从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点

jopen 7年前
   <p><img alt="从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点" src="https://simg.open-open.com/show/39205a38f3627739db7b0ef8c205e5be.jpg" /></p>    <p>当地时间 5 月 17 日,谷歌在山景城开启了本年度的谷歌 I/O 开发者大会。昨日机器之心对此次大会上将出现的有关 <a href="http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650726684&idx=2&sn=502e879878493ea4bd2c55498841c620&chksm=871b2562b06cac7414a27a215748cff0387fb3c725625a5a455ee12fe0229173f616b8eb0360&scene=21#wechat_redirect" rel="nofollow,noindex">人工智能和机器学习的内容进行了梳理</a> 。机器之心作为谷歌官方受邀媒体来到现场,近距离为大家报道谷歌人工智能的最新进展。</p>    <p>从大会主题演讲可以看出,谷歌人工智能主要体现在以下五大方面:</p>    <ul>     <li> <p>AI First 的整体战略;</p> </li>     <li> <p>TPU 的升级与云服务;</p> </li>     <li> <p>集研究、工具、应用于一体的 Google.ai ;</p> </li>     <li> <p>人工智能技术的产品落地;</p> </li>     <li> <p>基于安卓和 TensorFlow 的移动开发者生态。</p> </li>    </ul>    <h3>重申 AI First</h3>    <p>去年 10 月的谷歌新品发布会期间,谷歌 CEO Sundar Pichai 曾撰文解读谷歌从 Mobile First 向 AI First 的战略转变。他认为在接下来 10 年中,谷歌将转向建立 AI First 的世界。</p>    <p>Pichai 在本届大会上再次强调了谷歌 AI First 战略的重要性,他表示,机器学习已经在谷歌的诸多产品中得到了广泛应用,其中包括搜索排序、街景、图片搜索、智能回复、油Tube 推荐等。</p>    <p>在具体技术方面,Pichai 说:「声音和视觉是一种新的计算形式。我们正在见证计算机视觉和语音领域的诸多伟大进步。」</p>    <p>谷歌的语音识别技术的词错率逐年下降,仅从去年 7 月到现在就实现了 8.5% 到 4.9% 的极大改进;而且即使在有噪音存在的情况下也能表现良好。在 Google Home 刚发布时,原本需要 8 个麦克风才能准确定位周围的说话人,「而借助深度学习,我们最后能够推出仅有 2 个麦克风的产品,而且达到了同样质量。」现在 Google Home 已经能识别 6 个不同的说话人并为他们定制个性化体验。</p>    <p>在处理某些任务时,图像识别的准确度也超过了人类水平,并且应用到了 Pixel 系列手机的相机应用中,来自动清除图像中的噪点,实现高质量的夜间成像效果;不久之后甚至还可以自动移除照片上的遮挡物,比如挡在相机前的棒球场围网。</p>    <p>在这些计算机视觉技术的基础上,谷歌又发布了 Google Lens 。这个功能将首先出现在 Google Assistant 和 Photos 中,用户可以使用 Google Lens 来识别花的品种、扫描设置好的条形码来连接 WiFi 、在大街上扫描店面来了解网上评价。</p>    <p><img alt="从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点" src="https://simg.open-open.com/show/42b1d10dec78c1c21720a23c887e7452.jpg" /></p>    <h3>TPU 云服务</h3>    <p>AI First 的战略需要 AI First 的数据中心,为此谷歌打造了为机器学习定制的硬件 TPU 。去年发布时,TPU 的速度比当时 CPU 和 GPU 的速度快 15 到 30 倍, <a href="http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650725188&idx=1&sn=98b6e447704a5797989f3200c47a5f6e&chksm=871b1f3ab06c962c4087eff5fc8e35cb32e6a7964d086b377314f0373d08d4c8adad766183e3&scene=21#wechat_redirect" rel="nofollow,noindex">功耗效率高 30 到 80 倍</a> 。如今的 TPU 已经在为谷歌的各种机器学习应用提供支持,包括之前战胜李世石的 AlphaGo 。</p>    <p>Pichai 介绍道,深度学习分为两个阶段:训练(training)和推理(inference)。其中训练阶段是非常计算密集型的,比如,谷歌的一个机器翻译模型每周就要处理至少 30 亿词的训练数据,需要数百个 GPU,去年的 TPU 就是专门为推理阶段优化的;而在今年的 I/O 大会上,Pichai 宣布了下一代 TPU——Cloud TPU——其既为推理阶段进行了优化,也为训练阶段进行了优化。在现场展示的一块 Cloud TPU 板图片上有 4 块芯片,其处理速度可达 180 teraflops(每秒万亿次浮点运算)。</p>    <p><img alt="从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点" src="https://simg.open-open.com/show/1da784ebb5242d321277bceecc8e4c56.jpg" /> 此外,Cloud TPU 还可以轻松实现集成组合,你可以将 64 块 TPU 组合成一个「超级计算机」,即一个 pod ,每个 pod 的速度可达 11.5 petaflops(每秒千万亿次浮点运算);另外,Pichai 还宣布将 Cloud TPU 应用到了 Google Compute Engine 中。</p>    <p><img alt="从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点" src="https://simg.open-open.com/show/c6fe1943725e6941f3adafcbd739a087.jpg" /> <em>一个 Cloud TPU Pod 示意图,包含 64 块 Cloud TPU</em></p>    <p>正如 Pichai 所言,「我们希望谷歌云是最好的机器学习云,并为用户提供 CPU 、GPU 和 TPU 等更广泛的硬件支持。」</p>    <p>在下午的开发者 Keynote 中,谷歌云机器学习与人工智能首席科学家李飞飞也表示,每个人都可通过谷歌的云平台使用云 TPU,不久之后将会开放租借。</p>    <p><img alt="从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点" src="https://simg.open-open.com/show/1a87a50a67d6b15062d38ffbe914b179.jpg" /> <em>李飞飞在下午的开发者 Keynote 演讲</em></p>    <h3>Google.ai 与 AutoML</h3>    <p>为推动使用人工智能解决实际问题,Pichai 宣布将谷歌人工智能方面的工作综合到 Google.ai 下。总体而言,Google.ai 将专注于三个领域:研究、工具和应用。</p>    <p><img alt="从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点" src="https://simg.open-open.com/show/6e73eb4845917dfe088913ff89900ff1.jpg" /> 在研究方面,深度学习模型方面的进步令人振奋,但设计和开发却很耗费时间,只有少量工程师和科学家愿意去研究它们。为了让更多开发者使用机器学习,谷歌提出了 AutoML——让神经网络来设计神经网络。</p>    <p><img alt="从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点" src="https://simg.open-open.com/show/ee15cacaca7e0b85991ca2f7a2976a71.jpg" /> AutoML 是一种「learning to learn」的方法。在此方法中,一种控制器神经网络能够提议一个「子」模型架构,然后针对特定任务进行训练与质量评估;而反馈给控制器的信息则会被用来改进下一轮的提议。谷歌在技术博客中表示,他们已经将此过程重复了上千次,从而来生成新架构,然后经过测试和反馈,让控制器进行学习。最终,控制器将学会为好的架构分配高的概率。</p>    <p><img alt="从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点" src="https://simg.open-open.com/show/ac5534b80da31dcb23026e603dd297d6.jpg" /> <em>AutoML 流程图</em></p>    <p>AutoML 会产生什么样的神经网络?以循环架构为例(用来在 Penn Treebank 数据集上预测下一单词),如下图所示:</p>    <p><img alt="从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点" src="https://simg.open-open.com/show/3e97788da9c06678944c7c605ee8242a.jpg" /> 左边为人类专家设计的神经网络,右边为 AutoML 方法创造的循环架构,两个架构有着共同的设计特征。</p>    <p>Pichai 认为,AutoML 具有很大的潜力,并且,谷歌已经在图像识别基准数据集 CIFAR-10 上取得了顶尖成果。虽然过程很难,但云 TPU 的存在使这种方法成为了可能。</p>    <p>有了这些前沿的研究,接下来就是应用的问题。Pichai 列举了谷歌应用机器学习的几个案例:比如在 <a href="http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650723875&idx=2&sn=4ed962e9e7db1e86550d65833c9cc539&chksm=871b125db06c9b4b9b0d221a17b9a890a4f9707351a10bf33ade8af7bf5b13a3a181a14a380e&scene=21#wechat_redirect" rel="nofollow,noindex">医疗领域诊断癌症</a> 的应用和在基础科学领域的应用(比如在生物学上,谷歌通过训练神经网络来改进 DNA 测序的准确率;在化学领域,谷歌通过使用机器学习了 <a href="http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650725257&idx=3&sn=9e70f8226fdbd224f519d1019aab2b79&chksm=871b1ff7b06c96e12e994e8d1ac3f6a273029ea2023e840f96271a1294a4ec2bbfc064ac0ee4&scene=21#wechat_redirect" rel="nofollow,noindex">预测分子性质</a> )。</p>    <h3>产品及应用</h3>    <p>谷歌 AI First 战略不仅体现在研究上,还体现在众多人工智能技术的应用上——将谷歌的各项人工智能技术在产品层面统一起来。Pichai 提到:「计算机仍在不断地进化,从 Mobile First 的世界进化到 AI First 的世界。我们也在重新思考我们所有的产品。」</p>    <p>1. Google Assistant</p>    <p>谷歌正将人工智能应用于所有产品中,Pichai 表示,其中最重要的就是谷歌搜索和 Google Assistant 。自去年 I/O 大会发布以来,Google Assistant 已经可以在上亿台设备上使用。今天 Google Assistant 工程副总裁 Scott Huffman 又介绍了 Google Assistant 三大进步。</p>    <p>1)更自然的对话</p>    <p>Google Assistant 上 70% 的请求都是通过自然语言的方式进行的,而非键盘输入。而谷歌要做的就是结合语音识别、自然语言处理以及语境意义方面的技术来解决用户双手,实现更加自然的人机交流。「Google Assistant 可以通过聆听学会区分不同家庭成员的声音。」他说。除了语音识别和自然语言处理,Google Assistant 还使用了 Google Lens 功能,通过图像信息来实现更加自然的「对话」。</p>    <p>2)更广泛的应用</p>    <p>Huffman 表示,Google Assistant 正变得更加广泛可用,除了之前的安卓系统,Google Assistant 已经可以在 iPhone 上使用。而随着 Google Assistant SDK 的发布,任何设备生产商都能简单轻松地将 Google Assistant 部署在音响、玩具和机器人等设备上;此外,今年夏天,Google Assistant 也开始将支持法语、德语、葡萄牙语和日语,并将在年底新增意大利语、韩语和西班牙语等语言。</p>    <p>3)更触手可及的服务</p>    <p>用户使用 Google Assistant 不仅仅是搜索信息,还希望获取所有服务,比如 Gmail 、Google Photos 、谷歌地图和 油Tube 等。因此,谷歌将 Google Assistant 开放给了第三方开发者,以实现产品间更加有用的融合。据 Google Assistant 产品经理 Valerie Nygaard 介绍,Google Assistant 将支持交易,从而为第三方提供端到端的完整解决方案。</p>    <p>Google Assistant 的进步也使得智能家居产品 Google Home 新增了 50 项新功能——用户可以通过语音去调用各种服务,包括免费电话、免费听音乐,以及在电视上观看视频等。</p>    <p>同时,基于本次大会上多次提及的「语音加图像」的多模态交互,此前缺乏视觉交互 Google Home 现在也可以借助手机和电视的屏幕与用户进行更好的互动,比如,用户可以通过语音命令让 Google Home 把你的日程在电视上显示。就像 Nygaard 所说的那样,用户可以 hands-free 的做任何事情。如今 Google Assistant 已经开始支持交易并集成到智能家居设备中,目前拥有超过 70 家智能家居合作者。</p>    <p>2. Google Photos</p>    <p>Google Photos 目前拥有十亿月度活跃用户,每天上传的照片和视频达到 12 亿次。借助于谷歌的核心人工智能技术,如今 Google Photos 使用了全新的图像处理方法。这从此次发布的三个新功能可以看出:</p>    <ul>     <li> <p>Suggest Sharing 可以借助机器学习将照片中的人物和场景识别出来,然后给用户提供分享建议——是否应该分享以及分享给谁。</p> </li>     <li> <p>Shared Libraries 基于用户识别的相片库分享。</p> </li>     <li> <p>Photo Books 自动帮助用户筛选出某一场景下的高质量照片并生成相册。</p> </li>    </ul>    <p>另外,除了 Google Assistant ,Google Lens 也被集成到了 Google Photos 中。通过这个功能,你可以识别相册里面的地标建筑、检索艺术作品背后的故事、识别照片内的文本内容和信息,这项功能将于今年晚些时候发布。</p>    <h3>用 TensorFlowLite 构建移动开发者生态</h3>    <p>机器学习在移动端的应用至关重要,而在讨论安卓的未来时,谷歌工程副总裁 Dave Burke 宣布了一个为移动端优化的 TensorFlow 版本——TensorFlowLite 。TensorFlowLite 能让更多的开发者建立在安卓手机上运行的深度学习模型。而 TensorFlowLite 就是谷歌在移动端部署人工智能的一个着力点。首先,TensorFlowLite 很小很快,但依然可以使用最先进的技术,包括卷积神经网络、LSTM 等;其次,Dave Burke 还宣布在安卓上推出了一个新的框架来进行硬件加速,期待看到为神经网络的训练和推理特别定制的 DSP 。这些新能力将促进新一代设备上(on-device)语音识别、视觉搜索和增强现实的发展。</p>    <p><img alt="从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点" src="https://simg.open-open.com/show/d2f8eb27a3a24457a86977e2ac2c64ac.jpg" /> 去年, <a href="http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650720399&idx=1&sn=2b5e854e6606eaf556a73e83d179eb5c&chksm=871b0cf1b06c85e7547b69a44471d377eca83cbdeaec379fabc187218280c761824a5600e1ac&scene=21#wechat_redirect" rel="nofollow,noindex">非死book 公开了 Caffe2Go</a> ,今年更是开源了可在手机与树莓派上训练和部署神经网络模型的 Caffe2 。在移动端部署机器学习成为了一项新的挑战。但不幸的是,手机上训练神经网络仍是计算密集型任务。即便忽略训练,预训练模型仍旧艰难。但如果能在边缘设备运行模型,就能避免云和网络,在任何环境中有更可靠的表现。</p>    <p>谷歌表示他们会开源该项工作,并计划在今年晚些时候发布 API 。</p>    <p>谷歌首日 Keynote ,让我们看到了谷歌围绕机器学习研究、开源工具、基础设施和人工智能应用开发的 AI First 战略。Cloud TPU 是加速人工智能部署的基础设施;AutoML 代表着机器学习研究层面的前沿方向;TensorFlowLite 将促进人工智能在移动端的部署;语音和图像的结合代表着对多模态人机交互的探索;而应用了各种人工智能技术的产品更新则是极大推动了将 AI 真正融入生活的进程。</p>    <p>来自: http://36kr.com/p/5075497.html</p>