【干货】Jeff Dean Spark 2016 峰会演讲

【新智元导读】上周举行的Spark Summit 2016大会上,谷歌大脑的负责Jeff Dean就深度学习发表演讲,介绍了谷歌对深度学习的使用情况,从技术上解读如何在TensorFlow进行大规模的深度学习。他认为,未来,行业内对深度学习的使用会持续增长。最后,他还为如何开展深度学习给出4点可行性建议。

我们真正想要的不仅仅是原始数据,而是能理解这些数据的计算系统。

Jeff所指的“理解”是什么?

简单说来,就是机器要能向人一样,知道所获得的信息代表什么。比如,看到这张照片,人可以说,图中有一个小孩,抱着一个泰迪熊。所谓的理解,就是机器应该具有这种能力。

神经网络

神经网络是一些从数据提炼的复杂函数,从一个空间输入转化为另一个空间的输出。

深度学习是什么?

深度网络模型与大脑运作原理相似,但并非直接模拟神经元如何工作,而是一种简单抽象的神经元网络。人工神经元不会产生脉冲,只会生成数值。神经元的函数就是通过非线性函数计算输入的加权乘以权重之和。

更多的数据、更大的模型、更多的计算产生而更好的结果。

谷歌对深度学习的使用在逐年增加

TensorFlow

我们输入数据、权重、误差以及标签,在不同节点进行不同的运算。Tensor 意味着N维数组,1 维时就是向量,2 维时就是矩阵;用图像可以可以用三维张量(行、列、颜色)表示更高维的数据流;Flow(流)意味着基于数据流图的计算。有许多运算(图中的节点)应用在数据流上。张量从图象的一端流动到另一端,这就是“TensorFlow”。“边”代表张量(数据),节点代表运算处理。

TensorFlow的应用案例

深度学习对谷歌的哪些技术产生了深远影响?

语音识别

图片搜索

智能搜索

图片图说研究

怎么开始深度学习?

四个途径

1)使用一个居于云的API(视觉、语音等)

2)在上面运行你自己训练好的模型

3)使用既有的模型架构,进行再训练或者修正你自己的数据库

4)为解决新问题开发你自己的机器学习模型

未来,深度学习的使用将会持续增长

在以下方面会得到应用:

  • 机器人,自动驾驶汽车
  • 医疗
  • 视频理解
  • 对话系统
  • 私人助理

结论

深度神经网络在理解以下内容上有了巨大的进步:

语音、图像、语言、搜索……

如果你还没思考过如何使用深度神经网络来解决计算机视觉或者理解的问题,几乎可以肯定的说,你该想一想了。


原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2016-06-17

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

来自专栏机器之心

初学者必读:IBM长文解读人工智能、机器学习和认知计算

选自IBM 机器之心编译 参与:吴攀、黄小天、Nurhachu Null 人工智能的发展曾经经历过几次起起伏伏,近来在深度学习技术的推动下又迎来了一波新的前所...

4547
来自专栏鸿的学习笔记

机器学习应该知道的事(下)

新的一周又开始了,作为引子的review,还是有点长的,大家可以耐心的读读,绝对会让你有种豁然开朗的感觉。下周的重点是统计语言模型,别想的那么复杂,实际上就是贝...

862
来自专栏ATYUN订阅号

新的AI工具可帮助设计人员扩展虚拟纹理,保持高度逼真

深圳大学和华中科技大学研究人员创造了一种新的AI工具,可以帮助设计人员为视频游戏,虚拟现实和动画制作更逼真的虚拟纹理。

1474
来自专栏AI科技大本营的专栏

绝密 | 机器学习老手不会轻易告诉你的12件事儿

编译 | AI科技大本营 参与 | 彭硕 刘畅 编辑 | 明明 机器学习是人工智能的核心,而机器学习的算法是其最重要的武器。机器学习算法可以从例子中归纳出执行...

3719
来自专栏AI科技评论

干货 | 中科院计算所王晋东:迁移学习的发展和现状 | 分享总结

AI科技评论按:伴随着最近几年的机器学习热潮,迁移学习 (Transfer Learning)也成为目前最炙手可热的研究方向。 迁移学习强调通过不同领域之间的知...

5687
来自专栏AI科技评论

干货 | AAAI 2018 论文预讲:当强化学习遇见自然语言处理有哪些奇妙的化学反应?

AI科技评论按:随着强化学习在机器人和游戏 AI 等领域的成功,该方法也引起了越来越多的关注。在近期 GAIR 大讲堂上,来自清华大学计算机系的博士生冯珺,为大...

6597
来自专栏AI科技评论

干货 | 无监督学习和transformers如何在OpenAI手里玩出新花样

AI 科技评论按:OpenAI 近期更新了一篇博客,他们利用一个任务无关的可扩展系统在多语言任务上取得了卓越进展。论文及代码已经公布。他们的方法结合了 tran...

893
来自专栏机器之心

学界 | 伯克利强化学习新研究:机器人只用几分钟随机数据就能学会轨迹跟踪

3116
来自专栏AI研习社

无监督学习和 transformers 如何在 OpenAI 手里玩出新花样

AI 研习社按:OpenAI 近期更新了一篇博客,他们利用一个任务无关的可扩展系统在多语言任务上取得了卓越进展。论文及代码已经公布。他们的方法结合了 trans...

1024
来自专栏新智元

【一个深度学习模型解决所有问题】谷歌MultiModel通吃文本、图像、翻译

【新智元导读】我们能够制作出一个统一的深度学习模型,让这个模型解决多个领域的许多不同问题吗?谷歌研究人员提出了一个多模式适用的架构 MultiModel,用单一...

4586

扫码关注云+社区

领取腾讯云代金券