人民日报中国经济周刊官方网站国家一类新闻网站

经济网 中国经济论坛


首页 > 公司 > 正文

Google AI专家赴德联易控科技德国总部访问

9月11日,Google 4位高级AI专家到访位于杜塞尔多夫的CE德国总部。Google的AI专家与CE德国总部研发中心负责人Andreas Witte博士,CE中国AI负责人Robert Koch及研发中心其他AI专家共同探讨机器学习和图像识别技术的国际最新技术突破及未来发展方向和趋势。

Google AI

多年来,Google Brain团队致力于智能的机器学习来改善人们的生活。为此,无论是在纯理论研究的领域,还是将研究成果投入实际应用,探索从未停止。Google Brain 以及 Google 在2014 年 1 月以 5 亿美元收购的 DeepMind,都在深度学习这一块集中力量开发。2016年3月,谷歌旗下DeepMind公司开发的人工智能程序AlphaGo击败围棋职业九段选手李世石。2017年10月18日,DeepMind团队公布了最强版AlphaGo,代号AlphaGo Zero,它能在无任何人类输入的条件下,从空白状态学起,自我训练的时间仅为3天,自我对弈的棋局数量为490万盘,能以100:0的战绩击败前辈。

1号灵魂人物——Geoffrey Hinton

2013年,Google收购了一家叫DNN Research的神经网络初创公司,这家公司只有三个人,GeoffreyHinton和他的两个学生。Geoffrey Hinton为Google之后在人工智能领域的发展奠定了基础。Geoffrey Hinton,被称为“神经网络之父”、“深度学习鼻祖”,他曾获得爱丁堡大学人工智能的博士学位,并且为多伦多大学的特聘教授。在2012年,Hinton还获得了加拿大基廉奖(Killam Prizes,有“加拿大诺贝尔奖”之称的国家最高科学奖)。2013年,Hinton 加入谷歌并带领一个AI团队,他将神经网络带入到研究与应用的热潮,将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术,并将Hinton Back Propagation(反向传播)算法应用到神经网络与深度学习。

2号灵魂人物——Google Brain团队负责人Jeff Dean

Google Brain团队负责人Jeff Dean在1999年加入Google。他总结2017年Google在AutoML、语音识别、机器学习算法、机器学习系统等核心研究工作成绩单,全面总结谷歌大脑在2017年取得的成绩。

1.自动化机器学习(AutoML)

Google开发了使用强化学习和进化算法设计神经网络结构的新方法,并推广到ImageNet图像分类和检测领域的最新成果,实现了如何自动学习新的优化算法和有效的激活函数。

2.语音识别技术,词错率降低16%

开发新的技术来提高计算机理解和生成人类语言的能力,包括与Googlespeech团队合作,对谷歌的端到端语音识别方法进行了一系列改进,将谷歌的语音识别系统的相对词错率降低了16%。还与谷歌的Machine Perception团队合作开发了一种新的文本到语音生成方法(Tacotron2),大大提高了生成语音的质量。

3.推出新的3种优秀算法

Hinton提出的capsules;

新的multi-modal模型;

基于attention的机制

4.开放8大数据集

谷歌大脑和Google Research在过去一年一直积极地为开放式机器学习研究开源有趣的新数据集,以及提供更多的大型标记数据集。MNIST,CIFAR-10,ImageNet,SVHN和WMT等开放数据集,极大地推动了机器学习领域的发展。

5、TensorFlow被180多个国家被下载了超过1000万次

2月,Google发布了TensorFlow 1.0,11月,我们发布了v1.4版本,增加了以下重要功能:用于交互式命令式编程的Eager execution,用于TensorFlow程序的优化编译器XLA,以及用于移动设备和嵌入式设备的轻量级解决方案TensorFlow Lite。预编译的TensorFlow二进制文件已经在180多个国家被下载了超过1000万次,GitHub上的源代码现在已经有超过1200个贡献者。

Google2017年在机器学习上取得巨大的成就,此次Google与CE的AI专家交流图像识别技术如何应用至细分垂直的车险理赔市场,将Google前沿的深度学习,图像识别技术和研发理念带到CE,这将大大加速CE图像识别技术研发速度。


(网络编辑:何颖曦)
  • 微笑
  • 流汗
  • 难过
  • 羡慕
  • 愤怒
  • 流泪
0