首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >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

作者头像
量子位
发布2018-03-21 15:52:32
8420
发布2018-03-21 15:52:32
举报
文章被收录于专栏:量子位量子位
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。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2017-02-10,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量子位 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 量子位 李林 | 参考Google Research Blog
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档