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)”。HFSesmc

“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。”HFSesmc

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。HFSesmc

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。”HFSesmc

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

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。HFSesmc

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。HFSesmc

“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。HFSesmc

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)。HFSesmc

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。”HFSesmc

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。HFSesmc

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。HFSesmc

“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-1HFSesmc

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

  • 转型不易?传华为拟将云端业务一分为二...

    国际电子商情8日消息,日媒最新报道声称,一份华为近期发出内部文件显示,这家中国电信巨头计划解散仅成立了14个月的核心云端和人工智能(Cloud&AI BG)业务,考虑将相关人力和资源合并到其他业务部门...

  • 国产“芯”力量!30家AI芯片厂商调研报告

    Aspencore旗下《国际电子商情》姊妹媒体《电子工程专辑》分析师团队对中国本土的AI芯片设计公司进行了第一手调查和网络汇编整理,从众多AI芯片设计厂商中挑选30家,从核心技术、代表产品、典型应用场景等多个维度进行了分析。无论云端训练和推理、边缘计算还是终端AI,AI都需要高能效的算力支持,而AI芯片无疑是输送算力的硬件保障...

  • AI芯片:在魔幻的时代找到希望

    2020年之于AI芯片,是既魔幻,但又充满希望的一年。

  • 特朗普的“眼中钉”,智能空联网是什么?

    随着人工智能的兴起,航空亦将步入智能时代,然而由于航空是一种专业性极强且产业链又很长的小众产业,因此其智能化与其它产业相比显得有些迟缓拖沓...

  • “智能制造2025”进入倒计时,工业自动化仍叫好不叫座?

    比半个米粒还小的螺丝,拿几斤重的螺丝枪去吸,一晚上平均要打1300个,也就是反复抬手一千多次,几乎十多秒要重复一次相同的动作……如此耗人力、低效率的电子制造场景,时至2020年仍出现在国内规模数一数二的电子代工厂里。

  • 国际大厂角逐SiC MOSFET,力争乘上5G“东风”!

    如今随着5G技术日益普及,场景转换效率和高温稳定性的应用需求与日俱增,碳化硅(SiC)器件凭借其优异特性而加速渗透。其中SiC MOSFET作为碳化硅电力电子器件研究中最受关注的器件之一,已在5G基站、工业电源、光伏、充电桩、不间断电源系统以及能源储存等场景中的需求量提升,引来不少国际大厂的积极探索和深入布局……

相关推荐

可能感兴趣的话题