為了說得明白一點，我們可以看看下面這張圖表。這里有兩張表：紅色標記對應“好吃”回復，藍色標記對應“美味”回復。“意粉”和“扁面”這兩個節(jié)點沒有標記，但是因為他們與紅藍兩種標記都很近，算法可以學會這兩個節(jié)點應該與“好吃”和“美味”回復聯(lián)系起來。注意，通過這種方式，我們將“扁面”語義個體與“好吃”回復聯(lián)系了起來，即便是圖表中的所有扁面圖片都沒有直接與該回復有聯(lián)系。Expander可以以超大的數(shù)量來進行此類學習，搞定包含幾十億個節(jié)點、幾千億個邊界的圖表。
圖表例子。圖片來自Google Research Blog。
Photo Reply是多模式學習的一個很棒的例子，在這種學習模式中，計算機視覺和自然語言處理結合起來，從而創(chuàng)造出一種非常好的用戶體驗。今年夏天晚些時候，Allo就會正式上線安卓和IOS平臺。到時候記得用Allo發(fā)發(fā)照片，看看谷歌的人工智能到底會如何回復呢？
Via Google Research Blog
登陸|注冊歡迎登陸本站，認識更多朋友，獲得更多精彩內(nèi)容推薦！