Google開放機器學習架構 推動科技成長

2015.11.10 10:25AM
是Google開放機器學習架構 推動科技成長這篇文章的首圖
首圖

在近期發展中,Google在諸多服務產品導入機器學習技術,諸如Google Search、Gmail、Google Photos、語音識別、Google翻譯等服務均透過機器學習讓資料搜尋更快、更正確,同時也能協助使用者更快完成各類需求操作,例如在Gamil中快速過濾垃圾郵件、學習如何回覆信件,或是在Google Photos服務中快速針對影像內容進行分類等。

而為了進一步推動機器學習應用,Google稍早也宣布開放旗下機器學習軟體框架「TensorFlow」,透過釋出本身同樣用於Gmail、Google Photos的機器學習資料庫框架,藉此讓更多第三方服務內容串接機器學習參考資料庫資源,進而推動各類科技技術快速成長。

IMG_0151_resize

Google Brain計畫共同創辦人、Google人工智慧、電腦神經科學暨可量化機器學習研究員Greg Corrado博士表示,Google投入機器學習時間已經超過10年以上,目標希望能透過機器學習方式大幅減少高度重複的機械化操作,期望透過電腦端快速自動完成運算,直接提供符合使用者需求的內容或預期操作結果,例如在Google Search輸入搜尋關鍵字時,由系統自動猜測使用者可能想要搜尋字詞,或是在Gamil服務內自動判斷哪些信件為垃圾郵件,另外在Google Photos內透過電腦視覺學習判斷影像物件內容等。

在現階段的機器學習中,主要透過持續輸入資料、結果,並且持續讓電腦端透過各類變因學習如何「判斷」,藉此藉由更多參考資料學習更多內容。而由於傳統機器學習速率較慢,同時無法像人腦般能有靈光一閃般的思考模式與內容聯想,因此諸如NvidiaAMD均提出藉由繪圖卡運算資源進行加速,藉此縮減機器學習所需完成速度,進而推動此項技術廣泛應用。

至於針對機器學習與人工智慧的差異,Greg Corrado表示兩者其實有部分相似、重疊之處,但兩者背後所代表意義其實仍有不同之處,例如機器學習是透過諸多資料、變因進行邏輯運算與分析,進而反應在後續自動執行或內容判斷表現,人工智慧則是藉由持續進行機器學習累計而成的系統「思考」模式,就Google本身看法而言,兩者還是有其差異之處。

而對於目前包含百度、Facebook、IBM等機器學習技術發展,Greg Corrado認為各家仍有各自不同優勢所在,但均處於初期發展階段,因此Google預期藉由開放架構增進更多認知運算學習成長機會。

0 則回應