主题 : 谷歌介绍史上最强AI产品阵容,潜移默化影响你
千山同一月 万户尽皆春 千江有水千江月 万里无云万里天
级别: 总版主

UID: 998
精华: 0
发帖: 604963
威望: 528524 点
无痕币: 3089 WHB
贡献值: 0 点
在线时间: 61676(时)
注册时间: 2008-12-25
最后登录: 2024-03-29

0 谷歌介绍史上最强AI产品阵容,潜移默化影响你

11月28日上午,2017年Google APAC Press会议在东京主题为Made With AI的活动。
Google Brain团队负责人、Google Research Group资深院士Jeff Dean以及Google AI软硬件产品研发的负责人发表了演讲,Jeff Dean向观众摆出了目前最为详细的Google AI产品阵列。
详解了Google是如何将AI和ML(机器学习)技术运用到目前的软硬件产品上,以及如何用AI和ML技术赋予到社会公司企业,用行业+ AI的方式解决更多棘手的问题。
Jeff Dean头上顶了太多的光环。他是Google Tensor Flow项目的负责人,Google Brain的联合创办人,Google计算机学术研究方面的资深学者以及架构师等等,关于Jeff Dean有很多传奇故事和老梗,作为这个「编译器从来不给Jeff Dean编译警告,而是Jeff Dean警告编译器」的传奇人物,你只需要知道——Google这家公司AI技术方面的问题,由他来发言是比较合适的就好了。

Jeff Dean在东京的活动上,详解了Google旗下那些使用了AI技术的软硬件产品,并对AI技术的未来提出畅想。
那些潜移默化影响你的Google AI产品
Jeff Dean提到今天的主题可以分为三个大的部分,主要是:利用AI技术使Google自己的产品更加实用;利用AI技术帮助企业和开发者进行创新;利用AI技术让世界变得更美好,既觉人类面临的问题。
为了让人们更了解机器学习,Jeff Dean现场又讲了机器如何识别猫的故事。
Google在2012年发表了关于机器学习猫的论坛以及在2015年开源了Tensor Flow框架,Google通过大量的猫图片告诉系统这是「猫」,而提供机器学习自我的判断能力,当机器学习能够准确的识别一张新的图片是「猫」时,说明它已经具备一定的准确性了。
这种机器学习的技术将会大量的运用在语音识别、计算机视觉、识别Email中的垃圾邮件甚至时下最热的无人驾驶技术当中。
计算力和大数据的突破,成就了今天的机器学习和AI技术,Jeff Dean认为如今的AI技术的迅速发展是难以想象的。机器学习仍处于发展初期。但如今,机器学习对分类,预测,理解和生成这四个关键方面很有帮助。
来看看Google旗下的那些采用了AI和ML技术的标杆级产品。

比如关于机器学习的分类,Google有Google Photos中的照片搜索(Photo Search),Google Translate中的即时相机翻译(Word Lens)和Google Lens;
关于机器学习的预测:Gmail和Inbox中的智能回复(Smart Reply)和Google Maps中停车难易度的图标(Parking difficulty icons);
关于机器学习的理解:Google Assistant,YouTube中的自动字幕(Auto captions)和神经网络机器翻译(Neural Machine Translation)。
Google翻译如今同时结合了计算机视觉和神经网络,可以通过语音输入,也可以直接拍照翻译。Google介绍,目前已经实现了97种语言的机器自动翻译,准确性提升也超过了过去10年。
这也是唯一一个不需要科学上网就能在中国使用的软件。
而其他使用了AI技术的软件也潜移默化的对你的高效使用产生了影响。比如在Goolge Photos,用户可以更方便的找到自己想要的特定图片,比如直接搜索「狗」,计算机视觉已经自动识别出很多的「狗」并归类,Google Photos还拥有向用户推荐和生成图集的功能。
Google Lens则是在今年5月份推出的一款基于图像识别的产品,简单的来说,就是让机器理解你给出图片,让机器学会「看图说话」。这项基础技术的意义是在Google AI产品阵营中随机组合,比如进入到Google Assistant助手当中。
利用在Gmail的AI技术则是帮忙机器智能学习邮件回复,在使用手机回复邮件的过程中预判你可能需要回复的邮件内容。
比如当有人发邮件询问你——「下午一起去星巴克喝个咖啡时?」,邮件可能会直接给出「好啊,我有时间,到时候见」以及「时间不允许,我今天有点忙」之类的回复选项。这用于提高手机回复邮件的速度。
另外,Google Maps可以预测你的目的地有没有停车位,标出停车难易度;Google Play Music中用AI预测你的音乐喜好并进行推荐;Google Allo可以让使用者在回复表情时,对自己的形象进行涂鸦,以此来表示心情;在YouTube上,机器学习已经给10亿的视频自动加上了字幕,可以让世界上近3亿的聋哑人或者有听觉障碍的人可以看到视频上的东西;而Google Assistant则是由很多机器学习的基础能力构成一个主打语音交互的智能助手。
软件之后,Google的产品经理Isaac Reynolds,介绍了Pixel XL相机的人像模式(Portrait Mode),一个用AI技术打造的拍照功能。

在Pixel 2 XL手机中,Google使用算法解决了拍照中背景虚化的问题。在一众用双摄像头提高拍照素质的手机中,Pixel 2 XL在DxOMARK上也取得了不俗的成绩。简单来说,就是能用算法解决的,就不要盲目堆彻硬件!

Google又介绍,将AI技术与软硬件结合的更好的一个例子Pixel Buds。
戴上它,它可以实时帮你将周维的人说得话翻译成你的母语,同时集合了语音技术和翻译技术。
情怀项目落地——Noto Fonts和Project Unison
再次谈到了一些产品系统级的AI应用,会又让人觉得Google总是在低调的做一些看似微小的事情。
我在参加之前的北京Google的一次活动中,Google就详细接受了Unicode。例如Google内部在讨论并敲定新的Emoji表情之后会向Unicode协会提交申请,Unicode协会再同各个合作公司讨论。
当最终讨论通过后,Unicode协会便将新的Emoji表情加入全球Unicode列表里,然后每个公司会开始设计相应的、自己风格的Emoji表情,经过Unicode是以此来保证Emoji表情再跨平台的收发时不会出现「豆腐」(乱码)的情况。

而在语言方面的Unicode,则让更多语言进行统一编码,Noto Fonts就是消除「豆腐块」的意思。从更高维度的字体库层面,消除乱码,让输入变得更加个性化和易用。
Noto字体,Google定位其为一个「包含全球语言的字体工程」,只要是电脑上有编码的语言就要做字体,并且期望Noto可以在不同尺寸的屏幕上均能提供高质量、易阅读的体验。

Google这次还介绍了一个情怀项目Project Unison,这个项目为一些小语种的用户打造TTS(语音合成),比如在中国解决机器用粤语和用户对话的问题。
简单来说,让每个小语种的用户每人对机器说45分钟话,他们一共统计了2000多种语言。而产出的TTS机器语言,既不会太像人,但也不全是机器口音,会取中间…….
围绕这样的方言,就可能产生比如新加坡英语口语,中式英语,当然主体是保护小语种使用者,比如孟加拉语,高棉语和爪哇语。让他们有更多的语料库,可以说这才是真正的情怀了。
Google研究项目总监Linne Ha提到——世界上有6000种语言,另外还有很多方言,这其中超过100万人以上使用的语言有400种,但是,目前网络上的内容大约50%以上都是英文,这就是用机器学习来解决语言互通的重要性。
「语言是身份不可或缺的一部分,谷歌想要创造一个技术,能够让更多的人联网,让不同语言的人上网更容易。」
关于Tensor Flow和Google Assistant的情怀
Google Assistant工程总监Pravir Gupta介绍了Google Assistant的现状——目前的Google Assistant支持不同种类的任务,比如寻找某一问题的答案、导航服务、获取新闻或得到日程安排方面的帮助。
他以日本市场为背景,问了「在东京是不是要给小费」、Google Assistant准确回复了他想知道的问题;例如他的孩子还喜欢听各种动物的叫声,可以问「八哥是怎么叫的」等问题。
关于TensorFlow,Google提到最新使用情况来说,现在有1万的全球开发者在使用。
使用Tensor Flow解决企业的问题,就是行业+ AI的典型案例。比如日本当地的一家叫丘比的公司在TensorFlow的帮助下正在提高食品材料的质量和安全性。
丘比使用TensorFlow开发出一个工具,可以从婴儿食品中所使用的切块土豆中检测出食品生产中有缺陷的成分。
来自丘比的Takeshi Ogino介绍道:「人工智能以近乎完美的精准度,挑选出有缺陷的食材,这对我们的员工来说非常鼓舞人心。」
机器学习也可以帮助人类解决面临的一些重大挑战:如医疗保健、能源和环境保护问题。
Google产品经理、医疗成像团队负责人Lily Peng的团队与印度、泰国和美国的一些医院合作开发一种工具,可以通过机器学习帮助诊断糖尿病所引起的眼部疾病。

机器学习模型同样可以追踪当前濒临灭绝的珍惜物种,很多动物肉眼难以监测,所以Google团队与澳洲生物学家一起建立了一个TensorFlow模型,让机器自动追踪动物,更好保护濒临灭绝的动物。
同时,机器学习也用于图像识别乳腺癌。乳腺癌当当前误诊率很高的疾病。而机器学习的技术,就可以更精准,在这方面,利用AI测试的得分已经超过了人类医生的得分。
而另外一家使用了Google机器学习的研究机构介绍,他们正使用人工智能保护鸟类。他们致力于追踪新西兰濒临灭绝的鸟类,以改善对它们的保护工作。
他们首先收集了5万个小时的音频并将其转换成谱图,通过TensorFlow更加快速高效地分析这些音频,识别谱图中的鸟鸣声。
千山同一月 万户尽皆春 千江有水千江月 万里无云万里天
级别: 总版主

UID: 998
精华: 0
发帖: 604963
威望: 528524 点
无痕币: 3089 WHB
贡献值: 0 点
在线时间: 61676(时)
注册时间: 2008-12-25
最后登录: 2024-03-29

AI民主化和包容性
AI民主化是让更多的人使用到AI技术,以及让更多的人使用AI技术来解决社会疑难问题。
另一课题是,如何将机器学习也自动化呢?
Jeff Dean再次登台,他希望让每个人都用上机器学习。他提到,他们培训Google工程师如何使用,告诉他们什么样的方法是最佳的。他介绍到,Google中已经有18000员工参加了培训,他们还将和外部的大学进行试点,参与到学校机器学习的课程中。
Jeff Dean提到了Google提出的愿景——作为一家AI First的公司,Google致力于让每个人都能够从人工智能中获益。
但目前来看,Google已经取得了一些进展,但是仍然有一些困难需要克服。为了想方设法让机器学习模型的创作过程更加触手可及:
Google提到了几个月之前提出的AutoML项目,这用来研究如何使用AutoML自动创建机器学习模型。Google希望构建更大的机器学习社区来帮忙建立更多的模型来解决他们未曾想到的那些问题。
其次,为了确保Google构建的机器学习模型具有包容性,并且能够真正为每个人所用。Google提出了PAIR计划——「我们启动了People + AI Research (PAIR)计划,这个计划旨在将Google的研究人员聚集在一起,研究并重新设计人与人工智能系统交互的方式。
Facets作为这个计划所孕育出的一个开放源码的机器学习工具,能够用于机器学习的训练数据可视化。」
除此之外,Google还与Geena Davis研究所合作建立了GD-IQ,一种利用机器学习检测电影中性别偏见的工具。
总之,Google为代码世界所做出的「微小贡献」以及对改善真实世界的想法和结果,可能远远不止提到的这些。
Total 4.046532(s) query 4, Time now is:03-29 04:15, Gzip enabled 粤ICP备07514325号-1
Powered by PHPWind v7.3.2 Certificate Code © 2003-13 秋无痕论坛