向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

谷歌人工智能专家畅谈深度学习与神经网络

我们已经与深度学习与大规模神经网络一起生活了,事实也证明有越来越多应用程序仰赖计算机视觉、语言理解以及机器人等技术……

谷歌(Google)资深院士Jeff-Dean在近日于美国旧金山举行的SIGMOD 2016大会发表专题演说时所言,我们现在最需要从机器学习中取得的是“理解力(understanding)”。iNtesmc

“我们现在有充足的运算资源,以及足够大规模的、有趣的数据集;”Dean对SIGMOD大会的听众们表示:“我们可以储存大量的有趣资料,但我们真正需要的是理解那些数据。”iNtesmc

在专题演说中,Dean概述了机器学习(machine learning,ML)与神经网络的历史,还有利用以影音呈现的原始数据编程模型之不同方法;他也详细介绍Google初具规模的ML研究成果,该公司最近将在欧洲设置一个机器学习研究中心。Google继去年发表TensorFlow算法后,又宣布自己开发了命名为张量处理单元(TPU)的人工智能加速器芯片。iNtesmc

Dean表示:“随着时间推移,我们看到越来越多利用ML技术来解决各种问题的成功案例,这导致了Google内部数百个开发团队对相关技术的使用出现真正大幅度成长。”iNtesmc

20160630-DEEP 1Google对深度学习技术的使用趋势(来源:SIGMOD/Jeff Dean)iNtesmc

Dean举例指出,Google的语音识别开发团队,透过利用神经网络将字词错误率降低了30%;该团队以神经网络取代了语音识别流水线(pipeline)的声学模型──也就是利用原始音波来判别声音与字词──并达成了二十年来最大幅度的改善成果。iNtesmc

利用机器学习与神经网络技术解决的基础性问题,也能在其他领域看到,例如医疗与卫星影像;在这些案例中,可能是需要在地图上识别某栋房子以勘查太阳能光电板的安装,或是进行糖尿病患黄斑部病变的筛选。用于语音识别的相同模型,可以轻易被利用来解决其他问题。iNtesmc

“那些模型有很多类似的地方;”Dean指出,Google翻译应用程序现在可以利用画素识别(pixel identification),实时将符号翻译成不同语言。iNtesmc

机器学习的未来发展

不过在机器学习以及神经网络的理解能力发展方面,还有一些待克服的障碍;包括模型必须要能在无人监督的状况下学习、处理多任务任务并转换学习,还有根据现实世界情况采取行动(也被称为强化学习)。iNtesmc

Dean表示,研究人员已经开始关注机器学习的隐私保护技术,并将该模型架构添加到mdash广告程序中;在这部分的机器学习中,人类的互动扮演在权衡时扮演重要角色,是很大的进步:“确保你提供的资料实际遵循你想要的隐私权政策很重要,或者你可以强加更高层级的政策到模型之上。”iNtesmc

从系统的角度来看,Dean表示下一个挑战是如何:“利用高层级的机器语言算法描述,以及将那些不同的描述映像到广泛的不同硬件上;”他也期望能将机器学习整合到更多传统的数据处理方案中。iNtesmc

摩尔定律(Moore’s Law)的尾端为机器学习提供了有趣的发展方向,Dean预期会有越来越多进行机器学习运算的异质或特制硬件;Google的TensorFlow ASIC是一个例子,而最近则是尝试利用以TensorFlow启动的机器人进行大规模数据收集。iNtesmc

“我认为这一次神经网络已经准备就绪;在90年代,我认为它们虽然带来很多激励,但就是缺乏运算资源。而现在,我想该类技术已经展现它们能解决相关有趣问题的能力;”Dean结论指出:“如果你还没考虑如何为数据库提供深度神经网络,现在应该要开始了。”
20160613-ESMC-1iNtesmc

Edit
本文为国际电子商情原创文章,未经授权禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Jessica Lipsky
EE Times副主编,调查记者。Jessica Lipsky是EE Times的副主编,负责半导体行业的新闻和趋势。 她是一名调查记者,负责各种行业内的技术、犯罪事件、公司规划和发展以及政府相关报道。 她的工作地点位于旧金山。
  • 微信扫一扫,一键转发

  • 关注“国际电子商情” 微信公众号

您可能感兴趣的文章

  • 制造商在芯片设计中受益于AI的5种方式

    芯片设计中的人工智能(AI)是该技术在制造业中最有前途的应用之一。它有望更快、更准确地制造芯片,同时减轻劳动力的压力。

  • NVIDIA Q1营收下降13%,AI增速超过10%,未来将达一万亿美

    美东时间 5月24日周三美股盘后,NVIDIA发布了一季度财报。财报显示,第一季度收入 71.9 亿美元,环比增长 19%,数据中心收入达到 创纪录的42.8 亿美元,2024 财年第二季度收入预期为 110 亿美元。

  • 为了搭建好的AI基础设施,英伟达也是蛮拼的

    没有人会相信近十年间,与训练模型和数据相关的计算量会扩大100万倍。而在生成式AI需求爆发式增长的背景下,行业更需要进行充分的供应链准备,以满足全球对AI的需求,这也是黄仁勋之所以多次强调加速计算的原因所在。

  • 瑞萨公布MCU最新路线图

    近年来,很多厂商开始尝试在MCU中融入AI功能,瑞萨电子也是关注MCU+AI的厂商之一。

  • ChatGPT的现象级爆红,可带来哪些半导体产业链机遇?

    AI领域的从业者认为,ChatGPT是AIGC(AI Generated Content,利用人工智能技术来生成内容)应用的新起点,随着深度学习模型不断完善、开源模式的推动、大模型探索商业化的可能,AIGC有望进入应用爆发期。ChatGPT技术的商用落地,对半导体行业有哪些推动作用?

  • Arm真能吃下30%的个人电脑市场?言之过早吧...

    11月份的一份报告提到,2023年的笔记本市场上,13.9%的份额将归属于Arm架构处理器。虽说相较于主流的x86还有距离,但比之2020年的数据已经是10倍成长了——当时Arm笔记本仅占到市场的1.4%。

相关推荐

可能感兴趣的话题