視頻識別、語音識別、臉部識別、語音搜索、圖片搜索、谷歌眼鏡、自動駕駛汽車，在谷歌規(guī)劃的一系列智能產(chǎn)品和應(yīng)用的背后，是谷歌在神經(jīng)網(wǎng)絡(luò)技術(shù)的進步和在虛擬腦技術(shù)計算領(lǐng)域的突破。
這一看似高深的技術(shù)以大數(shù)據(jù)處理和海量計算為基礎(chǔ)，為人工智能提供計算服務(wù)，使得越來越計算成為可能。在今年夏天該技術(shù)因谷歌的貓臉設(shè)別而廣為了解，近日《麻生理工創(chuàng)業(yè)技術(shù)》上刊登了一篇文章，詳細介紹了該技術(shù)的進展，以下是文章全文。
今年夏天，谷歌在人工智能領(lǐng)域獲得突破。谷歌發(fā)明了一個軟件，只需要看一下YouTube上的視頻，就能學(xué)會識別貓和人，還有其他東西。這項技術(shù)根據(jù)腦細胞的運作方式建立，并已開始讓谷歌的產(chǎn)品變得更聰明。而語音識別也成了這一軟件的首個盈利服務(wù)。
谷歌的學(xué)習(xí)軟件基于對一組相互連接的腦細胞的模擬。這些腦細胞可以彼此溝通，互相施加影響。當把這樣一個神經(jīng)網(wǎng)絡(luò)暴露在數(shù)據(jù)面前，不同神經(jīng)元之間的關(guān)系會發(fā)生改變。這樣，網(wǎng)絡(luò)就會發(fā)育出對某個類別的輸入數(shù)據(jù)作出特定反應(yīng)的能力。通過這種方式，網(wǎng)絡(luò)“學(xué)”到了一些東西。
在過去的幾十年里，神經(jīng)網(wǎng)絡(luò)已被使用在機器學(xué)習(xí)的領(lǐng)域，例如國際象棋軟件或臉部識別。谷歌的工程師找到了可以利用更多計算力量的方法，這是之前做不到的。他們制造出的神經(jīng)網(wǎng)絡(luò)可以不需要人的幫助，而且還很穩(wěn)定，可以走出實驗室展示階段，進入商業(yè)化過程。
這幅圖片可以讓谷歌神經(jīng)網(wǎng)絡(luò)技術(shù)識別為貓臉
谷歌的神經(jīng)網(wǎng)絡(luò)可以自己決定什么類型的數(shù)據(jù)需要特別注意，什么模式特別重要。例如，哪些顏色和特別的形狀是軟件正在識別的物體的重點？所以它無需人類使用者來做決定。
谷歌現(xiàn)在正使用神經(jīng)網(wǎng)絡(luò)來更準確地識別語音，對于谷歌的智能手機操作系統(tǒng)安卓來說，這一功能變得越來越重要，對谷歌在蘋果上的搜索應(yīng)用來說也是如此。我們在修正錯誤單詞方面改進了20%到25%，”谷歌的語音識別領(lǐng)導(dǎo)文森特•凡豪克（Vincent Vanhoucke）說，“這意味著更多的人會得到無錯的完美體驗。”目前，神經(jīng)網(wǎng)絡(luò)只對美式英語有效，不過凡豪克表示谷歌正在其他方言和語言上作出相似的嘗試。
其他一些谷歌的產(chǎn)品也會從新型學(xué)習(xí)軟件中受益。例如，谷歌的圖片搜索工具可以更好地理解圖片的內(nèi)容，而不依賴周圍的環(huán)境。而谷歌的無人駕駛汽車和嵌入移動計算機的眼鏡也能依靠軟件來更好的理解現(xiàn)實世界數(shù)據(jù)。這項新技術(shù)在今年6月登上了很多媒體的頭條。那時，谷歌的工程師發(fā)表了實驗結(jié)果。他們從YouTube的視頻中獲得了1000萬張圖片，并把這些圖片扔到了模擬腦細胞中，為了完成這一工作，幾千臺計算機的1萬6千個處理器連續(xù)不斷地工作了10天。
“大部分人只用一臺機器來建模，但我們希望用一個很大的神經(jīng)網(wǎng)絡(luò)來進行實驗，”杰夫•迪安（Jeff Dean）說，他是谷歌幫助領(lǐng)導(dǎo)研究的工程師。“如果你能擴大模型和模型處理數(shù)據(jù)的規(guī)模，你就能理解更細微的差別和更復(fù)雜的特征。”
通過這種方式產(chǎn)生的神經(jīng)網(wǎng)絡(luò)更加靈活。“這些模型可以更好地理解環(huán)境，”迪安說，他給出了一個語音識別世界的例子。例如，如果谷歌系統(tǒng)認為它聽到一個人說“我要吃一個荔枝，”但是“荔枝”這個詞卻沒聽清楚，它會從過去的經(jīng)歷中進行猜測。因為“荔枝”是一種水果，會在和“蘋果”或“橙子”相同的語境下使用。
迪安介紹說，他的研究團隊還在測試可以同時理解圖片和文字的模型。“如果你輸入‘鼠海豚’這幾個字，它就會給你鼠海豚的照片，如果你提供一張鼠海豚的照片，它就會給你‘鼠海豚’這幾個字。”
下一步，研究人員會讓同一個模型學(xué)習(xí)詞匯的聲音，可以把不同的數(shù)據(jù)關(guān)聯(lián)起來。這些數(shù)據(jù)可以讓語音識別從視頻中收集到額外的線索，也可以讓谷歌的無人駕駛汽車提升性能，因為它可幫助這些汽車結(jié)合不同來源的數(shù)據(jù)（例如對附近障礙的激光掃描和汽車引擎的數(shù)據(jù)），更好地理解周圍環(huán)境。
蒙特利爾大學(xué)（University of Montreal）的教授喬舒亞•本希奧（Yoshua Bengio）表示，谷歌在神經(jīng)網(wǎng)絡(luò)上的工作讓我們朝著人工智能的終極目標邁進了一小步：匹配動物甚至人類的智慧。本希奧研究的也是類似的機器學(xué)習(xí)技術(shù)。“這條路會通向更加廣義的人工智能，如果你不能把大量關(guān)于這個世界的知識放到機器里，你就不可能得到一個智能的機器，”他說。