侵权投诉
焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其它机器人
订阅
纠错
加入自媒体

一文读懂苹果和Google的人工智能理念、布局和预期

2016-07-29 12:03
退思
关注

  此时,上下文便有了用武之地。所有搜索引擎都会引入上下文,但没有一个像谷歌那样引入得那样多、应用那样自如。PageRank本身也是一个信号,同时也是页面的一个属性(指其相对于其他网页的重要性),该属性可以帮助确定其与查询内容的相关性,其中的一些信号在现在看来是显而易见的。

  2012年,Google提出了知识图谱,所谓知识图谱,简而言之就是一种深度挖掘搜索词潜在的知识关系,来呈现更结构化的搜索结果。比如当你搜索硅谷,你所看到的不仅仅是关于硅谷的网页信息,还提供结构化及详细的关于主题的信息,下图的右侧就是Google的知识图谱:

  

  将杂乱无章的网页到结构化的实体知识,搜索引擎可以通过知识图谱给用户提供更具条理的信息,甚至顺着知识图谱可以探索更深入、广泛和完整的知识体系,让用户发现他们意想不到的知识。Google高级副总裁艾米特·辛格博士一语道破知识图谱的重要意义所在:「构成这个世界的是实体,而非字符串(things,notstrings)」。

  根据Google官方的说法,知识图谱的信息来自许多来源,包括CIA的世界概况,Freebase和维基百科,通过知识图谱,Google在践行「整合知识并使其可用」方面迈出了坚实的一步。

  2011年开始,Google引入深度学习框架。深度学习并非什么新技术。上世纪60年代发明后,先后在80年代和90年代初期流行过一整,但随后就逐渐消沉。但在Google看来,深度学习需要的海量数据恰好也是Google最擅长的领域,与此同时,对于计算能力的高要求也是Google自身技术架构足以应对的。

  深度学习最开始由吴恩达推动的Google大脑计划,Google技术大拿JeffDean也参与其中。当时想通过使用神经网络来提升技术水准,但并没有把研究做成像大学象牙塔那种,而是结合Android、Gmail、图片去改进产品解决真正问题。

  2012年6月,《纽约时报》率先报道了Google大脑项目,吸引了公众的广泛关注。公众第一次了解到,利用16,000个CPUCore的并行计算平台去训练含有10亿个节点的深度神经网络(DNN,DeepNeuralNetworks),使其能够自我训练,能够实现对2万个不同物体的1,400万张图片进行辨识。

  到了2012年年底,在业界关注的图片分类的竞赛ImageNet中,Google一支采用深度学习的精英团队完败给GeoffHinton手下的博士生团队。这也促使Google重新开始认识深度学习带来的巨大价值,一年后,Google高价收购了GeoffHinton的团队,并全面开始在产品里部署基于深度学习的相关技术。

  从早期基于pageRank的搜索技术到引入知识图谱以及全面整合深度学习,Google一遍遍地将互联网上的原始信息、基于Android系统收集到信息、利用Google服务(搜索、Gmail、Youtube)搜集的信息清洗、过滤、重组,寄希望于从这些「0和1」的组合里找到智能的存在方式。

  2014年10月,Google推出Gmail的「进化版」——Inbox,这是一个基于对邮件自动扫描后的重新展示,自Inbox的帮助下,用户收件箱里的邮件可以自动被归类到「旅行」(如机票邮件)、「财务」(如信用卡账单)、新闻资讯(如各种网站的订阅)。2015年的GoogleI/O大会发布的GooglePhoto令人震惊。Google开辟了对于照片处理的新方式,基于深度学习的算法,GooglePhoto可以自动识别、分类,并支持自然语言搜索。

<上一页  1  2  3  4  5  6  7  下一页>  余下全文
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号