日报

Google开源人工智能算法将改变世界?

刊登于 2015-11-15

Google 对第二代人工智能算法库“Tensor Flow”免费开放源代码,希望能加速人工智能领域的发展。Research at Google 网页截图
Google 对第二代人工智能算法库“Tensor Flow”免费开放源代码,希望能加速人工智能领域的发展。

致力于用技术改变世界的互联网巨头 Google 于11月9日开源(Open Source,开放源码)了其第二代人工智能算法库“TensorFlow”——被广泛使用在搜索、邮件、图像与视频识别等功能中的机器学习(Machine Learning)系统。

Google 于2007年推出的开源操作系统 Android 改变了移动设备领域,手机厂商和开发者从此可以进行自定制开发,搭载这一开源系统的智能手机已占据全球八成市场份额。Google 希望通过开源 TensorFlow 也能改变人工智能领域。

机器学习对我而言,是为了让人类能够不用像机器那样去做事。

Google 母公司 Alphabet 执行董事长 Eric Schmidt

人工智能研究范畴中的机器学习,是让计算机对数据自动分析以获得规律,并利用规律对未知数据进行预测的算法。TensorFlow 采用的则是机器学习中比较高效的深度学习(Deep Learning)算法,通过模拟人脑的神经网络来解释图像、声音和文本等数据。

早在2011年,由 Google Brain 团队开发的第一代深度学习系统“DistBelief”在未获取猫的特征信息的情况下,从大量 YouTube 视频中区分出了猫的视频,这意味着该系统能自动总结出猫的特征。

第二代的 TensorFlow系统则是在第一代产品的基础上发展而来。Google 表示,TensorFlow 比第一代系统更快、更灵活且更聪明,并且已经应用于 Gmail、Photos、Translate、YouTube 等产品中。Google 高级科学家 Greg Corrado 解释称,比如在垃圾邮件过滤器中引入深度学习,能通过分析大量电子邮件来“学习”识别垃圾邮件和钓鱼邮件,而不是利用预先设置好的规则进行拦截。

Google 希望此项技术的免费开放能加速人工智能领域的发展,并能利用收到的反馈信息来改进该技术。该项目的推动者 Jeff Dean 表示,“我们希望的是,整个研究、开发者社区将 TensorFlow 作为一种很好的手段来实现各种各样的机器学习算法,同时也为其在各种场景下的应用带来改进。”

有意思的是,在 Google 开源 TensorFlow 后,微软(Microsoft)亚洲研究院也立刻宣布,将其分布式机器学习工具包“DMTK”开源。除 Google 与微软外,包括 Facebook、Amazon、百度等在内的科技公司也越来越重视这个领域,以改进智能搜索、目标广告等功能。2014年5月,Google Brain 的创建人吴恩达(Andrew Ng)更是被百度公司“挖”去担任首席科学家,并负责“百度大脑”计划。

99.9 %
Google 表示,利用 TensorFlow 系统,Gmail 服务的垃圾邮件拦截率达到了99.9%,误报率只有0.05%。

声音

这是很有趣的一件事,Google 在这一领域领先整个世界5到7年。如果他们将软件开源,那将改进每一项机器学习研究。

深度学习公司 Skymind CEO Chris Nicholson

TensorFlow 对学术界的帮助比较小,但对工业界的帮助有很大潜在可能性。比如语音识别、自然语言理解、计算机视觉、广告等等都可以应用这种深度学习算法。

前 Google 科学家、人工智能科技公司出门问问 CEO 李志飞

计算机的视觉如果比人要更好,为什么还要人去开车?应该让机器开车。现在是医生看 X 光,未来如果让机器看是否会做出更准确的诊断?在开源之后,如果全世界的聪明人都将给 Google 很好的回馈,Google 会有更好的发现,让产品和服务更完美。

Google 母公司 Alphabet 执行董事长 Eric Schmidt

深度学习

Deep Learning,是机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。深度学习是机器学习中表征学习方法的一类。一个观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更加容易地从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处之一是将用非监督式或半监督式的特征学习和分层特征提取的高效算法来替代手工获取特征。至今已有多种深度学习框架,如深度神经网络、卷积神经网络和深度信念网络和递归神经网络已被应用于计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并取得了极好的效果。(资料来自维基百科)

来源:一财网Google BlogWiredcnBeta36氪雷锋网

本刊载内容版权为端传媒或相关单位所有,未经端传媒编辑部授权,请勿转载或复制,否则即为侵权。

延伸阅读