网易智能讯5月24日消息，今天举行的乌镇人工智能高峰论坛上，Google Brian资深研究员Jeff Dean和Google软件工程师陈智峰发表了演讲，介绍了AI是什么，Google的AI程序是如何工作的。
Jeff Dean称，目前深度神经网络能够学习的功能有像素、音频、翻译等等。2011年，其团队对影像贴标签，当时神经网络识别图像的错误率26%，人类的识别错误率为5%，而到了2016年，神经网络的错误率就降低了3%。也就说，计算机只经过了5年的进化就超过人类，这将对于机器人、医疗等领域有强大的影响。
目前，包含神经网络模型描述文件的目录数五年来增加到4000篇，Google深度学习的应用量也迅猛增长。
接下来，Google翻译项目负责人为陈智峰介绍了Google Translate应用的研发过程。
据陈智峰介绍，目前全世界50%的互联网内容是英文，但是世界上只有20%的人说英语，这就是为什么Google做机器翻译的原因。
据悉，Google在2006年就开发了机器翻译系统，现在支持100种语言的翻译。当时的机器翻译是基于短语的机器翻译，离散型、局部性决策。而新的神经网络翻译系统则使用了全局性策略。也就是说，旧的系统是逐词翻译，但是新版是全句翻译，新系统的系统需要用大量的翻译句子来学习，主要使用了编码器和解码器的方案。据陈智峰介绍，目前新的系统已经学习了1亿个句子，而且其团队发现，Google Translate学会了零知识迁移，也就说当新系统学习了中英翻译，也自动学习了日韩之间的翻译。陈智峰在现场演示了即时相机翻译。
Jeff Dean展示了AI在Google Photos上的应用，主要是将图片按照标签进行分类。比如，在Google Photos上选择狗，就自动找到带狗的照片。这项技术用在Google Pixel手机的相机上，还可以实现去除效果、风格转换、动态稳定摄影等功能。
Jeff Dean还分享了一些数据，比如目前20%的移动搜索是通过语音完成的，我们可以利用Google Assistant进行人机交互。另一方面，12%的回复是用手机发送的，Google最近在IO大会上推出的Inbox的智能回复，可以自动根据邮件内容进行回复。
Jeff Dean表示，机器学习是Google的产品核心，也能让我们进入各种各样的领域，它可以让计算机通过视觉信号模仿各种各样的操作。比如，使用机器学习可以改善健康水平，能够很快的判断眼疾。
另外，Google还与世界各地的人们分享我们的技术，比如TensorFlow，GitHub上的机器学习，Google Cloud等。。
Google的下一步是什么？Jeff Dean称，Google将继续优化特殊的计算性能，较少具体的操作。上周，Google在I/O大会上发布了第二代TPU，针对训练及推理而设计，具有能够相互连接的设计，能够达到180万亿次浮点预算。在Google的TPU舱室，拥有64台第二代TPU，能够达到每秒11.5千次浮点运算。谷歌的二代TPU比市面上最好的GPU快4倍。目前，新型估算接口已经接入到TF1.2上，还可以通过谷歌云获得，也就是TensorFlow研究云（TFRC），它可以达到每秒180千万次浮点预算。
Google还希望达到自动化机器学习，这是因为机器学习模型的设计是极其复杂的，Jeff Dean称，我们希望机器学习自动解决很多问题。比如，我们希望未来可查询的问题示例，比如“请从厨房里为我倒一杯茶”，甚至说“帮我找出与机器人强化学习现骨干文件，并用中文总结一下”，我们希望机器学习能够在5秒钟之内做到，而做到这些，可能需要一个研究人员在图书馆待一个多月。（小羿）
本文来源：网易智能
责任编辑：
丁广胜_NT1941
