Google 在人工智能领域的高歌猛进——在机器学习上加大投资使 Google 跻身科研前列

《自然》杂志(Nature),《美国国家科学院院刊》(The Proceedings of the National Academy ofSciences),《美国医学会杂志》(The Journal of the American Medical Association)。

这是世界上最优秀的几个学术期刊。去年,Alphabet 的 Google 在这几个学术期刊上都发表了论文。

这家总部位于山景城的搜索引擎巨头在多个科研领域都取得了前所未有的成果,包括眼科学、电脑游戏、神经科学和气候模型等。对 Google 而言,2016 年称得上是奇迹之年,在过去的这年中它的研究人员成功在顶级期刊上发表论文,并且论文的绝对数量创下记录。

Google 能实现如此突飞猛进的原因在于对人工智能的加大投资,尤其是对“深度学习”的投资。这是一种理解图片和其他数据的技术,可增强搜索和翻译等服务。(见“2013年10项突破性技术:深度学习”,10 Breakthrough Technologies 2013: Deep Learning,https://www.technologyreview.com/s/513696/deep-learning/)。

根据 Google 提供给《麻省理工技术评论》(MIT Technology Review)的记录,它在 2016 年发表了218 篇关于机器学习的期刊或会议论文,几乎是两年前的 2 倍。

我们在 Clarivate Analytics 旗下的科学网(Web of Science)上找到了类似的数据,并且 Clarivate 确认了上述增长。Clarivate 称,根据其衡量发表文章影响力的一项指标,Google 所发表论文的影响力是世界平均水平的 4-5 倍。与所有发表大量人工智能论文的公司相比,Google 在 Clarivate 的排行榜上大幅领先。

顶级公司

发表文章数激增并不是意外。根据蒙特利尔大学的深度学习专家 Yoshua Bengio 所说,在过去几年,Google 在机器学习领域的研究人员数量增加了两倍多。他说:“他们展开了疯狂招聘”。

为了能从计算机实验室招到优秀人才,仅仅提供硅谷水平的薪水是不够的。“仅仅靠钱是很难招到人才的,”西北大学的计算神经学家Konrad Kording 称,“顶级人才关心的是推动世界,这意味着写有用的论文,编有用的代码。”

位于英国的高概念人工智能公司 DeepMind 是 Google 科研的引领者, 由神经学家和程序员 DemisHassabis 创立。Google 在 2014 年以 4 亿美元收购了这家公司。

Hassabis 对自己的科学雄心坚信不疑。他在一月份的一篇博文中表示,DeepMind 具有一种“混合文化”,既有“学术部门的长远思考”,又有“最佳创业公司的速度和专注”。他写道:“与学术目标保持一致对我们个人而言至关重要。”Kording 的一名博士后学生 Mohammad Azar 最近被 DeepMind 雇用,他称:“人们清楚,大部分项目会推动科学发展。”

去年,DeepMind 在著名的《自然》杂志上发表了两篇文章,该杂志曾刊登了DNA 结构和人类基因序列的首篇报告。其中一篇 DeepMind 的论文涉及其项目 AlphaGo,AlphaGo 曾在围棋比赛中打败人类顶级高手;另一篇论文论述的是具备工作记忆的神经网络如何理解并适用新任务。

12 月,Google 研究部门科学家在美国医师的八月期刊 JAMA 上发表了该期刊的第一篇深度学习论文。论文论述了深度学习程序可以像医生一样从视网膜图像诊断失明的原因。该项目由另一个总部位于 Google 加州总部的团队 Google Brain 负责。该团队称其将发表论文放在首位,并表示团队研究人员“可自行设立日程”。

人工智能竞赛

如今,数百家公司竞相开发更强的人工智能,其中 Google、Facebook 和 Microsoft 之间的竞争尤为激烈。这些公司都从这项技术的应用中看到商机,例如:从客户数据中解析更多信息;使无人驾驶汽车在路上正常行驶;在医学方面的应用。人工智能研究所处的环境让人忆起早前电脑芯片、首批生物技术工厂和药品的研发,当时伟大的学术先驱们为新的行业奠定了基石。

这就解释了为什么发表论文的计分如此重要。学术界的古语“发表或灭亡”(Publishor Perish)现在一样适用于人工智能竞赛,发表研究论文数量不足的公司会处于劣势。Apple 以严格保密的项目计划和产品发布著称,但是这种文化正损害其在人工智能方面的努力,这使得它落后于 Google 和 Facebook。

因此,Apple 去年招募了卡内基梅隆大学的计算机科学家 Russ Salakhutdinov,并立即允许他通过博客和演讲打破 Apple 的保密规则。去年下半年,在巴塞罗那的一个关于机器学习的重要科学大会上,Salakhutdinov正式宣布 Apple 也将开始发表论文。他以幻灯片形式自问自答:“我们能发表论文吗?能。”

Salakhutdinov 将于下周在旧金山举办的《麻省理工技术评论》EmTech Digital 峰会(http://events.technologyreview.com/emtech/digital/17/?_ga=1.222897627.1383099712.1484188434)上作关于人工智能的演讲。

本文作者 Antonio Regalado 是麻省理工学院技术评论生物医学资深编辑。

本文由 AI100 编译,转载需得到本公众号同意。


编译:AI100

原文链接:https://www.technologyreview.com/s/603984/googles-ai-explosion-in-one-chart/


原文发布于微信公众号 - AI科技大本营(rgznai100)

原文发表时间:2017-03-30

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DT数据侠

论买奶粉的正确姿势,文本数据挖掘有话要说

面对市场上玲琅满目的奶粉,消费者时常不知如何选择。作为一个擅长用数据解决消费问题的网红,DT君一向推崇用户评论文本数据的挖掘。来自KPMG大数据挖掘团队的数据侠...

760
来自专栏大数据文摘

大咖丨哥伦比亚教授周以真:人工智能恐慌以及大数据威胁反思

2103
来自专栏AI科技评论

视角 | 全球AI顶会研究人员的男女比例是7:1,最高和最低的地方居然是…

图片来源:www.stadiumdesignsummit.com 所有者:Xperiology

1112
来自专栏大数据文摘

机器人与关键技术解析

29111
来自专栏数据科学与人工智能

【数据分析】大数据征信面临的问题及如何找到突破口

从开展大数据征信业务的三个阶段——数据采集、模型建立、后期应用——来看的话,企业要做好大数据征信在每个阶段其实都有着很大阻碍,一句话来总结这些阻碍那就是中国是一...

2269
来自专栏机器人网

机器人产业热点技术、发展现状及趋势解析

走进汽车生产企业,各种焊接机器人、装配机器人组成的生产线精准高效地运行。而在各大卖场,也可以看到琳琅满目的清扫机器人、机器人玩具等。机器人已从科幻小说和电影银幕...

3748
来自专栏IT派

AI人才大迁徙:如何迅速成为机器学习内行?

IT派 - {技术青年圈} 持续关注互联网、区块链、人工智能领域 现在,新的一波技术革命巨浪已经近在眼前, 代表技术就是 AI、区块链和物联网。 深度学习本质...

3806
来自专栏悦思悦读

制定「机器学习」学习计划【3】

IT 行业发展迅速,各种新名词此起彼伏。身处这样一个热点行业,学习是必须的。 大数据、AI(人工智能)相继席卷世界后,作为程序员,真得学点机器学习了。具体为什么...

3016
来自专栏AI科技大本营的专栏

独家 | 一个天才的开挂人生:5年升至华盛顿大学终身教授,直取AAAI最佳论文奖,如今他要拿机器学习攻破全球慢性病难题

采访 | 孟岩 编辑 | 鸽子 他是少年天才,本科就读于中国科技大学少年班;他是华盛顿大学的终身教授,一般牛人也得花个7年时间,而他只需要5年就评上。如今,他一...

3415
来自专栏腾讯研究院的专栏

李德毅:大数据突破点在于聚类

2015年4月9日,第三届中国电子信息博览会在深圳召开。工业和信息化部电子信息司司长刁石京主持开展了新一代信息技术产业发展高峰论坛。中国工程院院士李德毅发表了...

2116

扫码关注云+社区

领取腾讯云代金券