智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
其他品牌
【中國(guó)智能制造網(wǎng) 企業(yè)動(dòng)態(tài)】2018年5月8日，一年一度的谷歌 I/O大會(huì)在美國(guó)加州山景城開(kāi)幕。2016 年谷歌從移動(dòng)優(yōu)先到人工智能優(yōu)先(AI-first)，兩年來(lái)我們從谷歌 I/O 看到了谷歌如何踐行這一戰(zhàn)略。在今日剛剛結(jié)束的 Keynote 中，機(jī)器學(xué)習(xí)依舊是整個(gè)大會(huì)的主旋律：谷歌發(fā)布了 TPU 3.0、Google Duplex，以及基于 AI 核心的新一代安卓操作系統(tǒng) Android P，也介紹了自己在 News、Map、Lens 等眾多產(chǎn)品中對(duì) AI 與機(jī)器學(xué)習(xí)模型的應(yīng)用。本文帶你一覽谷歌I/O 2018首日keynote的核心亮點(diǎn)。
在今天的 Keynote 中，谷歌 CEO 桑德?tīng)?middot;皮查伊等人介紹了谷歌一年來(lái)的多方面 AI 研究成果，例如深度學(xué)習(xí)醫(yī)療、TPU3.0、Google Duplex 等，也展示了 AI 如何地融入了谷歌每一條產(chǎn)品線，從安卓到 Google Lens 和 Waymo。在本文中，機(jī)器之心對(duì) Keynote 的核心內(nèi)容進(jìn)行了整理。
深度學(xué)習(xí)醫(yī)療
大會(huì)剛開(kāi)始，昨天谷歌所有的 AI 研究合并出的 Google AI 發(fā)布了一篇博客，介紹谷歌在醫(yī)療領(lǐng)域的研究：
聯(lián)合斯坦福醫(yī)學(xué)院、加州大學(xué)舊金山分校 、芝加哥大學(xué)醫(yī)學(xué)中心，谷歌今天在 Nature Partner Journals： Digital Medicine 上發(fā)布了一篇論文《Scalable and Accurate Deep Learning with Electronic Health Records》。
在此研究中，谷歌使用深度學(xué)習(xí)模型根據(jù)去識(shí)別的電子病歷做出大量與病人相關(guān)的預(yù)測(cè)。重要的是，谷歌能夠使用原始數(shù)據(jù)，不需要人工提取、清潔、轉(zhuǎn)換病歷中的相關(guān)變量。
在預(yù)測(cè)之前，深度學(xué)習(xí)模型讀取早期到現(xiàn)在所有的數(shù)據(jù)點(diǎn)，然后學(xué)習(xí)對(duì)預(yù)測(cè)輸出有幫助的數(shù)據(jù)。由于數(shù)據(jù)點(diǎn)數(shù)量巨大，谷歌基于循環(huán)神經(jīng)網(wǎng)絡(luò)與前饋網(wǎng)絡(luò)開(kāi)發(fā)出了一種新型的深度學(xué)習(xí)建模方法。
至于預(yù)測(cè)準(zhǔn)確率(標(biāo)準(zhǔn)：1.00 為得分)，如果病人就醫(yī)時(shí)間較長(zhǎng)，論文提出的模型預(yù)測(cè)得分為 0.86，而傳統(tǒng)的 logistic 回歸模型得分為 0.76。這一預(yù)測(cè)準(zhǔn)確率已經(jīng)相當(dāng)驚人。
Looking to Listen：音頻－視覺(jué)語(yǔ)音分離模型
而后，皮查伊介紹了谷歌博客不久前介紹的新型音頻-視覺(jué)語(yǔ)音分離模型。
在論文《Looking to Listen at the Cocktail Party》中，谷歌提出了一種深度學(xué)習(xí)音頻-視覺(jué)模型，用于將單個(gè)語(yǔ)音信號(hào)與背景噪聲、其他人聲等混合聲音分離開(kāi)來(lái)。這種方法用途廣泛，從視頻中的語(yǔ)音增強(qiáng)和識(shí)別、視頻會(huì)議，到改進(jìn)助聽(tīng)器，不一而足，尤其適用于有多個(gè)說(shuō)話人的情景。
據(jù)介紹，這項(xiàng)技術(shù)的獨(dú)特之處是結(jié)合了輸入視頻的聽(tīng)覺(jué)和視覺(jué)信號(hào)來(lái)分離語(yǔ)音。直觀地講，人的嘴的運(yùn)動(dòng)應(yīng)當(dāng)與該人說(shuō)話時(shí)產(chǎn)生的聲音相關(guān)聯(lián)，這反過(guò)來(lái)又可以幫助識(shí)別音頻的哪些部分對(duì)應(yīng)于該人。視覺(jué)信號(hào)不僅在混合語(yǔ)音的情況下顯著提高了語(yǔ)音分離質(zhì)量(與僅僅使用音頻的語(yǔ)音分離相比)，它還將分離的干凈語(yǔ)音軌道與視頻中的可見(jiàn)說(shuō)話者相關(guān)聯(lián)。
在谷歌提出的方法中，輸入是具有一個(gè)或多個(gè)說(shuō)話人的視頻，其中我們需要的語(yǔ)音受到其他說(shuō)話人和/或背景噪聲的干擾。輸出是將輸入音頻軌道分解成的干凈語(yǔ)音軌道，其中每個(gè)語(yǔ)音軌道來(lái)自視頻中檢測(cè)到的每一個(gè)人。
皮查伊還介紹了谷歌其他 NLP 應(yīng)用，例如通過(guò)谷歌的鍵盤(pán)輸入摩斯電碼讓語(yǔ)言障礙者重新獲得表達(dá)能力、GMail 中利用語(yǔ)言模型與語(yǔ)境信息預(yù)測(cè)輸入。
之后，皮查伊介紹了谷歌在計(jì)算機(jī)領(lǐng)域的一些研究成果與應(yīng)用，包括醫(yī)療影像方面的研究，移動(dòng)設(shè)備中應(yīng)用的照片理解、摳圖、自動(dòng)上色和文檔處理等。
TPU 3．0
去年，谷歌 I/0 公布了 TPU 2.0，且開(kāi)放給了谷歌云客戶。今天，皮查伊正式宣布 TPU 3.0 版本。
皮查伊介紹，TPU 3.0 版本功能強(qiáng)大，采用液冷系統(tǒng)，計(jì)算性能是 TPU 2.0 的 8 倍，可解決更多問(wèn)題，讓用戶開(kāi)發(fā)更大、更好、更準(zhǔn)確的模型。更多有關(guān) TPU 3.0 的信息也許會(huì)在之后放出。
Google Assitant 與 Google Duplex
集成谷歌人機(jī)交互研究的 Google Assistant 在今日的 keynote 中必然會(huì)亮相。Google Assitant 負(fù)責(zé)工程的副總裁 Scott Huffman 介紹了 Google Assitant 過(guò)去一年的成果，谷歌產(chǎn)品管理總監(jiān) Lilian Rincon 介紹了帶有視覺(jué)體驗(yàn)的 Google Assistant 產(chǎn)品，且有數(shù)款產(chǎn)品將在今年 7 月份發(fā)布。
而后谷歌 CEO 桑德?tīng)?middot;皮查伊在 Keynote 中展示了語(yǔ)言交互的重要性，并正式介紹了一種進(jìn)行自然語(yǔ)言對(duì)話的新技術(shù) Google Duplex。這種技術(shù)旨在完成預(yù)約等特定任務(wù)，并使系統(tǒng)盡可能自然流暢地實(shí)現(xiàn)對(duì)話，使用戶能像與人對(duì)話那樣便捷。
這種自然的對(duì)話非常難以處理，因?yàn)橛脩艨赡軙?huì)使用更加不正式或較長(zhǎng)的句子，且語(yǔ)速和語(yǔ)調(diào)也會(huì)相應(yīng)地增加。此外，在交互式對(duì)話中，同樣的自然語(yǔ)句可能會(huì)根據(jù)語(yǔ)境有不同的意思，因?yàn)槿祟愔g的自然對(duì)話總是根據(jù)語(yǔ)境盡可能省略一些語(yǔ)言。
為了解決這些問(wèn)題，Duplex 基于循環(huán)神經(jīng)網(wǎng)絡(luò)和 TensorFlow Extended(TFX)在匿名電話會(huì)話數(shù)據(jù)集上進(jìn)行訓(xùn)練。這種循環(huán)網(wǎng)絡(luò)使用谷歌自動(dòng)語(yǔ)音識(shí)別(ASR)技術(shù)的輸出作為輸入，包括語(yǔ)音的特征、會(huì)話歷史和其它會(huì)話參數(shù)。谷歌會(huì)為每一個(gè)任務(wù)獨(dú)立地訓(xùn)練一個(gè)理解模型，但所有任務(wù)都能利用共享的語(yǔ)料庫(kù)。此外，谷歌還會(huì)使用 TFX 中的超參數(shù)優(yōu)化方法優(yōu)化模型的性能。
(原標(biāo)題：谷歌I/O 2018的AI亮點(diǎn)全在這了)
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
