手机版|
炸了！2017 Google I/O开发者大会北京时间昨晚召开，Google带来一整晚密集的信息发布，也再次彰显了Google在人工智能方面的实力。 从移动优先转变为AI优先的Google，在I/O大会的首日几乎所有话题都跟人工智能有关，量子位也对重点内容进行梳理如下。 核心要点： 第二代TPU发布，以及TPU研究云 为移动设备优化的TensorFlow Lite AutoML强化算法，让神经网络设计神经网络 Google.ai上线，所有AI成果都在这里展示 相关数据： 月活安卓设备已达20亿部 5亿活跃的Google相册用户 Google地图每日导航超过10亿公里 人们每天观看10亿小时YouTube视频 以下是详细解读。 CEO：使AI触手可及 已经在Google工作13年的现任CEO Sundar Pichai首先登台。量子位把Pichai的开篇演讲摘要还原如下：
△ 谷歌CEO Sundar Pichai 我们正在目睹计算领域的新转变：从移动优先到AI优先的世界。和以前一样，这迫使我们重新构想我们的产品，提供更自然、更无缝的交互方式。 所有的进步需要正确的技术架构。去年的I/O，我们推出第一代TPU，今天我们要发布下一代TPU：云TPU。新TPU对推理和训练都进行了优化。 我们认为，如果科学家和工程师们可以在指尖上，拥有更好、更强大的计算工具并展开研究，复杂的社会问题将有巨大的突破。 这也是Google.ai的驱动力。 我们希望让神经网络的创建变得更简单。现在设计一个神经网络非常耗时，所以我们创建了AutoML，可以让神经网络来设计神经网络。我们希望AutoML抵得上几个博士，并在三五年内满足更多开发者的需求。 看到AI已经开始逐渐实用令人激动，但真正要抵达AI优先的世界，还有很长的路要走。在AI普及化方面我们的工作越多，每个人就能越快受益。 Pichai上面提到一个新网站：www.google.ai 。这个网站将用来展示Google和Google Brain团队的研究，包括各种有趣的实验等。
第二代TPU
第一代TPU在去年的谷歌I/O大会上发布，用于运行已训练完成的机器学习模型。而新一代芯片可同时支持模型的训练和学习。这款芯片带来了每秒180万亿次浮点运算的计算性能。 第二代TPU被称作“云TPU”，将通过谷歌云平台向所有人开放。谷歌云平台的开发者仍可以使用传统芯片，例如英特尔Skylake或英伟达Volta GPU去进行设计。 云TPU的推出再次表明，谷歌正在利用领先的技术，与公有云行业的其他对手实现差异化发展。 谷歌CEO皮查伊在I/O大会的主题演讲中表示：“我们希望谷歌云成为机器学习领域最优秀的云。这为重大进步打下了基础。”
为了使计算性能更强大，谷歌开发了订制的超高速网络，将64颗TPU连接至同一台机器学习超级计算机。这台超级计算机被称作“TPU舱”，带来了每秒11.5千万亿次浮点运算的能力，可用于训练单一的大型机器学习模型，或多个较小的模型。 为了证明TPU舱的性能，谷歌表示，如果想要训练最新的大规模翻译模型，那么使用32颗全球最强大的商用GPU需要一整天时间。作为对比，TPU舱只需1/8的性能，就能在6小时内完成对该模型的训练。 单个的云TPU和完整的TPU舱均支持谷歌开源的TensorFlow机器学习系统。 第一代TPU于两年前开始在谷歌公司内部部署，并被用在谷歌的多款产品，例如谷歌搜索、基于机器学习的谷歌翻译、谷歌语音识别，以及谷歌照片之中。 谷歌大脑高级研究员Jeff Deam本周表示，谷歌仍在使用CPU和GPU去训练机器学习模型。不过他预计，未来谷歌将越来越多地使用TPU。
与此同时，谷歌还发布了“TensorFlow研究云”。这是由1000颗云TPU组成的簇，在满足某些条件的情况下谷歌将免费提供给研究者使用。如果希望使用，那么研究者必须同意公开发表研究成果，或许还需要开源研究中的相关代码。 谷歌推出TensorFlow研究云的目的是加速机器学习的研究进展，并计划将其分享给哈佛医学院等学术机构。 对参与非公开研究的人士，谷歌计划启动云TPU Alpha项目。 TensorFlow Lite 在I/O上谈到Android的未来时，谷歌工程副总裁宣布，他们将推出一个专门为移动设备而优化的TensorFlow版本，称为TensorFlow lite。 用这个新框架，开发者可以创造更简洁的深度学习模型，让它们运行在Android智能手机上。不过，深度学习的训练过程还是需要在云端完成。 谷歌打算今年晚些时候推出TensorFlow lite API并开源。 Facebook今年F8开发者大会发布的Caffe2，和去年推出的Caffe2Go，也是这个思路。 让AI设计AI 谷歌想让AI变得更加“平易近人”，简化神经网络模型的建造过程是个好办法。 CEO劈柴哥在官方博客上说，现在，设计神经网络非常耗时，对专业能力要求又高，只有一小撮科学家和工程师能做。为此，谷歌创造了一种新方法：AutoML，让神经网络去设计神经网络。 谷歌希望能借AutoML来促进深度学习开发者规模的扩张，让设计神经网络的人，从供不应求的PhD，变成成千上万的普通工程师。 手动设计神经网络的难点在于，所有可能的模型都有着巨大的搜索空间，一个典型的10层神经网络，变化形式高达约1010种。
△ 谷歌耗费数年探索出的GoogleNet网络架构 在AutoML中，一个主控的神经网络可以提出一个“子”模型架构，并用特定的任务来训练这个子模型，评估它的性能，然后，主控收到反馈，并根据反馈来改进下一个提出的子模型。
这个过程，简单来说就是：生成新架构-测试-提供反馈供主控网络学习。在重复上千次后，主控网络学会了哪些架构能够在已知验证集上得到更高的准确率。 谷歌用了两个经常作为基准的数据集来测试他们的模型，一个是图像识别领域的CIFAR-10，另一个是语言处理领域的Penn Treebank。在两个数据集上，自动设计的神经网络准确率都能与顶尖人类专家设计的网络媲美。
△ 两个用于在Penn Treebank上预测下一个词的神经网络：左图出自人类专家之手，右图由算法自动设计 要深入了解自动搭建神经网络的算法，可以看看谷歌今年的两篇会议论文： 进化算法： 强化算法： 其他 这次I/O大会还有很多其他有意思的看点，这里精选一些。 各种数字
月活安卓设备已达20亿部，还有5亿活跃的Google相册用户，每天产生12亿张照片或者视频。Google地图每日导航超过10亿公里。Google Drive云存储拥有8亿用户。人们每天观看10亿小时YouTube视频。 Lens
Google在虚拟助理服务中，加入Lens（镜头）功能。在这个功能的帮助下，只需要手机摄像头一照，你就能知道面前是什么花，街对面的餐馆怎么样等信息。这是一个结合了AI、AR、机器学习、计算机视觉等技术的功能。 智能邮件回复
安卓和iOS平台的Gmail邮件客户端，有了一个名为Smart Reply的自动回复功能，可以基于收到的邮件，给出最多三种自动回复。 语音助手 Google Assistant虚拟助手也在iPhone上正式发布。 免费通话 借助Google Home，两个用户之间可以展开免费通话，就像新一代座机。 照片分享 Google Photos现在可以提供分享建议，例如哪些照片应该分享，可以与谁分享等等。 视频打赏 看YouTube视频时，付费使用Super Chat功能，就能把你的评论突出显示。 VR眼镜 Google正与合作伙伴一起推出独立的VR眼镜，以后无需电脑或手机，所有的VR体验都能在眼睛中处理完成。 找工作 Google搜索可以给你提供附近的工作招募信息。 Android Go 这是一个为低连接设备推出的产品。 室内导航 Google发布了VPS，视觉定位服务。让用户可以使用Tango AR平台进行室内的导航定位。 【完】 招聘 量子位正在招募编辑记者、运营、产品等岗位，工作地点在北京中关村。相关细节，请在公众号对话界面，回复：“招聘”。 One More Thing… 今天AI界还有哪些事值得关注？在量子位（QbitAI）公众号对话界面回复“今天”，看我们全网搜罗的AI行业和研究动态。笔芯~ 另外，欢迎加量子位小助手的微信：qbitbot，如果你研究或者从事AI领域，小助手会把你带入量子位的交流群里。 △ 扫码强行关注『量子位』 追踪人工智能领域最劲内容 【免责声明】 凡本站未注明来源为投资观察界：www.tzgcjie.com的所有作品，均转载、编译或摘编自其它媒体，转载、编译或摘编的目的在于传递更多信息，并不代表本站赞同其观点和对其真实性负责。其他媒体、网站或个人转载使用时必须保留本站注明的文章来源，并自负法律责任。 如您不希望作品出现在本站，可联系我们要求撤下您的作品。联系邮箱：xinxifankuui@163.com
|
