一文為你解讀谷歌與深度學習的不解之緣

雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))AI科技評論按：現(xiàn)今，深度學習的應用非常普遍，而谷歌一直是使用深度學習的一股強大力量，F(xiàn)orbes上的一篇文章詳細介紹了谷歌在深度學習上的應用。跟著雷鋒網(wǎng) AI科技評論來看看谷歌究竟將它運用在了哪些地方？

深度學習屬于人工智能領域，在這個領域，真正的奇跡正在發(fā)生。

一直以來，雖然計算機的運行速度很快，但它并不聰明——它沒有能力從犯的錯誤中學到經(jīng)驗，必須得到精確的指令才能執(zhí)行任務。

什么是深度學習

深度學習涉及到構建出人工神經(jīng)網(wǎng)絡，這種網(wǎng)絡會試圖模仿生物的大腦來分類和處理信息。

深度學習中的“深度”意味著使用多層堆疊的神經(jīng)網(wǎng)絡，這種數(shù)據(jù)處理結(jié)構被稱為深度神經(jīng)網(wǎng)絡。深度神經(jīng)網(wǎng)絡這種復雜的結(jié)構，讓它在處理數(shù)據(jù)時能更徹底、更精確，優(yōu)于之前其他的人工智能技術。

深度學習已經(jīng)在人工智能的最前沿推陳出新，現(xiàn)在的許多應用中都有它的身影。

隨著數(shù)據(jù)量的不斷增加，處理技術變得越來越便宜，社會上的更多領域可能會受到影響。下面我們來看看Google這個先驅(qū)是如何在眾多產(chǎn)品和服務中使用深度學習的。

谷歌正在使用深度學習技術

谷歌一直是支持使用深度學習技術的一股強大力量。深度學習如今在前沿應用中非常普遍，它幾乎與人工智能是一個意思了。原因很簡單——它的效果明顯。運用深度學習，可以破解困擾數(shù)據(jù)科學家?guī)资甑碾y題，比如語音和圖像識別，以及自然語言生成問題。

2011年，谷歌成立谷歌大腦項目，這是他們首次公開對深度學習潛在可能性的探索。第二年，谷歌宣布他們已經(jīng)建立了一個神經(jīng)網(wǎng)絡，用來模擬人類的認知過程。這個網(wǎng)絡在16000臺電腦上運行，在學習了大約1000萬張圖像之后，它能夠成功識別出貓。

2014年，谷歌收購了英國深度學習初創(chuàng)公司DeepMind。

DeepMind將現(xiàn)有的機器學習技術和神經(jīng)科學的前沿研究聯(lián)系起來，開創(chuàng)了一種新的研究方法，讓系統(tǒng)更精確，就像大腦一樣有了智力。

DeepMind研發(fā)出了Alpha Go，為了驗證算法執(zhí)行任務的能力，他們讓系統(tǒng)玩電子游戲，后來又讓系統(tǒng)下圍棋，在這個過程中他們發(fā)現(xiàn)系統(tǒng)的技術越來越高超。

谷歌在郵件服務中是如何使用深度學習的?

當證明了深度學習在實驗室和游戲競賽中很有效果之后，谷歌悄然將這項技術推向了更多的服務領域。

第一次實用是在圖像識別中，可以用它對谷歌索引出的互聯(lián)網(wǎng)上的數(shù)百萬張圖片進行分類。這樣做可以讓圖像分類更精確，從而為用戶提供更準確的搜索結(jié)果。

谷歌目前在深度學習的研究中，在圖像分析領域的最新突破是圖像增強。這包括重建或填充圖像中缺失的部分，這種功能是通過從現(xiàn)有的數(shù)據(jù)中推斷，以及利用學到的其他類似圖像實現(xiàn)的。

Google Cloud Video Intelligence向用戶開放視頻分析功能。用戶將視頻傳到谷歌服務器上之后，這個平臺可以對視頻的內(nèi)容進行分割和分析，可以自動生成摘要，如果視頻內(nèi)容有可疑之處，AI甚至還會發(fā)出安全警報。

語言處理是谷歌運用深度學習的另一個服務領域。谷歌AI語音識別助手運用深度神經(jīng)網(wǎng)絡來學習如何更好地理解語音指令和問題。谷歌大腦開發(fā)的技術已經(jīng)在這個項目中有所運用。

最近，谷歌的翻譯服務也運用了谷歌大腦開發(fā)的技術。在新的谷歌神經(jīng)機器翻譯系統(tǒng)上進行翻譯，可以將一切都任務都轉(zhuǎn)移到深度學習環(huán)境中。

另外，運用谷歌大腦的技術，可以在Youtube上提供更多個性化的推薦。當我們在谷歌的服務器中瀏覽內(nèi)容時，它會監(jiān)控和記錄我們的瀏覽習慣。已經(jīng)有數(shù)據(jù)顯示，為用戶推薦他們想要看的視頻是提高用戶留存率的關鍵，留住了用戶之后就有源源不斷的廣告費了。深度神經(jīng)網(wǎng)絡能充分的用來研究和學習用戶的習慣和偏好，不斷推薦用戶喜歡的內(nèi)容。

雷鋒網(wǎng) AI科技評論編譯整理。

via：Forbes

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)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。