从模式中学习，谷歌人工智能推有更大的问题

人工智能 (AI) 和机器学习 (ML) 是现在大多数科技公司都已成为标准的两个词。像谷歌、苹果、微软这样的大公司越来越专注于将这些技术融入他们的日常产品中。

就谷歌而言，ML正在推动其客户相关产品的核心。无论是现在出现在所有Android手机上的Google助手还是ML驱动纵向模式的pixel 2相机。那么，为什么Google如此重视ML呢？根据谷歌高级研究员、谷歌大脑项目负责人杰夫·迪恩 (Jeff Dean) 的说法，该公司与AI和ML的使命不仅仅是让他们的产品更有用，还包括帮助其他人创新和解决更大的问题。

在东京举行的Google ML会议上，Dean解释说: “不可能将世界上的一切都编码为计算机的逻辑规则。因此，我们现在看机器学习。机器学习科学已经接管了人工智能领域。ML正在学习识别有关世界的模式。”有关AI和ML的许多工作实际上是在20世纪80年代和20世纪90年代完成的，但是直到现在，随着计算能力的增强，这些技术的全部潜力才得以实现。

机器学习本身依赖于大型数据集，并将机器学习算法暴露于这些数据集，以便他们最终能够像人类一样学会理解和思考世界。例如，机器学习是为什么当用户在其Google photos应用程序中键入 “dogs” 时，结果最终会显示库中所有狗的图片的原因。

“神经网络受到生物大脑行为的启发。这些ML网络中的神经元被教导识别某些类型的模式，并在层中寻找不同类型的模式。这些神经元最终会学习更复杂的模式。我们为他们提供了数百万个数据集，以便最终他们可以学习识别图像的正确标签。”Dean解释说。

但是Google和其他技术参与者不仅在训练ML算法和网络来理解图像并识别您的猫的图片。还将重点放在音频，文本上，以便人类最终可以与计算机或智能设备进行更自然的对话。例如，ML和AI允许像Google Home (尚未在印度推出) 这样的扬声器理解自然语言对话，而不是依赖严格的固定命令的用户。

ML使用户也可以用自然语言与Google助手和其他语音助手交谈。但是Google也在其他领域部署ML，例如对健康中的糖尿病性视网膜病的研究。正如Dean所解释的那样，当Google开始扩展其深度神经网络研究时，机器学习的突飞猛进发生在2012后。在2012年时，典型的神经网络具有大约1000万个连接，而当Google扩展该网络时，它具有超过10亿个连接的网络。

Cut 2017年和ML是Google产品及其他产品的核心，在每次公司活动中都会提醒我们这一点。但是AI和ML的发展也引发了其他有关隐私的问题，人们担心AI会超越人类。

当被问及对人工智能的恐惧时，尤其是埃隆·马斯克 (Elon Musk) 谈到的那种恐惧时，迪恩说，他认为人工智能还没有达到这个水平。

“这些都是遥远、遥远的恐惧，不一定是现实的。存在非常具体的安全问题，但是我们可以使用很多技术来部署安全的AI系统。到目前为止，这些系统还没有想象中的那种能力，“他说。

关于隐私问题以及科技公司如何收集为ML系统提供的数据，Dean指出，机器学习本身不需要用户提供特定数据。“我们正在考虑通过计算/算法方式进行改进，而不仅仅是获得更多数据。还有自动ML，网络最终会生成自己的ML网络，“他解释说。在Dean看来，目前我们所拥有的是 “狭窄的AI”，而需要的是 “更灵活的系统”。

“人工智能应该能够回答你提出的任何问题，帮助人们取得比他们所能做到的更多的成就。无论是在医疗保健，环境方面。例如，看看自动驾驶汽车。他们可以做很多事情。他们将比人类司机安全得多，并且可以改变我们对城市规划的看法，”他说。

免责声明: 记者应Google India的邀请在东京，后者支付了旅行和住宿费用