TPU V3、全新NLP类AutoML产品,这是李飞飞在谷歌云大会上的新声音

7 月 24 日-26 日,Google Cloud NEXT '18 大会在美国旧金山举行。谷歌云 CEO Diane Greene、谷歌 CEO Sundar Pichai、谷歌云机器学习与人工智能首席科学家李飞飞等人分别进行了 Keynote 演讲,并做了一系列重大宣布。机器之心对次大会有关 AI 的重要信息进行了整理。

首先上台的是谷歌云 CEO Diane Greene,她对谷歌云的发展与现状进行了总结。Greene 表示,AI 与安全是谷歌大额投资的领域,因为安全是最令人担忧的,而 AI 是最大的机遇。

在 AI 方面,谷歌认为它对重建商业意义重大,如今它已经融入谷歌的一切。而谷歌云,同样也在融合 AI 而为用户提供更多的便利,例如 AutoML 让你可以在没有机器学习专业知识的情况下建立 AI 模型。此外,Greene 还提到谷歌云也有量子计算项目,一些有早期权限的客户已经在接入谷歌云了。在合作方面,谷歌云与美国国家卫生研究所(National Institutes of Health)、零售巨头塔吉特百货公司有所合作。

随后,谷歌 CEO Sundar Pichai 上台,以谷歌传播信息的使命开始,展示了谷歌如何帮助用户构建与传播他们的想法。Pichai 表示这种传播也重点体现在开源软件与框架的推广上,例如 TensorFlow 的开源令 AI 的开发更加简单,Kubernetes 的开源令计算集群与容器的控制更加便捷。Pichai 最后表示,开源只会让这些工具更优秀,令 AI 离我们更近,而谷歌云将为所有开发者与研究者提供这样一个开发 AI 的平台。

谷歌云副总裁 Prabhakar Raghavan 之后对其所负责的 G Suite 进行了介绍。Raghavan 表示,机器学习在谷歌云的成功运用,为谷歌的产品提供了魔力。作为谷歌旗下的生产力工具包的整合,G-Suite 自发布以来增加了越来越多的新特性,变得更安全、更智能、更简单。

例如,我们都知道谷歌利用机器学习为 Gmail 添加了智能回复(Smart Reply)的功能,Raghavan 表示,当前 10% 的回复都是由机器完成的。

之后,上台的是谷歌云机器学习与人工智能首席科学家李飞飞,她带来 Google Cloud NEXT '18 大会有关人工智能的重头戏。

其实,在大会开始之前,李飞飞的朋友圈信息已经透露了 Keynote 中包含的重要内容:

「佳飞🐱」组合携手在 AI 的旅程上走过了十几年,今天在谷歌也迎来了我们的一个新里程碑,宣布了我们第一个 Solution Product (行业解决方案产品)Contact Center AI 集虚拟助理,智能信息发掘和情感分析等功能于一身,帮助 Contact Center 的工作人员更有效的解决问题和用户提升体验。

如我们年初发布 AutoML Vision 时承诺,AutoML 也迎来了新的产品成员 AutoML Natural Language 和 AutoML Translation。至此,AutoML 可以为各行业缺少 AI 经验的企业和开发者提供自动生成图像功能,语言分类功能和翻译功能。AutoML 的注册用户也已经超过 18000 家,服务行业横跨媒体、零售、金融、保险、能源、医疗和环境等等。产品和创新环环相扣,合作也带来进步(这里为研究者们跑题一下,我们的 Progressive neural architecture search 文章刚被 ECCV 收录 Oral),希望我们能够不断提高,把最好的技术带给大家。

各个现有产品如 AI Platform、API 等都有不同程度的升级和功能增加。垂直行业的解决方案及和 partners 的合作也有非常大的进展。以医疗为例,我们的 AI platform 将合作者的基因疾病检测算法训练时间从一周降到 1 天,AutoML 超过 10% 的用户来自医疗和生命医学行业,我们的产品也推动了用户在医疗影像辅助检测,以及及时检测预警中风、哮喘、婴儿猝死综合征方面的创新。

成千上万企业及用户的交流反馈让我们受益匪浅,我们的产品方向也最大限度以赋能各行业为目标。回想一年前的这段时间,正是我们举步维艰的时刻,「佳飞🐱」谷歌新人,团队产品主管空缺已几个月,工程总监离职,人力资源青黄不接。大幅度投入 AutoML 和 Contact Center,砍掉一些成功可能性比较小的产品,是当时条件下在战略,产品布局方面的艰难而大胆的决定。谢谢团队的小伙伴们契而不舍的支持我们的工作,你们的成绩今天终于和大家见面了!有幸和你们一起工作,创造,为改变世界一点一滴的努力,为你们感到骄傲!

在演讲中,李飞飞首先介绍了机器学习 API,用户只需要几行代码就能构建完整的机器学习应用,例如 Bloomberg 使用云端的翻译 API 能在几秒内把新闻转化为其它语言并传播给读者。而数据在人工智能中扮演重要角色,李飞飞介绍说去年谷歌云收购的数据科学平台 Kaggle 公开了 7000 多个数据集,成员超过 200 万,成为了当前世界上最大的数据科学社区。

谷歌发布的张量计算单元(TPU)目前已经在在产品和研究上有很广泛的应用,eBay 使用 TPU 训练他们的视觉搜索模型能从数月加快到数天,斯坦福大学的研究者使用 TPU 也能快速验证他们的想法与模型。李飞飞表示目前谷歌云用户已经能广泛使用去年发布的第二代 TPU,包括那些免费的账号。而今天发布的第三代 TPU 也将部署在谷歌云上,它能为 AI 开发者提供更好的训练与推断环境。

虽然有了 API,但一批非机器学习专业背景的人可能无法进一步使用 TensorFlow、Cloud ML Engine 这样的工具,因此谷歌开发了 AutoML,能够让用户不写代码的情况下使用顶尖的机器学习模型。

去年,李飞飞在谷歌云大会上发布了 AutoML Vision,今日,李飞飞宣布 AutoML Vision 进入 Public Beta 版本,从医疗到零售领域有超过 18000 个用户已经注册使用。

此外,李飞飞还宣布了两个全新的 AutoML 产品:AutoML Natural Language 与 AutoML Translation,从视觉扩展了语音。

图注:AutoML Natural Language 演示页面

随着 AI 在应用上的推广,李飞飞表示机器学习需要责任与公正。所以随着 AutoML 把机器学习带给更多的开发者,谷歌投入了巨大的精力帮助用户建立值得信任、公平对待用户的模型,李飞飞表示这是一种以人为中心的 AI。在此,李飞飞宣布了她们的第一个 Solution Product (行业解决方案产品)Contact Center AI 集虚拟助理,智能信息发掘和情感分析等功能于一身,帮助 Contact Center 的工作人员更有效的解决问题和用户提升体验。

上述 AutoML 和 Contact Center AI 都展示了谷歌将 AI 技术带入产业的努力。这不仅是因为技术的强劲,同时还因为机器学习能为开发者、产品经理等不同岗位与用户提供值得信赖的决策,这些辅助性决策正展示了谷歌云以人为中心的信念。李飞飞最后表示,AI 不会代替人类的技术与能力,相反它有非常大的潜力以增强人类的力量与和谐。

产业谷歌云李飞飞云计算开发者大会
1
相关数据
机器学习技术
Machine Learning

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

量子计算技术
Quantum computing

量子计算机是一种使用量子逻辑进行通用计算的设备。不同于电子计算机,量子计算用来存储数据的对象是量子比特,它使用量子算法来进行数据操作。马约拉纳费米子反粒子就是自己本身的属性,或许是令量子计算机的制造变成现实的一个关键

张量技术
Tensor

张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数,这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在 维空间内,有 个分量的一种量,其中每个分量都是坐标的函数,而在坐标变换时,这些分量也依照某些规则作线性变换。称为该张量的秩或阶(与矩阵的秩和阶均无关系)。 在数学里,张量是一种几何实体,或者说广义上的“数量”。张量概念包括标量、矢量和线性算子。张量可以用坐标系统来表达,记作标量的数组,但它是定义为“不依赖于参照系的选择的”。张量在物理和工程学中很重要。例如在扩散张量成像中,表达器官对于水的在各个方向的微分透性的张量可以用来产生大脑的扫描图。工程上最重要的例子可能就是应力张量和应变张量了,它们都是二阶张量,对于一般线性材料他们之间的关系由一个四阶弹性张量来决定。

TensorFlow技术
TensorFlow

TensorFlow是一个开源软件库,用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索,其中许多产品曾使用过其前任软件DistBelief。

机器之心
机器之心

机器之心是国内领先的前沿科技媒体和产业服务平台,关注人工智能、机器人和神经认知科学,坚持为从业者提供高质量内容和多项产业服务。

推荐文章
返回顶部