专栏首页量子位Google把机器学习算法装进移动设备,让智能手表自动回消息

Google把机器学习算法装进移动设备,让智能手表自动回消息

量子位 李林 | 参考Google Research Blog

你和小冰聊天,把各位好朋友的照片放进FaceApp改个性别加个灿烂笑容,靠的都是深度神经网络等机器学习技术。

机器学习很强大,它需要的计算资源也很强大。于是机器学习算法往往是在服务器上运行的:不联网,FaceApp才不会帮你手动微笑。

现在,Google终于把机器学习算法压缩到了移动设备里边,而且是个配置远不如手机的智能手表。

Google昨天发布的Android Wear 2.0智能手表操作系统加入了智能回复功能,这一功能不依赖服务器,完全在智能手表本地实现。

Google Research研究科学家Sujith Ravi在博客中表示,长短时记忆(LSTM)等循环神经网络(RNN)与图学习的结合,非常适用于自然语言理解任务,但是这样的模型很难压缩到计算能力有限的移动设备中,因此,他们选择了一种替代方法。

他们先将类似的消息投射到相同的位向量(bit vector)上,然后用局部敏感哈希算法(locality sensitive hashing,简称“LSH”)将数百万不同词语带来的维度缩减到一串二进制字符,提升了计算速度。

接下来,这个系统用消息和投射的位向量共同训练一个“信息投射模型”,让这个模型根据Google的半监督图学习框架(点击文章最底下的“阅读原文”,有一篇相关论文等你读)来预测可能的回复。

这样,就有了Android Wear 2.0上的智能回复功能。智能手表上运行的智能回复软件处理用户收到的信息,向用户推荐回复语句,还能逐渐学习用户的语言风格和个人偏好,变得更像主人。

其实,Google之前也做过类似的事情:把人工神经网络压缩到智能手机上,让iOS和Android版的Google翻译能够不联网即时运行。

Facebook也在努力将机器学习算法压缩到移动设备上,贾扬清研究的Caffe2go就是在一款在手机上训练神经网络的框架,这一框架嵌入到了Facebook App中,可以在手机上不联网实现风格迁移,也就是Prisma那样的功能。

这些将机器学习算法简化、压缩、装进移动设备的努力,源自于对于“实时性”的需求。发送到服务器-进行处理-再发回设备上这样一个流程,无论怎样号称“实时”,也还是会有一定的延迟,而且对网络的速度和可靠性都有着极高的要求。

本文分享自微信公众号 - 量子位(QbitAI)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-02-10

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 独家 | Google正在北京组建AI团队

    李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI ? △ Google北京办公室的新址 搬到新址一年后,Google准备在北京搞点新事情。 其实最近...

    量子位
  • 全程中文!谷歌发布机器学习速成课,完全免费(附视听评测)

    全球AI第一大厂Google推了新课程! ? Google今天上线了一个“机器学习速成课程”,英文简称MLCC。用他们自己的话来形容,这个课程节奏紧凑、内容实用...

    量子位
  • AI炒股轻松赚大钱?Too naive

    夏乙 允中 编译整理 量子位 出品 | 公众号 QbitAI 让AI代替人类炒股,多么美妙的目标。 机器学习技术能在不需要人类预先编写规则的情况下,让计算机从数...

    量子位
  • 100页机器学习入门完整版,初学者必备!

    导读:近日,Gartner机器学习团队负责人Andriy Burkov放出了他撰写的《The Hundred-Page Machine Learning Boo...

    华章科技
  • 全程中文!谷歌发布机器学习速成课,完全免费(附视听评测)

    全球AI第一大厂Google推了新课程! ? Google今天上线了一个“机器学习速成课程”,英文简称MLCC。用他们自己的话来形容,这个课程节奏紧凑、内容实用...

    量子位
  • Huskarl 最近进展:已支持与 OpenAI Gym 环境无缝结合!

    近日,Github 上开源的一个专注模块化和快速原型设计的深度强化学习框架 Huskarl 有了新的进展。该框架除了轻松地跨多个 CPU 内核并行计算环境动态外...

    AI研习社
  • Huskarl 最近进展:已支持与 OpenAI Gym 环境无缝结合!

    近日,Github 上开源的一个专注模块化和快速原型设计的深度强化学习框架 Huskarl 有了新的进展。该框架除了轻松地跨多个 CPU 内核并行计算环境动态外...

    AI科技评论
  • 1001. 温度转换

    题目描述 将输入的华氏温度转换为摄氏温度。由华氏温度F与摄氏温度C的转换公式为:F=C×9/5+32。 输入 输入一个实数,表示华氏温度 输出 输出对应的摄氏温...

    attack
  • 深度强化学习十大原则

    Planning: Learn from Imagined Experience

    J.Q.Wang@2048
  • 独家 | 强化学习必知二要素——计算效率和样本效率

    有没有因为空调太冷而穿上毛衣?在去睡觉之前忘了关掉另一个房间的灯?虽然在办公室所做的一切都可以通过笔记本电脑在家里完成,但是你每天依然会花费半个多小时的通勤时间...

    数据派THU

扫码关注云+社区

领取腾讯云代金券