去一年的AI成果 你知道吗?

  这里值得一提的是谷歌助理(Google Assistant),它的核心技术是语音识别,包含了很多机器学习的相关技术。“没有人工智能和机器学习这个产品是不可能存在的。”Jeff强调道。

  使用Google Assistant,用户可以与谷歌进行自由对话,从而完成不同种类的任务,比如寻找某一问题的答案、导航服务、获取新闻或得到日程安排方面的帮助。

  Google Assistant可以在不同设备间通用。目前,Google Assistant可使用的国家和地区包括:

  澳大利亚、巴西、加拿大(英文、法文)、德国、法国、意大利、印度(英文、印度文)、印度尼西亚、日本、韩国、墨西哥、新加坡、西班牙、英国和美国(英文、西班牙文)。(是的,并没有中国)

  在YouTube上,谷歌通过机器学习给超过10亿的视频自动加上字幕,使得有听觉障碍的人可以看到视频中的对白。

谷歌分享过去一年的AI成果 你知道吗?

  软硬结合:AI赋能硬件

  Jeff介绍了谷歌将新型的硬件与软件相结合的一个实例:Pixel Buds。它是能将使用者周围人说的话实时翻译成使用者母语的耳机,运用了语音识别和翻译技术。

  Google产品经理Isaac Reynolds介绍了新款Pixel手机中的人像模式(Portrait Mode)。

  机器学习和计算摄像的结合为新Pixel手机的人像模式赋能。通过这个功能,使用者可以拍摄背景平滑模糊的人像图片。拍摄这种照片,大摄像机一般需要多个镜头,而Pixel仅需正反各一个镜头。

  这就是谷歌在硬件方面正在采用的新处理方式:让硬件、软件、以及AI相互结合。

  接着,Isaac介绍了Google Home中的语音配对功能(Voice Match):机器学习的加入有助于识别不同的语音,使最多六个用户连接到同一台Google Home。

  在机器学习和语言方面,搜索项目总监Linne Ha介绍了语音搜索和文本转语音项目。

  语音搜索(Voice Search),指在机器学习的帮助下,自然语言处理系统能够更好地理解人们想说的话。Linne介绍道,谷歌的语音搜索现在支持119种语言,其中包括11种印度语言和3种印度尼西亚语言。

  Project Unison,是一个利用机器学习实现文本转语音(Text-to-Speech)的实验项目。通过转换引擎,手机可以用语料并不丰富的语种,如孟加拉语,高棉语和爪哇语与您对话。而机器学习模型有助于减少构建文本到语音模型所需的数据量。

  新浪科技总结下来,谷歌的策略就是“软硬结合、硬件打通”,让语言、语音和图像技术在各个应用设备上和场景中的使用得到无缝接合。

谷歌分享过去一年的AI成果 你知道吗?

  AI赋能开发者:

  谷歌为企业及开发者提供三种创新工具:TensorFlow,云机器学习API(Cloud Machine Learning APIs)以及张量处理器(Tensor Processing Unit,TPU)电脑芯片。

  其中TensorFlow现在有1万的全球开发者在使用。使用TensorFlow的企业中包括中国企业,比如小米。

  最后一部分是Google产品经理Lily Peng介绍如何用AI让世界更美好。人工智能还能应用于医疗、环保、节能、动物保护等等各方面。

  让AI惠及每一个人:

  分享会的最后,Jeff再次上台,介绍了当下时间内谷歌在AI方面的一些思路。

  Jeff提到,作为一家AI First的公司,谷歌希望让每个人都能够从人工智能中获益。目前已经取得了一些进展,但是仍然有一些困难需要克服,例如:

  首先,需要想方设法让机器学习模型的创作过程更加触手可及:

  对此谷歌的解决方案是提供培训:谷歌明年将在互联网上提供免费的机器学习课程。现在已经有1.8万名谷歌员工参加过此项培训。

  第二点,谷歌正在研究如何使用AutoML自动创建机器学习模型。

  为了确保谷歌构建的机器学习模型具有包容性,并且能够真正为每个人所用:

  谷歌启动了People + AI Research(PAIR)计划,旨在将谷歌的研究人员聚集在一起,研究并重新设计人与人工智能系统交互的方式。Facets正是此计划所孕育出的一种工具,能够将用于机器学习的训练数据可视化。

  谷歌还与Geena Davis研究所合作建立了GD-IQ,一种利用机器学习检测电影中性别偏见的工具。

  总之,Google在AI方面的长远目标,就是要让机器学习、AI触手可及。




今日最热资讯本周最热资讯

本月最热资讯