Google 力推人工智慧，机器学习有突破

▼

Google 28 日举办 MadeWithAI 2017 亚太区媒体活动，提出 Google 推动人工智慧（AI）发展的 3 大方向，并强调机器学习将面临各种挑战，包括如何让机器学习模型更普及。

Google 资深研究员狄恩（Jeff Dean）表示，Google 持续推动人工智慧发展的3大方向包括：为使用者打造出更贴近需求的 Google 产品、帮助企业和开发者持续打造创新服务与应用、为研究人员提供可望解决人类难题的工具。

狄恩认为，人工智慧就是让机器具备智慧，或是进而让机器能够像人类一样解决特定问题。人工智慧的研究很久以前就已经开始，直到最近才有一些突破，这些突破的成果仰赖于机器学习（Machine Learning）。

他特别举例，围棋拥有惊人的 10 的 170 次方种可能的棋盘布局，基本上很难靠人力写出所有可能的布局程式。因此，基于机器学习系统的 AlphaGo 采用的是比较人性化的方案，从数十万局人类棋手的对弈学习如何下棋，并慢慢找出棋局规则。

2015 年，Google 开放了自行研发的机器学习架构 TensorFlow。TensorFlow 是一个大规模的机器学习系统，可支援各种应用，并帮助 Google 的产品如 Google 相簿以及 Google 翻译变得更好用。

除了产品服务的提升，Google 也让研究员以及企业透过这项工具来建构它们自己的 AI 应用，加速机器学习研究的时程。

狄恩说，TensorFlow 在 2 年内已经成为最受欢迎的线上机器学习资料库，它在 200 多个地区被下载了超过 790 万次，并且越来越多人采用 TensorFlow 做为研究和产品工具。

狄恩表示，机器学习的发展虽仍在发展初期，但在分类（Classification）、预测（Prediction）和语言理解能力（Language Understanding）有了不错的发展。

举例来说，机器学习可根据被训练的资料来做分类定义，这在分类影像中的物件、人物和地点非常有帮助，因此导入 AI 的 Google 相簿能让照片搜寻更快速，AI 导入的 Google 地图在缺乏图资的区域也能提供使用者导航服务。

狄恩说，做为 AI 第一的企业，Google 虽然有了一些进展，但还是有许多需要克服的难题，其中就包括了让机器学习模型更普及，以及确保 Google 构建的机器学习模型是具包容性、真正为所有人所开发的。

他也透露，明年初 Google 将会把免费的机器学习线上课程开放给所有使用者，这和 Google 工程师们用来学习机器学习技术是同一套内容。

狄恩强调，Google 相信一切只是开端，并相信唯有让人工智慧进入每个人的生活，才能发现与抓住它改善全人类生活的潜力和机会。

（作者：吴家豪；首图来源：shutterstock）

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。