[ 吾爱智能导读 ] 深度学习包括构建人工神经网络,试图模仿有机(生物)大脑对信息进行分类和处理的方式。本文探讨了谷歌如何在众多产品和服务中使用深度学习。 谷歌,谷歌,人工智能,深度学习,图像识别,语言处理 探究谷歌如何部署深度学习? AI资讯 图片来自网络

深度学习属于人工智能的领域,真正的魔法正在这里发生。传统意义的计算机虽然速度很快,但却不是很聪明——它们没有能力从错误中吸取教训,必须得到精确的指令才能执行任务。

深度学习包括构建人工神经网络,试图模仿有机(生物)大脑对信息进行分类和处理的方式。深度学习中的“深度”意味着多层的神经网络相互叠加。这种数据处理结构被称为深度神经网络,其复杂性意味着相比之前其他人工智能技术,它能够将数据处理得更彻底、更精确。

深度学习已经在人工智能的前沿推动了创新,在今天的许多应用中都可以看到。然而,随着数据量不断增加以及处理技术越来越廉价,社会上的许多部门可能都会受到影响。下面我们来看看谷歌如何在众多产品和服务中使用深度学习?

为什么谷歌对深度学习感兴趣?

谷歌一直是支持深度学习的一股强大力量——这种技术如今在前沿应用中非常流行,它的名字几乎等同于人工智能。这有一个简单的原因——它的使用效果非常好。将深度学习应用到工作中,数据科学家们得以破解几十年来一直被证明具有挑战性的一些难题,比如语音和图像识别,以及自然语言的生成。

2011年,谷歌大脑项目首次公开讨论了深度学习的可能性。在接下来的一年里,谷歌宣布它已经建成了一个神经网络,用来模拟人类的认知过程,在16000台计算机上运行,在研究了大约1000万张图像之后,它成功识别出猫。

2014年,谷歌收购了英国深度学习创业公司Deep Mind。Deep Mind开创了将现有机器学习技术与神经科学前沿研究相结合的新方法,使系统能更像“真实”智能(智能大脑)。Deep Mind负责创建使用电子游戏的Alpha Go,后来又创建了Boardgame Go,展示了他们的算法学习如何执行任务的能力,并且变得越来越擅长。

谷歌通过邮件服务深度学习的用途

虽然在实验室和游戏竞赛中证明了这一概念,但它也悄悄地跨越了谷歌的许多服务领域。

它的第一个实际用途是图像识别,它可以对上传到互联网上的数百万张图片进行排序,整理成谷歌索引。这样做是为了更准确地对它们进行分类,从而为用户提供更准确的搜索结果。谷歌在图像分析领域的最新突破包括深度学习图像增强技术。通过对现有数据的分析,以及它对其他相似图像的了解,恢复或填充图像中缺失的细节。

另一个平台,谷歌云视频智能专注于向新受众开放视频分析。存储在谷歌服务器上的视频可以被分割并分析内容及上下文,允许自动生成摘要,甚至在人工智能认为可疑的情况下进行安全警报。

语言处理是其服务的另一个领域,技术已经相对成熟。谷歌辅助语音识别AI使用深层神经网络学习如何更好地理解语音指令和问题。谷歌大脑开发的技术被纳入到这个项目中。最近,谷歌的翻译服务也被置于谷歌大脑的保护伞之下。该系统被重写,在一个名为“谷歌神经机器翻译”的新平台上运行,将一切都转移到一个深度学习环境中。

谷歌今天在其核心服务上使用深度学习的第三个主要方式是在YouTube上提供更多有用的建议。不得不提的是,该技术背后使用的正是谷歌大脑,当我们使用他们的服务器时,它会监控和记录我们的浏览习惯。数据已经表明,向观众推荐符合喜好的相关视频是为平台吸引观众的关键,广告也会随之滚滚而来。深度神经网络致力于研究和学习观众的一切习惯和喜好,并找出能牢牢吸引他们的东西。

谷歌还要在哪些方面进行深度学习?

当然,考虑到他们已经取得了成功,谷歌必然会热衷于在更宏大的、专业的或面向未来的项目中实施这项技术。

2015年,它开放了其TensorFlow机器学习和深度学习编程平台,任何人都可以使用相同的技术,基于神经网络开发解决方案。通过其云机学习引擎,它还为第三方提供存储和处理能力,希望在不投资计算机基础设施的情况下,应用这项技术。

Google的自驾车部门Waymo已经将深度学习算法纳入其自主系统,以便让自驾车更高效地分析和应对周围环境。

而Deep Mind目前正致力于以医疗保健为重点的项目,包括检测早期眼部损伤迹象以及癌变组织生长。

下一步呢?

谷歌一直是开拓、鼓励深度学习面向大众的主力军。而且,我们也会越来越多地将它们应用于自己的数据。很多人都把希望寄托于深度学习,在未来几年里,从医学到探索太空的各个领域都将取得巨大的飞跃,而谷歌所做的基础工作也将在其中发挥重要作用。

下一篇: SaaS决胜的终极战场:解决个性化与边际成本的矛盾 人工智能 行业观察 行业观察

扫一扫分享微信

7

7