解密谷歌2500萬美元全球AI影響計劃,這三領域最受重視
【獵雲網(微訊號:)】5月10日報道 (編譯:原子核)
今天,在谷歌在山景城(Mountain View)召開的年度I/O開發者大會上,谷歌研究小組的高階研究員、谷歌人工智慧部門的負責人Jeff Dean,概述了谷歌在努力解決具有挑戰性的人工智慧和機器學習方面的學術問題。本週二,谷歌推出了2500萬美元的全球人工智慧影響補助計劃,並公佈了人工智慧技術正在進行的三個可行專案,並以此陳述結束了這次演講。
Dean圍繞美國陸軍核心工程師於2008年公佈的21世紀重大挑戰的清單進行了討論。其中包括對“空中餡餅”的追求,例如逆向大腦工程、氮迴圈管理和融合能量提供。還有更實際的目標,如高階健康資訊學、讓太陽能更便宜、增強虛擬現實等目標。
“如果我們在這些方面都取得進展,世界將成為一個更健康的地方,我們會有更多的科學發現。” Dean說。
為此,他詳細介紹了谷歌母公司Alphabet自動化駕駛部門Waymo的研究人員正在進行的工作。自Alphabet’s X skunkworks問世以來的10年裡,Waymo的汽車在亞利桑那州鳳凰城(Waymo的一次叫車服務的所在地)搭載了1000多個付費客戶,累計行駛了1000多英里。在車隊裡有安全司機,但Waymo在其他沒有安全司機的地方也駕駛汽車。
“(我們)正處在我們如何訓練自動駕駛汽車在劇烈(變化)的尖端行駛。(汽車)必須做出一系列複雜的決定,比如通過做什麼來實現目標,” Dean說。“這真的要歸功於我們的深入學習,我們學習了基於節奏的演算法,並且可以建立汽車對世界的理解,讓它們在現實世界的環境中執行。” Dean說,機器學習在機器人學中有著無止境的應用,尤其是在挑選場景時,這些場景要求機器人操作各種大小和不尋常形狀的物體。一項特別的任務——抓住機器人從未遇到過的物體——已經看到了數量級的進步。谷歌人工智慧系統在2015年和2016年分別取得了65%的成功率和78%的成功率,研究人員在2018年設法提高到96%。
Dean說:“這是三年來取得的相當好的進展。我們已經浪費了三分之一的時間,你沒能找到一些東西——實際上很難把它們串在一起——所以這很令人興奮。”
另外,谷歌的人工智慧團隊一直在利用自我監督的模仿學習技術,這是一種人工智慧培訓技術。在這種技術中,未標記的資料與少量標記的資料一起使用,幫助提高學習的準確性,從而“教”機器人新的技能。Dean描述了一個模型——通過“觀看”人類的示範,學會從罐子裡倒蘇打水。經過15次試驗和15分鐘的訓練,它獲得了一個平均8歲孩子智商的倒水技能。
健康是谷歌關注的另一個重要領域,人工智慧在為轉移性乳腺癌等疾病開發診斷工具方面發揮了重要作用。糖尿病視網膜病是另一個目標疾病,這是有充分的理由——它是全球4.15億糖尿病患者中增長最快的致盲原因。令人擔憂的是,大約 45%的患者在診斷前會有視力下降。
糖尿病性神經病通常由眼底影象識別,眼科醫師將其分級為滑動標度。影象中出血的數量越多,疾病的發展速度就越快。
谷歌採用了人工智慧系統來讀取這些影象,並在2016年出版的《美國醫學協會雜誌》上發表的一篇論文中證明,該系統可以將影象歸類為普通眼科醫生的級別。在一年後的一項後續研究中,它提出了一種機器學習模型,可以與經董事會認證的視網膜眼科專家的效能相匹配。
今年2月,谷歌與印度Madurai的Aravind Eye醫院合作,在生產中部署了一個模型。
Dean說:“這是護理的黃金標準。”有了良好、高質量的培訓資料,你可以訓練模型並獲得和視網膜眼科醫師一樣的效果。”
在最近的一項研究中,谷歌人工智慧科學家訓練了一個人工智慧系統,用來尋找視網膜掃描樣本中和其他樣本不太明顯的關係。令人難以置信的是,它預測了諸如性別、收縮、舒張、血紅蛋白和年齡等因素,準確率很高——在受試者年齡的三年內,在性別方面準確率為97%,。
“與更具侵入性血液測試同樣準確,現在你可以用視網膜影象來進行檢測。我們希望,這可能是一種全新的東西。當你去看醫生時,他們會給你的眼睛拍照,我們會有你眼睛的縱向歷史,並能夠從中學習新的東西。”
Dean說,在另一個領域——化學——谷歌正在用高效的人工智慧模型超越傳統計算。2017年的一個細節在量子化學計算大約快了30萬倍,傳統上達到這種速度需要一個更昂貴的模擬器。
“突然之間,這意味著你可以做各種各樣的科學。你可以說,哦,好吧,我要去吃午飯,我可能要篩選1億個分子,” Dean說,“這可能很有趣,(而且)我認為它將在許多科學領域發揮作用。”
Dean解釋說,這些突破性進展是由神經網路的現代轉世所促成的——一組可訓練的數學單元,按層組織,共同解決複雜的任務。他們從原始的、異構的和雜亂的資料中學習特性。以前需要大量的手工預處理來處理這些。
像Transformers這樣有能力生成類人文字的可擴充套件架構,以及可以在裝置上執行的高度緊湊的人工智慧系統,如Google最近釋出的GBoard轉錄模型,都在繼續工作。Dean說,公司現在每天在預印伺服器arxiv.org上發表近90篇學術論文,他指出增長速度超過了摩爾定律。
“很明顯,機器學習將成為科學和工程的重要組成部分。我們的目標是鼓勵機器學習模型思想的交流,並將其付諸實踐……我認為推動先進技術並將其應用於不同的事物是一項重大的責任。”