近日，在谷歌在山景城（MountainView）开会的年度I/O开发者大会上，谷歌研究小组的高级研究员、谷歌人工智能部门的负责人JeffDean，阐述了谷歌在希望解决问题具备挑战性的人工智能和机器学习方面的学术问题。本周二，谷歌发售了2500万美元的全球人工智能影响补助金计划，并发布了人工智能技术正在展开的三个不切实际项目，并以此陈述完结了这次演说。

Dean环绕美国陆军核心工程师于2008年发布的21世纪根本性挑战的表格展开了辩论。其中还包括对“空中馅饼”的执着，例如逆向大脑工程、氮循环管理和融合能量获取。

还有更加实际的目标，如高级身体健康信息学、让太阳能更加低廉、强化虚拟现实等目标。“如果我们在这些方面都获得进展，世界将沦为一个更加身体健康的地方，我们不会有更加多的科学找到。

”Dean说道。为此，他详尽讲解了谷歌母公司Alphabet自动化驾驶员部门Waymo的研究人员正在展开的工作。自Alphabet’sXskunkworks问世以来的10年里，Waymo的汽车在亚利桑那州凤凰城（Waymo的一次叫车服务的所在地）配备了1000多个收费客户，总计行经了1000多英里。在车队里有安全性司机，但Waymo在其他没安全性司机的地方也驾驶员汽车。

“（我们）于是以处在我们如何训练自动驾驶汽车在轻微（变化）的尖端行经。（汽车）必需作出一系列简单的要求，比如通过做到什么来实现目标，”Dean说道。“这知道要得益于我们的了解自学，我们自学了基于节奏的算法，并且可以创建汽车对世界的解读，让它们在现实世界的环境中运行。”Dean说道，机器学习在机器人学中具有无止境的应用于，特别是在是在挑选出场景时，这些场景拒绝机器人操作者各种大小和不奇怪形状的物体。

一项尤其的任务——逃跑机器人未曾遇上过的物体——早已看见了数量级的变革。谷歌人工智能系统在2015年和2016年分别获得了65%的成功率和78%的成功率，研究人员在2018年设法提升到96%。

Dean说道：“这是三年来获得的非常好的进展。我们早已浪费了三分之一的时间，你未能寻找一些东西——实质上很难把它们串在一起——所以这很令人兴奋。”另外，谷歌的人工智能团队仍然在利用自我监督的仿效自学技术，这是一种人工智能培训技术。

在这种技术中，并未标记的数据与少量标记的数据一起用于，协助提升自学的准确性，从而“教教”机器人新的技能。Dean叙述了一个模型——通过“观赏”人类的样板，学会从罐子里推倒苏打水。经过15次试验和15分钟的训练，它取得了一个平均值8岁孩子智商的倒水技能。

身体健康是谷歌注目的另一个最重要领域，人工智能在为转移性乳腺癌等疾病研发临床工具方面充分发挥了最重要起到。糖尿病视网膜病是另一个目标疾病，这是有充份的理由——它是全球4.15亿糖尿病患者中快速增长最慢的致盲原因。

令人担忧的是，约45%的患者在临床前会有视力上升。糖尿病性神经病一般来说由眼底图像识别，眼科医师将其分级为滑动标度。图像中发炎的数量就越多，疾病的发展速度就越好。谷歌使用了人工智能系统来加载这些图像，并在2016年出版发行的《美国医学协会杂志》上公开发表的一篇论文中证明，该系统可以将图像归类为普通眼科医生的级别。

在一年后的一项先前研究中，它明确提出了一种机器学习模型，可以与经董事会证书的视网膜眼科专家的性能相匹配。今年2月，谷歌与印度Madurai的AravindEye医院合作，在生产中部署了一个模型。Dean说道：“这是护理的黄金标准。”有了较好、高质量的培训数据，你可以训练模型并取得和视网膜眼科医师一样的效果。

”在最近的一项研究中，谷歌人工智能科学家训练了一个人工智能系统，用来找寻视网膜扫瞄样本中和其他样本不过于显著的关系。令人难以置信的是，它预测了诸如性别、膨胀、血管收缩、血红蛋白和年龄等因素，准确率很高——在受试者年龄的三年内，在性别方面准确率为97%，。

“与极具侵入性血液测试某种程度精确，现在你可以用视网膜图像来展开检测。我们期望，这有可能是一种全新的东西。

当你去看医生时，他们不会给你的眼睛照片，我们不会有你眼睛的横向历史，并需要借此自学新的东西。”Dean说道，在另一个领域——化学——谷歌正在用高效的人工智能模型打破传统计算出来。

2017年的一个细节在量子化学计算出来约慢了30万倍，传统上超过这种速度必须一个更加便宜的模拟器。“忽然之间，这意味著你可以做到各种各样的科学。

你可以说道，哦，好吧，我要去吃午饭，我有可能要检验1亿个分子，”Dean说道，“这有可能很有意思，（而且）我指出它将在许多科学领域发挥作用。”Dean说明说道，这些突破性进展是由神经网络的现代投胎所促使的——一组可训练的数学单元，按层的组织，联合解决问题简单的任务。他们从完整的、异构的和杂乱的数据中自学特性。

以前必须大量的手工预处理来处置这些。像Transformers这样有能力分解类人文本的可拓展架构，以及可以在设备上运营的高度灵活的人工智能系统，如Google最近公布的GBoardmRNA模型，都在之后工作。Dean说道，公司现在每天在预印服务器arxiv.org上公开发表近90篇学术论文，他认为增长速度多达了摩尔定律。

“很显著，机器学习将沦为科学和工程的最重要组成部分。我们的目标是希望机器学习模型思想的交流，并将其付诸实践……我指出推展先进设备技术并将其应用于有所不同的事物是一项根本性的责任。

本文来源：澳门bet356体育在线官网安装-www.sccdfsk.com