谷歌认为机器学习是未来的原因

本周Google I / O主题演讲中最有趣的演示之一就是今年晚些时候推出的新版谷歌语音助手。一名Google员工要求Google智能助理调出照片，然后向动物展示她的照片。她敲了一下，然后说，“把它送给贾斯汀。”照片被放入了消息传递应用程序中。

从那里，事情变得更令人印象深刻。

“嘿谷歌，发送电子邮件给杰西卡，”她说。“嗨，杰西卡，我刚从黄石公园回来，完全爱上了它。”电话转录了她的话，把“嗨杰西卡”放在了自己的路上。

然后没有任何明确的命令，女人回去指挥信息的正文。最后，她说“发送它”，谷歌的助手做了。她说：“受黄石冒险的影响。”助理明白它应该把“黄石冒险”放入主题行，而不是信息的主体。

该公司表示，谷歌还在努力扩大助理对个人参考的理解。如果用户说“嘿谷歌，妈妈家里的天气如何”，谷歌将能够发现“妈妈的房子”指的是用户母亲的家，查看她的地址，并提供天气预报她的城市。

谷歌表示其下一代助手即将推出“新款Pixel手机” - 也就是今年晚些时候推出的Pixel 3系列手机。

显然，罐装演示和运输产品之间存在很大差异。我们将不得不等待，看看与新助手的典型互动是否能很好地发挥作用。但谷歌似乎正朝着构建虚拟助手的梦想稳步前进，这种助手可以通过语音胜任处理复杂的任务。

I / O的很多公告都是这样的：不是主要新产品的宣布，而是使用机器学习技术逐步使一系列Google产品变得更加复杂和有用。谷歌还吹嘘其机器学习软件的一些引擎盖改进，这将允许谷歌创建和第三方软件使用更复杂的机器学习技术。

特别是，谷歌正在大力推动将机器学习操作从云转移到人们的移动设备上。这应该允许ML驱动的应用程序更快，更私密，并且能够脱机操作。

谷歌负责机器学习

谷歌

如果你问当前深度学习热潮的机器学习专家，很多人会在主要作者Alex Krizhevsky之后指出2012年的一篇名为“AlexNet”的论文。作者是多伦多大学的三位研究人员，他们参加了ImageNet竞赛，将图像分类为千种类别中的一种。

ImageNet组织者提供了超过一百万个标记的示例图像来训练网络。AlexNet通过使用深度神经网络实现了前所未有的准确性，该网络具有8个可训练层和650,000个神经元。他们能够在如此多的数据上训练如此庞大的网络，因为他们想出了如何利用专为大规模并行处理而设计的消费级GPU。

AlexNet展示了你可能称之为深度学习的三足凳子的重要性：更好的算法，更多的训练数据和更多的计算能力。在过去七年中，公司一直在争先恐后地加强其在所有三个方面的能力，从而带来更好和更好的性能。

谷歌几乎从一开始就一直处于领先地位。在AlexNet于2012年赢得名为ImageNet的图像识别竞赛两年后，Google以更深入的神经网络参加了比赛并获得了最高奖项。该公司已聘请了数十名顶级机器学习专家，包括2014年收购深度学习初创公司DeepMind，使公司始终处于神经网络设计的最前沿。

该公司还拥有无与伦比的大型数据集访问权限。一个2013文件描述谷歌如何使用深层神经网络在数以千万计的图像通过谷歌街景拍摄的识别地址编号。

谷歌也一直在硬件方面努力工作。2016年，谷歌宣布它已经创建了一个名为Tensor Processing Unit的定制芯片，专门用于加速神经网络所使用的操作。

“尽管谷歌早在2006年就考虑为神经网络构建专用集成电路(ASIC)，但2013年情况变得紧迫，”谷歌在2017年写道。“那时我们意识到神经网络快速增长的计算需求可能要求我们将运营的数据中心数量增加一倍。“

这就是为什么Google I / O在过去三年里一直关注机器学习的原因。该公司认为，这些资产 - 一小批机器学习专家，大量数据和自己的定制芯片 - 使其成为利用机器学习带来的机会的理想定位。

相反，关于机器学习的I / O演示集中在两个方面：将更多的机器学习活动转移到智能手机上，并利用机器学习来帮助弱势群体 - 包括聋哑人，文盲或患有癌症的人。今年的谷歌I / O实际上没有很多重大的新ML相关产品公告，因为该公司已经将机器学习融入其许多主要产品中。Android多年来一直使用语音识别和Google智能助理。谷歌照片长期以来具有令人印象深刻的基于ML的搜索功能。去年，Google推出了Google Duplex，它代表用户使用由软件创建的神奇逼真的人声来预订。

挤压机器学习到智能手机上

Justin Sullivan / Getty Images

过去使神经网络更准确的努力涉及使它们更深入和更复杂。这种方法产生了令人印象深刻的结果，但它有一个很大的缺点：网络往往太复杂，无法在智能手机上运行。

人们通过将计算卸载到云来解决这个问题。早期版本的Google和Apple的语音助理会录制音频并将其上传到公司服务器进行处理。这样做可行，但它有三个重要的缺点：它具有更高的延迟，它具有更弱的隐私保护，并且该功能只能在线工作。

因此，谷歌一直致力于在设备上转移越来越多的计算。目前的Android设备已经具备基本的设备上语音识别功能，但Google的虚拟助手需要互联网连接。谷歌表示，今年晚些时候谷歌助手将推出新的离线模式。

这一新功能是本周演示所展示的闪电般快速响应时间的重要原因。谷歌表示，对于某些任务，助手将“快10倍”。

标签： 机器学习