Google今日（28日）趕在AWS年度大會re:Invent登場前，在日本東京舉辦#MadeWithAI活動，介紹Google在AI技術上的發展和新進展，Google在過去就持續投入AI領域的研究上，近幾年更是將AI技術帶入自家的產品，Google資深研究員Jeff Dean揭露，Google發展AI的3大方向即是使產品更有用、協助他人創新、解決人類的挑戰。
Jeff Dean表示，AI的概念在電腦科學的領域已經存在超過50年，主要是要讓電腦擁有類似人的智慧，過去的演算法通常是用規則模式（Rule-based）來編寫，但是在近10～20年，開發人員慢慢地發現不是所有的事都有規則可循，就像要辨識圖像中的動物是獵豹還是美洲豹的問題，很難用規則的方式來區分。
因此，機器學習成為打造問題解決系統的新方法，是AI技術的一大部分，藉由匯入大量的資料集，經過不斷學習找出模式（Pattern），讓電腦變得更聰明進而產生預測，今年打敗人類棋王的電腦圍棋程式AlphaGo即是用機器學習讓電腦學習大量的棋譜，找出下棋的模式。
其中，目前最熱門的一種機器學習是類神經網路，由於計算能力的增長促使類神經網路模型更加準確，類神經網路是模擬人腦的運行，透過一層層的處理和辨識，理解出模式，舉例來說，圖像辨識的任務就是先給予電腦大量的圖像，並將圖像標上標籤（Label），經過多次學習，類神經網路就能透過圖片的特徵來辨識影像。
Jeff Dean表示，類神經網路能夠處理圖像、語音和文字等，他舉出目前機器學習的多個應用，像是辨識圖片物件、語音轉文字、文字翻譯，以及匯入一張圖片，電腦能自動產生一段對影像的描述。
將AI技術帶入自家產品
Google除了開發AI技術，也將AI技術帶到了自家產品上，包括Google Photos、智慧型手機Pixel相機、Google Assistant、Google翻譯、Google地圖等，舉例來說，使用者能夠在Google Photos中透過關鍵字自動搜尋相關的圖片，即是使用深度學習自動辨識圖片中的物件，Pixel相機則是由於機器學習演算法能夠自動辨識圖像的遠近，因此不需要透過光圈就能創造出景深的效果，而Google Assistant能夠理解自然語言與人類互動，成為人類的助手。
Jeff Dean表示，Google翻譯更是在近幾年因為機器學習有更大的進展，目前已經可以提供97組語言翻譯，翻譯的結果也越來越準確，未來還可能結合耳機，讓使用者透過耳機和Google翻譯，在對話的過程中，同步聽見翻譯結果。
Google在語言的研究上也有新的進展，Google語言研究計畫總經理Linne Ha表示，全球有6千種語言，其中超過400種語言有100萬以上的人在使用，還有許多不同的方言，但是網路上卻有超過50%都是英文網頁，這樣的不平衡會造成知識取得不易，因此，Google透過深度學習，在今年能夠辨識的語言新增了20種語言。
除此之外，Google還正在為較少資源的語言，建立文字轉語音的系統，稱為Unison專案，每個語言收集約10位講該語言的人聲，每位講45分鐘，大約2千個片語，經過系統處理創造出一個平均的聲色，目前Google已經建立孟加拉語、高棉語、尼泊爾語、僧伽羅語、爪哇語、印尼的巽他語。
「Google語言研究下一步是方言，」Linne Ha表示，未來Google要打造可以辨識不同腔調的語音，像是新加坡英文，甚至，Linne Ha還揭露了目前Google正在發展雙語的語言辨識系統，第一個是廣東話。
用機器學習框架TensorFlow打造出多元應用
Google在2015年以Apache2.0授權模式，開源釋出機器學習框架TensorFlow，即是希望提供AI工程師、某些領域的專家和一般使用者開源的AI工具，讓大家都可以使用AI技術創造新應用，TensorFlow在2年內已經成為最熱門的機器學習框架，目前，TensorFlow已經被用在節能、環境保育和健康醫療等領域上，例如，Google機房與DeepMind合作打造深度學習模型有效降低機房能源，Google研究團隊也運用TensorFlow來打造乳癌和糖尿病視網膜病變辨識系統。
除了Google自家的產品和應用之外，另一個值得注意的是，日本百年食品大廠Kewpie過去也透過TensorFlow，建立生產線原料檢查系統，辨識生產線上不合格的馬鈴薯塊，現在更進一步，以100萬個馬鈴薯塊當作資料集，系統經過不斷學習，用AI技術選出優良的馬鈴薯塊，Kewpie食品廠產品線負責人Takeshi Ogino也親自到場展示將在2個月後完成的雛型機器運作影片。
環境保育的應用上，也有紐西蘭的生態學家Victor Anton透過TensorFlow建立辨識紐西蘭鳥類叫聲的系統，因為紐西蘭擁有眾多特有種鳥類但是目前瀕臨絕種，為了採取復育的行動，Victor Anton打造了圍欄保護區並裝設錄音裝置，掌握各種鳥類的行蹤，Victor Anton花了1年的時間，收集約1萬5千個小時的鳥類叫聲音檔，人類可能要花上2年的時間才能聽完，因此，Victor Anton將聲音轉為光譜圖再辨識出是哪一個種類的鳥類，建立完的辨識模型經過次訓練即可產生分類結果。
Google AI發展的下一步
Jeff Dean表示，讓AI普及化的挑戰在於提供不同領域的專家機器學習技術，並讓AI成為更公平的工具，「人才的確是一大挑戰！」Jeff Dean坦言，在2012年Google內部的工程師只有少於1千人有機器學習的背景，為了加速AI技術開發，Google建立一套AI訓練系統訓練人才，提供內部工程師機器學習課程，目前完成機器學習訓練的工程師已經超過1萬8人，Jeff Dean更宣布：「Google會在明天年初將機器學習線上課程免費釋出！」提供大家學習機器學習技術的管道，課程與Google內部培訓的課程為同一套，目前Google尚未公布確切釋出的時間，不過，以明年初時間推估，Google可能會在明年3月舉辦的Next大會中發表。
在研究方面，Google正在打造機器學習的自動化流程，透過兩個網路相互回饋自動學習，針對特定任務進行訓練，找出最佳的模型，目前約有1萬5千個模型不斷地進行自動化訓練。
from iThome 新聞 http://ift.tt/2Ac8gXj
沒有留言:
張貼留言