业界 | 一文为你解读谷歌与深度学习的不解之缘

AI科技评论按:现今,深度学习的应用非常普遍,而谷歌一直是使用深度学习的一股强大力量,Forbes上的一篇文章详细介绍了谷歌在深度学习上的应用。跟着AI科技评论来看看谷歌究竟将它运用在了哪些地方?

深度学习属于人工智能领域,在这个领域,真正的奇迹正在发生。

一直以来,虽然计算机的运行速度很快,但它并不聪明——它没有能力从犯的错误中学到经验,必须得到精确的指令才能执行任务。

什么是深度学习

深度学习涉及到构建出人工神经网络,这种网络会试图模仿生物的大脑来分类和处理信息。 深度学习中的“深度”意味着使用多层堆叠的神经网络,这种数据处理结构被称为深度神经网络。深度神经网络这种复杂的结构,让它在处理数据时能更彻底、更精确,优于之前其他的人工智能技术。 深度学习已经在人工智能的最前沿推陈出新,现在的许多应用中都有它的身影。

随着数据量的不断增加,处理技术变得越来越便宜,社会上的更多领域可能会受到影响。下面我们来看看Google这个先驱是如何在众多产品和服务中使用深度学习的。

谷歌正在使用深度学习技术

谷歌一直是支持使用深度学习技术的一股强大力量。深度学习如今在前沿应用中非常普遍,它几乎与人工智能是一个意思了。原因很简单——它的效果明显。运用深度学习,可以破解困扰数据科学家几十年的难题,比如语音和图像识别,以及自然语言生成问题。

2011年,谷歌成立谷歌大脑项目,这是他们首次公开对深度学习潜在可能性的探索。第二年,谷歌宣布他们已经建立了一个神经网络,用来模拟人类的认知过程。这个网络在16000台电脑上运行,在学习了大约1000万张图像之后,它能够成功识别出猫。 2014年,谷歌收购了英国深度学习初创公司DeepMind。

DeepMind将现有的机器学习技术和神经科学的前沿研究联系起来,开创了一种新的研究方法,让系统更精确,就像大脑一样有了智力。

DeepMind研发出了Alpha Go,为了验证算法执行任务的能力,他们让系统玩电子游戏,后来又让系统下围棋,在这个过程中他们发现系统的技术越来越高超。

谷歌在邮件服务中是如何使用深度学习的?

当证明了深度学习在实验室和游戏竞赛中很有效果之后,谷歌悄然将这项技术推向了更多的服务领域。

第一次实用是在图像识别中,可以用它对谷歌索引出的互联网上的数百万张图片进行分类。这样做可以让图像分类更精确,从而为用户提供更准确的搜索结果。

谷歌目前在深度学习的研究中,在图像分析领域的最新突破是图像增强。这包括重建或填充图像中缺失的部分,这种功能是通过从现有的数据中推断,以及利用学到的其他类似图像实现的。

Google Cloud Video Intelligence向用户开放视频分析功能。用户将视频传到谷歌服务器上之后,这个平台可以对视频的内容进行分割和分析,可以自动生成摘要,如果视频内容有可疑之处,AI甚至还会发出安全警报。

语言处理是谷歌运用深度学习的另一个服务领域。谷歌AI语音识别助手运用深度神经网络来学习如何更好地理解语音指令和问题。谷歌大脑开发的技术已经在这个项目中有所运用。

最近,谷歌的翻译服务也运用了谷歌大脑开发的技术。在新的谷歌神经机器翻译系统上进行翻译,可以将一切都任务都转移到深度学习环境中。

另外,运用谷歌大脑的技术,可以在Youtube上提供更多个性化的推荐。当我们在谷歌的服务器中浏览内容时,它会监控和记录我们的浏览习惯。已经有数据显示,为用户推荐他们想要看的视频是提高用户留存率的关键,留住了用户之后就有源源不断的广告费了。深度神经网络能充分的用来研究和学习用户的习惯和偏好,不断推荐用户喜欢的内容。

via:Forbes ,AI科技评论编译整理。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-08-12

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

业界 | 想要快速的搭建高性能机器学习系统,企业应该怎么干?

AI科技评论按:本文为「范式大学系列课程」。Web服务器部署在云上已经算是常见的事情了,那么机器学习系统如何呢? ? 亚马逊AWS目前的运维水平成为行业标准,但...

2794
来自专栏机器之心

业界 | 快手科技李岩:多模态技术在产业界的应用与未来展望

李岩在演讲中表示,多模态技术有两大应用方向,一是会改变人机交互的方式,二是将使信息分发更加高效;视频本身就是一个多模态的问题,而快手则拥有海量的多模态数据,多模...

913
来自专栏AI派

推荐系统中重要却又容易被忽视的问题有哪些

在个性化推荐系统中的绕不开的经典问题有哪些介绍了推荐下中不可避免都会遇到的问题,这里介绍一些不可忽视的一些内容。

3716
来自专栏AI派

如何构建基于内容的推荐系统

基于内容的推荐,最重要的不是推荐算法,而是内容分析。内容分析得越深入,哪怕最开始使用人为定制的规则也能起到不错的效果。

3919
来自专栏PPV课数据科学社区

是的,人工智能就是分析

关于人工智能究竟是什么,以及人工智能的学科应该如何分类,似乎存在一些混淆。人工智能是分析学的一种形式,还是一门与分析学不同的全新学科?我坚信人工智能与预测分析和...

2704
来自专栏机器之心

业界 | 让人工智能学会谈判,Facebook开源端到端强化学习模型

选自code.facebook 机器之心编译 参与:吴攀、李亚洲 每天从我们醒来的那一刻,生活中就充满了经常性的谈判(negotiations)。这些场景包括讨...

33311
来自专栏应兆康的专栏

10. 用开发集和评估指标来加速迭代

2101
来自专栏程序员互动联盟

多年Java开发研究机器学习技术需要哪些基础?

多年的java开发经验切入到新的领域,需要熟悉的新规则和技巧。 但对于人工智能来说,不是简单的熟悉一下新的规则那么简单的事情了,主要人工智能是一个综合性极强,...

36012
来自专栏AI科技评论

CNCC 2018 | 快手科技李岩:多模态技术在产业界的应用与未来展望

AI 科技评论按:在 CNCC2018「高通量媒体内容理解论坛」上,快手科技多媒体内容理解部负责人李岩发表了题为「多模态内容生产与理解」的演讲,讲述了带领多媒体...

872
来自专栏人工智能头条

京东DNN实验室:大数据、深度学习与计算平台的实践

1764

扫码关注云+社区