展开

关键词

谷歌人工智能算法RankBrain运行原理FAQ

Bloomberg报道说,RankBrain是一个谷歌机器学习人工智能系统的名称,用于帮助处理搜索结果,这得到了谷歌的肯定。 什么是机器学习? 什么是人工智能? 真正的人工智能,或简称AI,是计算机能和人类一样聪明,至少在获取知识方面,通过学习或者建立在知识库的基础上得到的联系。 当然,真正的AI只存在于科幻小说里。 我们认为这是个非常好的向导,说明了类似谷歌的搜索引擎对网页排序使用的东西。 RankBrain是第三个最重要的信号? 没错。这个的系统突然冒出来,已经成为网页排序第三个最重要的因素。 谷歌的确给出了一个的案例:“How many tablespoons in a cup?”谷歌表示,对来自于澳大利亚和美国搜索会有不同的结果,因为两个国家的度量标准不同,尽管名称类似。 你可以使用谷歌的 word2vec工具玩转自己的机器学习工程。另外,谷歌有 一整块区域是关于人工智能和机器学习论文的,微软 也一样。

46040

谷歌人工智能编写AI 胜过人类技术

AI人工智能最让人担忧的地方,就是AI自己成另一个AI,而这个新生成的AI不被人类控制。不过谷歌Google就有限度地让他们的AutoML人工智能系统,创造了新一代的人工智能 NASNet。 从技术角度来说,就是谷歌Google的开发人员制作了一组自动化设计机器学习模型的指令,让AutoML以它的能力,开发一个「子AI」。 在数千小时的训练后,谷歌的相关人员开始考验它。测试中,NASNet对目标的预测准确率高达82.7%,比人类开发的AI人工智能准确度高出了1.2%,计算效率提升了4%。 制造这个NASNet的主要目标,是让AI人工智能技术拥有更高效率的机械视觉演算法,未来打造的AI机器人可为视障人士服务,另外也可应用在无人驾驶汽车上,更加准确的辨识路上的物体。 谷歌的这次测试,整体来说仍然是在人类的控制范围内,制作子AI的目标,也是开发人员建立的。距离AI人工智能自己突发奇想,或者有主动思考意识,然后像科幻片里那样「AI生成AI毁灭人类」的联想还差很远。

55000
  • 广告
    关闭

    【玩转 Cloud Studio】有奖调研征文,千元豪礼等你拿!

    想听听你玩转的独门秘籍,更有机械键盘、鹅厂公仔、CODING 定制公仔等你来拿!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    谷歌人工智能算法RankBrain运行原理解析

    Bloomberg报道说,RankBrain是一个谷歌机器学习人工智能系统的名称,用于帮助处理搜索结果,这得到了谷歌的肯定。 什么是机器学习? 什么是人工智能? 真正的人工智能,或简称AI,是计算机能和人类一样聪明,至少在获取知识方面,通过学习或者建立在知识库的基础上得到的联系。 当然,真正的AI只存在于科幻小说里。 我们认为这是个非常好的向导,说明了类似谷歌的搜索引擎对网页排序使用的东西。 RankBrain是第三个最重要的信号? 没错。这个的系统突然冒出来,已经成为网页排序第三个最重要的因素。 谷歌的确给出了一个的案例:“How many tablespoons in a cup?”谷歌表示,对来自于澳大利亚和美国搜索会有不同的结果,因为两个国家的度量标准不同,尽管名称类似。 你可以使用谷歌的 word2vec工具玩转自己的机器学习工程。另外,谷歌有 一整块区域是关于人工智能和机器学习论文的,微软也一样。

    438100

    谷歌算法:多人对话中识别「谁在发言」【智能快讯】

    By 超神经 AI 无处不在的时代,每天都有的技术与研究成果出现。无论学术界还是商界,技术还是产品,AI 的新发现都源源不断,在带给我们全新视角的同时,也引起我们更深的思考。 许多科学家正在使用人工智能来获取这些线索,以建立能够识别精神疾病障碍的语音分析技术。 来源:developer.amazon.com 技术 谷歌推出新算法,将在多人对话情景中 更准确地识别出「谁在说话」 近日谷歌 AI 团队推出一个模型,该模型基于 RNN-T 架构,把声学、语言学、扬声器分类和语音识别整合到同一个系统中 后来,该平台使用人工智能技术,学生可以通过相机拍摄拍摄家庭作业或者问题,获得专业的解释。 ? 在本周公示的一份声明中,谷歌表示已经完成对 Socratic 的收购,并且表明在谷歌人工智能技术的帮助下,带来了全新的使用体验,目前新款应用已经在 App Store 上线发布。

    36940

    深度 | 谷歌和OpenAI研究:如何使用达尔文进化论辅助设计人工智能算法

    尽管神经进化在 20 世纪 80 年代左右就已被提出,但随着研究者在机器学习的不同视角上对其进行研究,它也正获得的关注。 上个月,谷歌大脑和非营利性组织 OpenAI 分别就神经进化这一主题发表了还未经评议的论文,谷歌的论文是关于神经进化原理在图像识别上的应用,而 OpenAI 的论文则是关于使用工作器(worker)算法让一个主算法学会实现一个任务的最好方法 为本已复杂的人工智能研究领域引入生物进化的思想不免使人困惑。因此,如果想解决困惑,就把算法看作马吧。马一生之中都在学习,但是它们只在几个不同的指标上进化,例如奔跑的速度。 但是这次突变改变的不再是蓝眼睛或是红头发,而是算法解读训练数据的方式。接着,把训练亲代算法的相同数据用来训练克隆算法并将克隆算法放回到那 1000 个算法之中,并再一次开始这一过程。 这个研究成果极大地提升了人工设计的神经网络的效率,但一次即将到来的人工智能冬天抑制了其进一步的发展——那时候因为人工智能技术缺乏进展,研究资金被削减了。

    487140

    谷歌大脑算法,不折腾TPU就能加快AI训练速度

    现在谷歌提出强有力反驳。 ? GPU和像谷歌TPU这样的硬件加速器大大加快了神经网络的训练速度,推助AI迅速成长,在各个领域发挥超能力。 然而,硬件发展再迅速,也总有力有不逮的时候。 谷歌大脑的科学家们可不希望看到算法掣肘硬件,于是他们研究出了一种名为“数据回放(Data Echoing)”的新技术。 加速神经网络训练速度,这回不靠折腾半导体。 实验中,“”训练样本(训练样本从磁盘中被读取出来,就算做一个的样本)的数目达到指定目标的时间就算作训练的时长。同时,研究人员也会调查data echoing是否减少了所需的样本数量。 ? 随着摩尔定律走向终结,要依靠芯片制造工艺的突破来实现人工智能算力的提升越来越困难,虽然有硬件加速器加持,但CPU这样的通用处理器依然成为了神经网络训练速度进一步提升的拦路虎。 另辟蹊径,以算法性能来突破重围,正在成为New sexy。 论文地址:https://arxiv.org/abs/1907.05550 — 完 —

    26120

    谷歌开源人工智能系统TensorFlow

    谷歌于周一发布全新人工智能系统TensorFlow。该系统可被用于语音识别或照片识别等多项机器深度学习领域。 谷歌表示,TensorFlow将完全开源,可被运行于由数千台电脑组成的服务器集群或者单一智能手机之上。 TensorFlow比我们之前的系统更快、更智能、更灵巧,所以它能够轻松驾驭的产品和研究。同时,它是一个高度可扩展的机器学习系统,它可以在一台智能手机上使用或者在数据中心的成千上万台机器上运行。 据了解,谷歌之所以将TensorFlow开源,是希望能通过此举激发更多创新,并简化研究人员的学习和操作,以更方便地分享创意和代码。

    55590

    DeepMind发布算法,将谷歌地图行程时间估算准确率提升50%

    大数据文摘出品 来源:VB 编译:睡不着的iris 据报道,在诸如柏林、雅加达、圣保罗、悉尼、东京和华盛顿(特区)的地区,谷歌地图和谷歌地图平台API中的实时驾驶ETAs(预计到达时间)预测准确率提高了 谷歌地图将道路网络划分“超级区段”,该“超级区段”包含多个共享大量交通流量的相邻路段。 超级区段是与交通密度成比例随机采样的道路子图,并通过消息传递算法连接起来,算法会学习节点和边的状态。 DeepMind与谷歌地图团队遵循实验室与谷歌产品部门的其他合作关系,包含努力改进Google Play商店的发现系统。 除了谷歌以外,DeepMind提供了算法、框架和方法,用以改善Waymo自动驾驶系统。

    38410

    74KB图片也高清,谷歌用神经网络打造图像压缩算法

    最新的好消息是,谷歌团队采用了一种GANs与基于神经网络的压缩算法相结合的图像压缩方式HiFiC,在码率高度压缩的情况下,仍能对图像高保真还原。 接近原图的图像重构算法 此前,相关研究已有采用神经网络进行图像压缩的算法,而随着近年来生成式对抗网络兴起,采用GANs生成以假乱真图像的算法也不在少数。 为了更好地对比,结果分别采用了HiFiC算法(图中红点连线)、不带GANs的对比算法(图中橙方连线)、目前较为前沿的M&S算法(图中蓝方连线)和BPG算法(图中蓝点连线)。 志愿者将原图与经过算法处理后的图像对比后,选出他们认为「视觉上」更接近于原图的压缩算法。 在所有算法经过选取后,将会出现一个排名,以衡量HiFiC的实际效果。 这篇论文的主要工作由Fabian Mentzer在谷歌研习期间完成,其余三位作者均来自谷歌团队。 目前有关这个项目的源代码和训练好的模型也即将放出,小伙伴们可以戳下方传送门查看最新进展。

    60540

    74KB图片也高清,谷歌用神经网络打造图像压缩算法

    最新的好消息是,谷歌团队采用了一种GANs与基于神经网络的压缩算法相结合的图像压缩方式HiFiC,在码率高度压缩的情况下,仍能对图像高保真还原。 接近原图的图像重构算法 此前,相关研究已有采用神经网络进行图像压缩的算法,而随着近年来生成式对抗网络兴起,采用GANs生成以假乱真图像的算法也不在少数。 为了更好地对比,结果分别采用了HiFiC算法(图中红点连线)、不带GANs的对比算法(图中橙方连线)、目前较为前沿的M&S算法(图中蓝方连线)和BPG算法(图中蓝点连线)。 志愿者将原图与经过算法处理后的图像对比后,选出他们认为「视觉上」更接近于原图的压缩算法。 在所有算法经过选取后,将会出现一个排名,以衡量HiFiC的实际效果。 这篇论文的主要工作由Fabian Mentzer在谷歌研习期间完成,其余三位作者均来自谷歌团队。 目前有关这个项目的源代码和训练好的模型也即将放出,小伙伴们可以戳下方传送门查看最新进展。

    38710

    【深度学习进化论】谷歌大脑神经演化算法 PK OpenAI 集群智能

    智元导读】神经演化方法在上世纪80年代被提出,由于神经网络的兴起而一度遭受冷遇。不过现在,谷歌大脑和 OpenAI 都在重新审视这种方法。 通过在深度学习中引入大自然的智慧——演化/适者生存,我们能够得到更聪明、更有效的算法吗? 现代人工智能被开发来模仿自然——人工智能领域的主要追求是在计算机里复制人类生理决策的过程。 谷歌大脑:模仿自然演化,培养高性能后代算法 在已经十分复杂的人工智能研究领域引入生物学概念可能令人困惑。所以,我们来打个比方。你可以把算法看成是马。 这些改变主要是让算法在如何解释训练数据方面与原来的算法有所不同。 谷歌使用的混合方法结合了经典的神经演化和反向传播等技术,也是令今天的深度学习如此强大的方法:它教一个算法如何在真实世界行动,让它演化,而该算法的孩子将拥有大部分已经积累的知识。

    46360

    谷歌官方:反向传播算法图解

    ---- 智元推荐 来源:google-developers.appspot.com 【智元导读】反向传播算法(BP算法)是目前用来训练人工神经网络的最常用且最有效的算法。 作为谷歌机器学习速成课程的配套材料,谷歌推出一个演示网站,直观地介绍了反向传播算法的工作原理。 网站地址: https://google-developers.appspot.com/machine-learning/crash-course/backprop-scroll/ 反向传播算法对于快速训练大型神经网络来说至关重要 本文将介绍该算法的工作原理。 简单的神经网络 ? 如上图,你会看到一个神经网络,其中包含一个输入节点、一个输出节点,以及两个隐藏层(分别有两个节点)。 相邻的层中的节点通过权重 ? 反向传播算法会对特定样本的预测输出和理想输出进行比较,然后确定网络的每个权重的更新幅度。 为此,我们需要计算误差相对于每个权重 ? 的变化情况。

    36600

    人工智能——的硬件架构

    编辑 | TGS 发布 | ATYUN订阅号 随着社会的发展,人们越来越期望用人工智能来解决各个领域的问题,所以创造出了越来越多的,能够以更高速度和更低功耗运行深度学习模型的专用硬件。 最近的一些突破——芯片架构,它以一种与我们以前看到的完全不同的方式执行计算,通过观察它们的功能,我们可以了解到未来几年可能出现的人工智能应用。 可近年来,随着人们对深度学习和神经网络的兴趣重燃,神经形态芯片的研究也受到了的关注。 虽然没有直接证据表明神经形态芯片是创造人工智能的正确途径,但它们肯定会帮助创造更高效的人工智能硬件,故而早就已经引起了大型科技公司的注意。 的硬件架构就像是一粒种子,更像是一个奇点,4G带动了各行各业的发展,改变了人们的生活习惯,很厉害也很伟大,但4G是哪里来的呢?如果没有支持的硬件,4G会出现吗?

    53920

    GMIS 2017 | 谷歌云李佳:谷歌如何开发和应用人工智能

    下午,作为本次大会的神秘嘉宾,谷歌云业务机器学习/人工智能研发主管李佳博士为我们带来主题为企业如何运用人工智能的主旨演讲。 现在,人工智能已经跨越学界,日益成为变革的驱动力,影响了无数行业领域,也带了全新机会。在谷歌人工智能驱动着不少谷歌产品,从谷歌搜索、邮件到谷歌翻译等。 ? 比如,最近谷歌翻译取得了很多突破,从效果来说,基于整句翻译的整体化思想的算法更加准确,也更加可靠,参阅机器之心的系列报道: 重磅 | 谷歌翻译整合神经网络:机器翻译实现颠覆性突破(附论文) 重磅 | 谷歌神经机器翻译再突破 为了让人工智能更加普惠,给更多开发者和使用者带来益处,谷歌做出了不少努力。李佳在刚刚结束的乌镇围棋峰会上也介绍过这方面的努力。谷歌云的工作主要围绕人工智能四大支柱:数据、计算能力、算法和人才展开。 谷歌有着非常多样化的数据集,像 YouTube 音乐数据也整合起来了。 第三,算法方面。谷歌发布了云语音应用程序、云视觉应用程序、云翻译应用程序、云自然语言应用程序等。 ?

    54170

    谷歌开放人工智能语言处理技术

    本次公开包括训练模型的代码,以及用于分析英语语言文本的预训练模型。 据谷歌称,这款分析器是全球最准确的解析器,可自动分辨单词词性,其准确率堪比人类语言学家。对于自然语言研究界而言,此举意义重大。 而这对谷歌也非常重要。VentureBeat于2016年5月在加州山景城的谷歌总部进行采访时,总部研究产品经理Dave Orr表示:“我们在内部评估技术的方式是很不一样的。 现在,这项技术已经对外界开放,代码将得到外界人士的改善,这可以帮助谷歌寻找的人才,改善谷歌产品。 Orr表示,谷歌已经证明,相比更为传统的机器学习方法,一种名为深度学习的人工智能对于语言理解更为实用。 这种方法一般包括利用大量数据——例如谷歌搜索——对人工智能神经网络进行训练,然后让它们对的数据进行推论。谷歌已经研究了图像识别和语音识别的深度学习,而现在又明显在语言理解领域取得了进展。

    1.3K90

    谷歌发明图片批量去水印算法,呼吁素材网站将水印随机化

    但最近,谷歌的研究人员发现了一种算法,可以轻松批量将显性浮水印移除。 ? Tali Dekel、Michael Rubinstein、Ce Liu和William Freeman四名作者均来自谷歌。 ? 这里提出了一种通用的多图抠图算法,当输入一张带水印的图片时,它能自动判断图像的“前景”(水印)、蒙版以及“背景”(原图)。 ? 这篇论文不仅演示了研究的算法可以去掉来自网络各图片素材库的水印,同时也提供了提供了对带水印图片大量的定量分析。 单个去除可见性水印不可怕,关键是要抵抗住批量去除水印的操作。 去水印展示 ?

    1.3K50

    谷歌拟采用人工智能创作音乐

    据《华盛顿邮报》于2016年6月报道,谷歌推出了使用人工智能创作出色的美术和音乐作品的项目。这个称为Magenta的项目于6月8日发布,旨在推动用于生成音乐和艺术品的机器智能的发展。 谷歌希望和其他人士一起开发适用于更广泛群体的更多工具,让几乎没有技术知识的艺术家也能用得上。几十年前,人们就开始研究如何使用计算机创作音乐。 但专家表示,本项目的新颖之处在于谷歌超强的运算能力,以及谷歌与大众分享工具的决定——这可能促进创新。 Amper Music是一家的初创企业,和谷歌一样,该公司也尝试利用最新软件来创造音乐。Amper使用人工智能根据制片人希望在作品中传达的情绪来创作原创音乐,而这一过程仅需短短几秒就完成了。 目前,人工智能创作音乐的潜力还有很大一部分有待发掘。Silverstein才刚开始开发洛杉矶的娱乐市场。谷歌Magenta项目发布的歌曲不仅展示了人工智能目前的能力,还说明现有的工作成果远远不足。

    54550

    人工智能翻译之间的对决:谷歌?有道?

    由于人工智能的飞速发展,机器翻译水平正在大幅提升,并逐渐赶超人类,这已经是不争的事实。然而,同在机器翻译这个赛道里的各位“赛手”,谷歌、有道等传统翻译产品或公司,也正在上演着一场激烈的角逐和比拼。 人工智能翻译大赛 谷歌竟然连败两场? 12月的一个早上,北京798软件园,一场机器翻译的pk赛正在进行。活动主办方品玩,是一家“有品好玩”的科技媒体。 而在机器翻译领域竞逐的“赛手”也越来越多,有道、谷歌、搜狗、百度,都或早或晚的布局人工智能翻译。 可是,为什么本应该更有优势的谷歌翻译,在两场比赛中却不如有道? 中文翻译不如有道 谷歌输在哪里? 但机器在领域上开始有了的突破,在有道神经网络翻译中,工程师们已经开始让系统能够自动适配不同领域的内容,称之为“领域适配技术”。 在有道翻译中,系统会默认给出一种翻译结果。但这是否是最优结果呢?未必。 人工智能的热潮还刚开始,对于机器翻译而言,人工智能为其打开了一扇的大门,但是未来“机器翻译”是否能够更聪明,并彻底超越人类,其实还有很长的一段路要走。

    58450

    谷歌利用人工智能改善搜索结果

    近日,谷歌表示,它正在利用人工智能和机器学习技术来改善谷歌搜索的结果。在今天早上的一篇博客文章中,这家科技巨头宣布,在美国用英语搜索新闻主题的用户,现在可以在搜索结果页面的顶部看到一篇文章。 奥斯本表示,从今天起,谷歌搜索结构会更加完善。推动这种改进的,是一种的故事理解技术,这种技术能够将新闻故事中涉及的人物、地点和事物绘制成图形,然后将它们联系起来。 ? 比如:谷歌最近将来自transformer (BERT)的双向编码器,部署到了搜索中,以帮助系统其更好地理解用户搜索查询背后的意图。 谷歌表示,除了这些改进之外,它现在还在搜索结果中加入了重要信息,比如:著名引用和相关评论。根据奥斯本的说法,这是一种尝试,旨在提供一种“更全面”的新闻基调和基调预览。 在谷歌完全改变谷歌新闻的一年多以来,本周,搜索功能终于也得到了增强。谷歌利用它所掌握的用户信息,来推荐可能让用户感兴趣的内容。

    19810

    算法谷歌、微软等合作 提出了一种的量子光子芯片量子系统结构模拟算法

    来自布里斯托尔大学、微软、谷歌、帝国理工学院、马克斯普朗克研究所和中山大学的量子物理学家的国际合作,提出了一种算法来解决量子计算机上量子系统的能量结构。 ? 他们在一个硅量子光子处理器上测试了这个算法,该处理器利用光子(基本光粒子)来进行计算。 量子系统的能量结构由量子化能级构成,最低能级称为基态,而较高能级称为激发态。 具体而言,这种算法能够以一种在传统计算机上没有直接模拟的方式找到激发态,从而为微观层面的物理和化学研究提供了的途径。 来自谷歌量子AI实验室的作者Jarrod McClean表示:“如果我们想让量子计算机对太阳能电池等重要领域做出有意义的贡献,那么扩展激发状态的工具箱是至关重要的。” 研究人员预测,本文的主要研究结果将促进研究改进算法应用的兴起。 先进的量子计算机将解锁强大的应用程序,预计未来几十年内将有可能实现约200个量子位的量子计算机。

    523150

    扫码关注腾讯云开发者

    领取腾讯云代金券