Google 现正在东京举办 #MadeWithAI 亚太区媒体活动,第一场就由 Google 资深研究员 Jeff Dean 打头阵,和媒体分享目前 Google 的 AI 发展至哪个程度,以及人工智慧的下一步是什么?
大众或许会觉得,为什么最近 AI 的议题这么热门,手机也导入 AI、各种生活应用也导入 AI,甚至还有聪明的电脑 AlphaGo 可以跟棋王下围棋还取得胜利。在谈 AI 之前,我们先来了解一下所谓的 AI(人工智慧)和 ML(机器学习)有哪些不同。
什么是人工智慧?什么是机器学习?
事实上人工智慧(Artificial Intelligence)的研究已经进行了三十多年,一直到最近因为导入了机器学习(Machine Learning)才让人工智慧有些突破。人工智慧指的是让机器具备智能,或是让机器可以像人类一样解决特定问题;而机气学习则是训练电脑像人类一样可以观察、了解规则,比起以前手动写程式输入一步一步指令才能得到结果来得更聪明。
就拿过滤垃圾邮件来当例子,过去我们可以指定某一套规则,让电脑依据该规则来决定哪些是 E-mail 是垃圾邮件,但有些垃圾邮件的寄件者特别聪明,当他们摸索出垃圾邮件的规则后就改发别种类的型的垃圾邮件,一山还有一山高的情况下,很难以一套準则来精确过滤垃圾邮件。
因此 Google 将原有的规则结合北京拓展基地机器学习,让电脑可以在收到邮件时可以观察并归类出该封信到底是垃圾邮件还是一般信件,进而自己建立出一套準则,把这个技术应用在 Gmail 和 Inbox 后,目前已经可以成功过滤出 99.9% 的垃圾邮件。
再以大家熟悉的棋王 AlphaGo 为例,在 AlphaGo 之前,Deep Blue 曾开发出一套规则式系统的西洋棋程式,靠着在一秒内算出几百种布局的暴力运算在 1997 年打败棋王 Gary Kasparov,不过这方法来到围棋后就不可行了,因为围棋有 10 的 170 次方种可能,超过全宇宙已知的原子数量,不可能靠着人力写出所有的布局,因此 AlphaGo 导入机器学习流程,让 AlphaGo 从数十万局人类旗手对弈的棋谱开始学习怎么下棋,并慢慢找出一套棋局规则。
从这两个例子应该可以理解到机器学习是怎么运作的,简单来说就是不再是像过去一样帮电脑写规则套入,房山拓展训练基地而是给电脑一大堆範例,让电脑从範例中自己学习。
机器学习为什么现在才蓬勃发展呢?
前面提到,Google 长期投注人力物力发展人工智慧,现今使用的演算法也多发明自 1980 或 1990 年代,为什么这么长的期间机器学习未能广为人知呢?最主要是受限于当时的运算能力,那时候的电脑还没有办法能运算庞大的数据集,一直到近来电脑的运算能力超越 1980 年代的电脑数千倍,这时机器学习才开始能广为发展。
所谓的广为发展到底有多广呢?目前 Google 有七项产品导入了人工智慧,使用者超过 10 亿人口。2015 年 Google 更开放了自行研发的机器学习架构 TensorFlow 给所有人作为研究和产品工具,除了可以帮助 Google 自己的产品变得更好用之外,也在 200 多个国家被下载超过 790 万次,可说是目前最受欢迎的机器学习资料库。
机器学习的下一步:解决各种难题
虽然在 AI 的发展上 Google 已经有了很不错的进展,但还是有很多待克服的难题,例如怎么让机器学习模型更普及,以确保所有人都可以使用呢?
目前 Google 建构了机器学习模型像是 Cloud API,不过当开发者遇到特定的难题时,API 可能无法帮他解决问题,因此目前 Google 在内部训练了 18,000 名 Googlers,透过机器学习速成课程把机器学习技术可以快速导入各种产品。在外部 Google 则募集了近 950 所大学和科真人cs装备技专家一起参与培训计画,有 74% 的学生认为他们的机器学习技术有提升。明年 Google 也会将工程师用来学习机器学习技术的课程放到网路上,所有人都可以免费透过这套课程来学习机器学习的演算法、架构并且实际应用它。
除此之外,Google 也集结了研究员共同设计人们和 AI 的互动,打造出 PAIR 计画(People + AI Research),这个计画的目的不是为了发表新研究,而是希望能透过开源工具的释出,让其他研究者或专家可以採用,也让 AI 更具包容性。
想看小编精选的3C科技情报&实用评测文,快来加入《T客邦》LINE@ Facebook LINE Twitter Google+