谷歌搜索太拼：為搞定神經(jīng)網(wǎng)絡(luò) 召集百名PhD人工

近日，谷歌把神經(jīng)網(wǎng)絡(luò)算法加入手機端搜索。為了讓搜索更智能，谷歌在全世界聘用了百名語言學博士，夜以繼日地標注文本數(shù)據(jù)，來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。雖然無監(jiān)督學習成為熱點已有些時日，谷歌還未能擺脫人工處理數(shù)據(jù)的困境。

搜索“世界上最快的鳥是什么？”

谷歌會告訴你：“游隼。根據(jù) Youtube，游隼被記錄下最高 389 km/h 的時速。”

這的確是正確答案，但它并非來自于谷歌的數(shù)據(jù)庫。當你輸入這個問題的時候，谷歌搜索引擎找出了一個描述世界上五種最快鳥兒的 Youtube 視頻。然后它只把最快的“一種”鳥兒的信息提取出來，不提及另外四種。

這是谷歌搜索最新的技術(shù)進展。為了回答這些問題，谷歌需要借助深度神經(jīng)網(wǎng)絡(luò)。作為 AI 技術(shù)之一，它不僅正在重塑谷歌搜索引擎，還在革新谷歌全套人工智能服務(wù)。其它互聯(lián)網(wǎng)巨頭當然也受到波及，例如 Facebook 和微軟。

深度神經(jīng)網(wǎng)絡(luò)是一種模式識別系統(tǒng)。它能通過分析海量數(shù)據(jù)，學習如何處理特定任務(wù)。這個例子中，它學會了怎么在網(wǎng)絡(luò)上的長篇文字中找出相關(guān)的一句或一段話，然后提取其中的要點呈現(xiàn)給你。

移動端谷歌搜索剛剛上線這種“句子壓縮算法”（sentence compression algorithms）。這個對人類來說很簡單，但對傳統(tǒng)的機器來說很難的任務(wù)，終于能被 AI 系統(tǒng)完成。這說明，深度學習正在促進自然語言理解這門藝術(shù)（理解并回應(yīng)人類語言）的發(fā)展。

谷歌研發(fā)產(chǎn)品經(jīng)理 David Orr 說：“對于“句子壓縮”，你不得不使用神經(jīng)網(wǎng)絡(luò)算法，因為這是目前我們發(fā)現(xiàn)的唯一方法。”

為了訓(xùn)練神經(jīng)網(wǎng)絡(luò)算法，谷歌在全世界聘用了約百名語言學博士處理數(shù)據(jù)，對它們?nèi)斯ずY選。事實上，谷歌的系統(tǒng)是從人類那里學習，怎么在大段文字中提取有用信息。而這過程需要一遍遍地重復(fù)——這是深度學習一個很大的限制。雇傭大批語言學家不停地篩選數(shù)據(jù)既麻煩又極其昂貴，但短期內(nèi)谷歌沒有別的辦法。

“黃金數(shù)據(jù)”和“白銀數(shù)據(jù)”

谷歌也使用過期的新聞來訓(xùn)練 AI 問答系統(tǒng)。這使 AI 逐漸理解，新聞標題是如何對文章主體進行歸納的。但這并不意味著谷歌不需要成批語言學家了。他們不僅示范句子壓縮，還要對語句的不同部分做標記，以幫助神經(jīng)網(wǎng)絡(luò)理解人類語言是如何工作的。David Orr 把谷歌語言學家團隊處理的數(shù)據(jù)稱為“黃金數(shù)據(jù)”，過期新聞則是“白銀數(shù)據(jù)”。“白銀數(shù)據(jù)”作用不小，因為它的體量很大。但價值最大的還是“黃金數(shù)據(jù)”，它們是 AI 訓(xùn)練的核心。語言學家團隊的負責人 Linne Ha 透露，在可見的將來，語言學家隊伍仍會繼續(xù)擴大。

這類需要人工輔助的 AI 學習便是“監(jiān)督學習”（supervised learning），目前，神經(jīng)網(wǎng)絡(luò)都是這么運作的。有時候公司會把這個業(yè)務(wù)進行眾包，有時候它會自發(fā)地進行。比方說，全世界的網(wǎng)民已經(jīng)為數(shù)百萬的貓咪照片添加了“貓咪”標簽，這會讓神經(jīng)網(wǎng)絡(luò)學習識別貓咪變得很簡單——訓(xùn)練數(shù)據(jù)已經(jīng)處理好了。但很多情況下，研究人員們別無選擇，只能自己一次次為數(shù)據(jù)添加標簽。

深度學習初創(chuàng)公司Skymind 的創(chuàng)始人 Chris Nicholson 認為，長遠來看，人工標注數(shù)據(jù)是不可行的。他說：“將來一定不會是這樣。這是極度枯燥的活兒。我想不出比這更無聊的 PhD 工作了。”

監(jiān)督學習的缺陷遠不止如此：除非谷歌聘請所有語言的語言學家，否則這個系統(tǒng)無法在其他語言中運轉(zhuǎn)。現(xiàn)在，語言學家團隊的工作橫跨了 20 至 30 種語言。谷歌必須在將來的某一天，采取更自動化的 AI 訓(xùn)練方式，即“無監(jiān)督學習”（unsupervised learning）。

到了那時，機器將能夠從未經(jīng)人工標注的數(shù)據(jù)中學習?；ヂ?lián)網(wǎng)上海量的數(shù)字信息可以被直接用于神經(jīng)網(wǎng)絡(luò)學習。 Google、Facebook 和 OpenAI這樣的巨頭們已經(jīng)開始這個領(lǐng)域的研究，但它的實際應(yīng)用仍然非常遙遠。現(xiàn)在，AI 學習仍然需要幕后的大批語言學家隊伍。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。