业界丨Google 首席科学家 Vincent Vanhoucke:机器人和深度学习正在发生一些“有趣的融合”

Vincent Vanhoucke是Google的首席科学家,斯坦福大学电子工程学博士,目前在Google Brain主导机器人相关的项目。Vanhoucke主要的研究领域是语音识别、计算机视觉和机器人等领域,他还即将主持机器人领域的盛会CoRL 2017(Conference on Robot Learning)。

Vanhoucke认为,机器智能现在已经发展到一个相当的水准,在某些特定情境下的表现可以媲美(甚至超越)人类,比如机器视觉、机器翻译、语音识别,现在是时候让这些能力在物理世界中发挥效应了。他在今天的演讲中提到,robotics的研究现在也正面临着一场深度学习的革新,实现这一点,需要现在的机器学习从业者跳出监督学习的舒适区,面临一些棘手的问题:数据稀缺,如何使机器实现技能转换以及持续性的学习等等。Vanhoucke也提到,这也是人工智能从理论到实践的必经之路。

Vanhoucke分别介绍了他在图像、语音(及机器翻译)领域和机器人(主要是机械手抓取)的一些研究成果。AI 科技评论作了部分节选。

Vanhoucke说,2011年,语音识别研究者采用神经网络技术降低语音识别,错误率大幅降低,是语音识别领域十多年来最大的进步;2016年,几乎就已经达到人类水准了。

而机器翻译,2014年机器学习的引入也让机器翻译有了质的进步,但要说达到人类水准,还是比较勉强……

(看keynote上的名单,为Google的机器翻译做出贡献的,华人数量不少。)

这个柱状图是人类翻译、神经网络翻译和PBMT翻译的质量差别,依次递减。

Vanhoucke认为,机器学习研究比过去更容易了,有更多的开源工具和模型,更多的网络教程(他自己就在Udacity上开了网络课程),GPU和高性能计算硬件门槛也变低了,研究者也比以前更多。

图片识别领域,除了底层技术的完善,Google已经将图片识别技术应用在医疗领域,帮助医生诊断病情,并且获得了一些成效。

但他也说,图像识别现在远远没有到“success”的地步,有40%基于图像监测做的决策,结果是很糟糕的。

接下来是机器人的部分。Vanhoucke是电子工程专业出身,在Google Brain主要的工作是机器人项目。他先强调了一个和很多人认知有出入的观点:目前的机器人研究其实跟深度学习没有多大关系。

他做了个示范,让手里的笔掉在地上,说,如果机器人的任务是抓取笔的话,那么抓住了和抓不住,从外部观察不到机器人的动作有什么差别(因此不能从中得到什么规律)。

机器抓取特定的物体是有迹可循的;抓取未知的物体尚无法解决。越是少的图像识别技术介入,机器的鲁棒性就越好。

强化学习的引入对于机器人的研究可能有帮助。前提是先有一个能产生海量样本的参照模型。

最后的结论:

1、robotics和机器学习正在发生有意思的融合; 2、对于常规的robotics问题,要有做出不同答案的觉悟; 3、It hits all the right difficult problems on the road to practical AI。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-02-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

苏州大学张民教授两小时讲座精华摘录:自然语言处理方法与应用

2018 中国人工智能大会(CCAI 2018)于 7 月 28 日-29 日于深圳召开。「过去未去,未来已来」,李德毅院士在 CCAI 2018 开幕式上对人...

924
来自专栏新智元

当无人机学会人工智能,它将是世界上最恐怖的武器

外媒称,五角大楼将提供资金,以研发一种小型芯片。这种芯片不仅有着类似人类大脑的人工智能,而且它很小,可以安装到大量移动设备上。 英国网站2月8日发表题为《会像...

2103
来自专栏机器之心

资源 | 从论文发布、学术会议到创业,斯坦福发布了一份「AI指数」年度报告

3547
来自专栏新智元

Facebook AI 背后的神秘组织:FAIR + AML + Product Groups

Yann LeCun 是 Facebook 人工智能实验室负责人,卷积神经网络发明者。面对 Google 的 AlphaGo,他最近谈到了 Faceboo...

3516
来自专栏腾讯高校合作

犀牛鸟精英研究生计划课题方向一览

腾讯携手高校、科研院所及学术组织启动“犀牛鸟精英研究生计划”,通过洞察产业数据、接触真实问题、定制专项方案联合培养顶尖AI创新人才,推进前沿科研突破、加速成果应...

3546
来自专栏人工智能LeadAI

三大技术基础推动人工智能走向实用

人工智能从幕后走向实用离不开人工智能技术取得的突破和发展。在互联网时代背景下,大数据、新型高性能计算架构以及深度学习帮助人工智能技术实现了从量变到质变的转变。其...

2899
来自专栏机器之心

专访 | 京东集团副总裁裴健:将学界最优的方法应用在业界最真实的场景中

对于裴健教授来说,过去的一年是极为充实的一年。他在去年 7 月成为新一届 ACM SIGKDD 主席,任期两年,在今年 1 月,他又出任了京东集团副总裁,负责大...

462
来自专栏ATYUN订阅号

DeepMind开发新AI:学习理解其他AI思想并进行预测

任何与Siri或Alexa有过互动的人都知道,数字助理根本不懂人类。它们需要的是心理学家所谓的心智理论,即对他人信仰和欲望的认识。现在,DeepMind已经开发...

642
来自专栏数据猿

氪信联合创始人杨玢玢:AI应用在金融领域,如何能够在商业上有所突破?

数据猿导读 AI应用在金融领域,想要有所突破,需要几个必要因素,一个是要有数据,毕竟AI归根究底还是数据的技术;另外要有处理数据的能力,其次还要有商业变现的场景...

2778
来自专栏AI科技大本营的专栏

2016:深度学习独领风骚的一年

作者: CADE METZ 编译: AI100 原文地址: https://www.wired.com/2016/12/2016-year-deep-lear...

33314

扫码关注云+社区