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 8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>