骨軟筋酥網2016年：互聯網行業的“深度學習年”
以下為原文內容：
在澳大利亞西海岸，行業習年阿曼達·霍奇森（Amanda Hodgson）正在向印度洋上空發射無人機，深度學讓它們從空中拍攝水面景象。年互這是聯網在珀斯附近的海灣偵測儒艮（就是海牛）位置的一種方法，目的行業習年是防止這些瀕危的海洋哺乳動物滅絕。麻煩的深度學是，霍奇森的年互團隊沒有時間來檢查所有的這些航拍照片。照片太多了，聯網大約有4.5萬張照片，行業習年對于沒有經過訓練的人員來說，要找出儒艮并不容易，所以她把工作交給一個深層神經網絡來做。
神經網絡是武漢洪山外圍小姐空降vx《134-8006-5952》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達一種機器學習模型，Facebook用它來識別照片里的面孔。它還可以識別你用語音對智能手機提出的問題，并且為谷歌搜索引擎提供幫助。這些數學模型通過分析大量的數字數據來學習這些東西。現在，位于珀斯默多克大學的海洋生物學家霍奇森正在利用這種技術在數萬張照片中尋找儒艮，她使用的開源軟件TensorFlow，也是谷歌公司內部機器學習服務正在使用的基本工具。
正如霍奇森所說，偵測這些儒艮需要特定類型的精確度，主要是因為這種動物是在水面下進食的。“它們有時候看起來就像白色的水渦，或是水面上的眩光，”她說。而神經網絡現在已經可以識別出這個海灣各處大約80%的儒艮了。
該項目仍處于早期階段，但它顯示了深度學習在過去一年里的廣泛影響。在2016年，這種古老的技術煥發了新的威力，它幫助一臺谷歌機器擊敗全球最頂級的圍棋棋手之一，而僅僅是在那幾個月之前，這還是一個看似不可能完成的任務。不過這只是最突出的例子之一。2016年即將結束，深度學習不再是當初的花哨擺設了。它正在重塑谷歌、Facebook、微軟和亞馬遜等科技巨頭，而且還在迅速傳播到世界其他地方，這在很大程度上歸功于這些巨頭開放的源代碼軟件和提供的云計算服務。
新的翻譯
在過去幾年中，神經網絡通過谷歌照片等應用大大改善了圖像識別功能，還通過Google Now和微軟小娜等數字助理將語音識別效果提升到了新的高度。而今年，它又帶來了機器翻譯的大飛躍。機器翻譯指的是自動將語言從一種語言翻譯成另一種語言。今年9月，谷歌推出了一個名為谷歌神經機器翻譯（GNMT）的新服務，它完全通過神經網絡來運行。該公司聲稱，GNMT把某些語言之間翻譯的誤差率降低了一大半（55%到85%）。
谷歌給它們輸入大量現有翻譯例句，以此來訓練這些神經網絡。部分例句帶有瑕疵，包括舊版谷歌翻譯得出的品質較差的翻譯。但其中也包含人類專家的翻譯，也就是說訓練數據的質量是參差不齊的。克服缺陷的能力是深度學習最引人矚目的地方之一：只要提供的數據足夠多，即使數據存在一些缺陷，它訓練后達到的水平也可以遠遠超越那些缺陷。
谷歌服務的工程主管麥克·舒斯特（Mike Schuster）爽快地承認GNMT遠非完美。但它仍然是一個突破。由于該服務是完全基于深度學習的，因此谷歌可以更輕松地繼續改進這個服務。具體來說，谷歌可以把GNMT作為一個整體來改進，而不是逐一對每種語言的機器翻譯服務進行改善。
微軟也在朝著這個方向發展。本月，微軟更新了“微軟翻譯”app的版本，可以讓說九種不同語言的團隊成員進行即時對話。這個新系統幾乎完全是在神經網絡上運行的，微軟副總裁沈向洋（Harry Shum）是該公司人工智能研究小組的負責人，他說這一點非常重要，因為這意味著微軟機器翻譯的能力可能會以更快的速度提高。
新的聊天
在2016年，深度學習也在聊天機器人（chatbot）中找到了用武之地，最引人注目的也許就是今年秋天發布的Google Allo了。Allo可以分析你收到的文本和照片，并提供如何回復的建議。它使用的是谷歌之前的“智能回復”技術。這種技術的效果非常好，在很大程度上是因為它尊重了當前機器學習技術的局限性。它建議的回復既簡潔又恰當，而且可以提供好幾個建議，畢竟如今的AI并不總是一次就能把事情做好。
在Allo內部，神經網絡也會幫助回答你向谷歌搜索引擎提出的問題。他們幫助搜索助理了解你提出的是什么要求，并幫助制定答案。谷歌的產品經理大衛·奧爾（David Orr）說，如果沒有深度學習，程序就無法找到答案。“我們需要使用神經網絡，或者說，它是我們找到的唯一能做這件事的方法。”他說。“我們必須使用我們手里最先進的技術。”
而神經網絡做不到的事情，就是進行真正的對話。無論科技CEO們在演講中是怎么說的，要開發出這種聊天機器人還有很長的路要走，。但是，谷歌、Facebook和其他地方的研究人員正在探索深度學習技術，希望幫助達成這個高遠的目標——我們在語音識別、圖像識別和機器翻譯領域看到的進步，希望也能在其他領域實現。而對話就是下一個前沿陣地。
新數據中心
今年夏天，在用一個AI戰勝了頂尖圍棋選手之后，谷歌DeepMind實驗室領導人杰米斯·哈薩比斯（Demis Hassabis）表示他們還開發了一個AI來管理谷歌計算機數據中心的全球網絡。通過使用一種被稱為“深度強化學習”的技術（之前的AI學習下圍棋，學習玩電子游戲都是使用的這種技術），這個AI可以在數據中心數以千計的服務器中，控制冷卻風扇的開關時間，以及開窗的時間，以及使用空調的時間，畢竟使用空調成本更高一些。總的來說，這個AI可以管理數據中心里的120多項功能。
據彭博社報道，這個AI效果很好，幫谷歌節省了數以億計的費用。換句話說，2014年谷歌斥資6.5億美元收購了DeepMind，現在就已經完全回本了。目前DeepMind正計劃在這些設施中安裝更多的的傳感器，以便收集更多數據來訓練AI，讓它百尺竿頭，更進一步。
新的云計算
互聯網巨頭不僅在自己的服務中利用這個技術，還向其他公司進行推廣。2015年底，谷歌宣布將TensorFlow開源。僅僅一年時間，這個軟件就進入尋常公司，成為了阿曼達·霍奇森這些研究人員的幫手。與此同時，谷歌、微軟、亞馬遜也開始通過云計算服務提供自己的深度學習技術，讓任何個人或組織都可以利用它們來構建自己的程序。把人工智能作為一種服務來提供，有可能成為這三大巨頭的最大商機。
在過去12個月中，這種技術的火爆也導致圈內人才變得炙手可熱。谷歌不久前宣布斯坦福大學教授李飛飛加入其云團隊，負責云機器學習。亞馬遜則挖到了卡內基梅隆大學的教授亞歷克斯·斯摩納（Alex Smolna）。科技巨頭正在盡可能迅速地招攬頂尖人才，讓其他公司望塵莫及。不過好消息是，這些人才希望至少把部分研究成果拿出來與其他人共享，他們正在為此而努力。
隨著AI的發展，計算機科學家的角色正在發生變化。當然，世界仍然需要能夠編寫軟件的人。但它也越來越需要可以訓練神經網絡的人，這是一種非常不同的技能，關鍵在于從數據中得出一個結果，而不是自己創建一些東西。像谷歌和Facebook這樣的公司不僅雇用了新型人才，而且也在培訓公司的現有員工，以便讓他們更好地適應新的未來。而這個未來就是：每個人生活中的技術，都將被人工智能定義。（編譯/云開）
未經允許不得轉載：>骨軟筋酥網 » 2016年：互聯網行業的“深度學習年”
