面對(duì)在場(chǎng)媒體，施密特舉例稱：“你們都是記者，在會(huì)場(chǎng)還要不停地用電腦打字，而不只是聽(tīng)和說(shuō)。為什么不能讓機(jī)器去做比如制造業(yè)的重復(fù)工作、很多打字的工作？”他預(yù)計(jì)，在Google公布開(kāi)源第二代機(jī)器學(xué)習(xí)系統(tǒng)之后，尤其是在醫(yī)療、游戲、教育等領(lǐng)域，機(jī)器學(xué)習(xí)將發(fā)揮巨大的價(jià)值。
機(jī)器學(xué)習(xí)背后的黑科技
機(jī)器具備學(xué)習(xí)能力究竟有多重要？Google科學(xué)研究員GregCorrado做了一個(gè)比喻：“機(jī)器學(xué)習(xí)就像火箭助推器，而大量的數(shù)據(jù)就是火箭的燃料?！?br /> 谷歌機(jī)器學(xué)習(xí)的原理是：用眾多的電腦模擬人腦中的“神經(jīng)元”，形成一個(gè)人的“神經(jīng)網(wǎng)絡(luò)”（ArtificialNeuralNetwork）。它不需要借助大批研究人員幫助電腦標(biāo)明事物之間的差異，只要為算法提供海量的數(shù)據(jù)，“神經(jīng)元”與“神經(jīng)元”之間的關(guān)系將會(huì)發(fā)生變化，讓數(shù)據(jù)自己說(shuō)話，讓組成“神經(jīng)網(wǎng)絡(luò)”的機(jī)器具備自動(dòng)學(xué)習(xí)、識(shí)別數(shù)據(jù)的能力，在新的輸入中找出與學(xué)到的概念對(duì)應(yīng)的部分，達(dá)到機(jī)器學(xué)習(xí)的效果.
例如，當(dāng)人們需要計(jì)算機(jī)辨別圖片內(nèi)容的時(shí)候，各個(gè)人工神經(jīng)元就會(huì)把所抓取的信息傳遞給被設(shè)置為“決策者”的神經(jīng)元上，它們通過(guò)統(tǒng)觀其下層所有神經(jīng)元所呈現(xiàn)的信息，結(jié)合案例、數(shù)據(jù)的分析及算法最終得出結(jié)論。
事實(shí)上，谷歌對(duì)于機(jī)器學(xué)習(xí)的研究要追溯到7~8年前的語(yǔ)音技術(shù)開(kāi)始。但施密特透露，機(jī)器學(xué)習(xí)這一技術(shù)取得突破性進(jìn)展，是發(fā)生在計(jì)算機(jī)視覺(jué)領(lǐng)域。
三年前，Google科學(xué)家杰夫·狄恩（JeffDean）在接受《第一財(cái)經(jīng)日?qǐng)?bào)》采訪時(shí)透露，“GoogleX”實(shí)驗(yàn)室通過(guò)連接16000臺(tái)計(jì)算機(jī)處理器，創(chuàng)建了一個(gè)機(jī)器學(xué)習(xí)的神經(jīng)元網(wǎng)絡(luò)系統(tǒng)。結(jié)果發(fā)現(xiàn)，這個(gè)系統(tǒng)自行創(chuàng)建了貓這個(gè)概念并且自學(xué)了對(duì)貓的辨認(rèn)，這就是“自我學(xué)習(xí)”。
不過(guò)，當(dāng)時(shí)的谷歌機(jī)器學(xué)習(xí)還只是一個(gè)實(shí)驗(yàn)項(xiàng)目，局限于認(rèn)知類的簡(jiǎn)單工作。幾年過(guò)后的今天，谷歌的機(jī)器學(xué)習(xí)已經(jīng)從識(shí)別谷歌應(yīng)用中的語(yǔ)言和圖片的第一代機(jī)器學(xué)習(xí)系統(tǒng)“DistBelief”更新到了第二代的TensorFlow系統(tǒng)，并且應(yīng)用于Gmail、GooglePhotos、Google翻譯、YouTube等產(chǎn)品中。
Google研究員GregCorrado告訴記者，利用機(jī)器學(xué)習(xí)技術(shù)，Gmail電子郵件服務(wù)的垃圾郵件攔截率提高到了99.9%，誤報(bào)率降低至0.05%。這背后的原因就是，在垃圾郵件過(guò)濾器中引入了機(jī)器學(xué)習(xí)，這一技術(shù)能夠通過(guò)分析大量計(jì)算機(jī)上的電子郵件學(xué)習(xí)識(shí)別垃圾郵件和釣魚(yú)郵件。更重要的是，機(jī)器學(xué)習(xí)能夠適應(yīng)不斷變化的情況，而非只是利用預(yù)先設(shè)置好的規(guī)則攔截垃圾和釣魚(yú)郵件，它還能在運(yùn)行過(guò)程中自己創(chuàng)建新的規(guī)則。
而另一個(gè)能代表這項(xiàng)技術(shù)的最新產(chǎn)品是，谷歌在Gmail上推出智能自動(dòng)回復(fù)功能SmartReply。SmartReply是基于Google機(jī)器學(xué)習(xí)系統(tǒng)，對(duì)海量郵件里的場(chǎng)景、郵件寫作風(fēng)格和寫作語(yǔ)氣進(jìn)行分析，從而幫助用戶篩選適合語(yǔ)境的回復(fù)短句。
“一小步”與“一大步”
“在Google內(nèi)部，現(xiàn)在機(jī)器學(xué)習(xí)已經(jīng)是谷歌搜索中第三大重要的技術(shù)?！盙regCorrado對(duì)記者說(shuō)，人工智能是科學(xué)家希望機(jī)器變得更智能，從經(jīng)驗(yàn)和數(shù)據(jù)中學(xué)習(xí)?！笆謩?dòng)去編程機(jī)器顯然沒(méi)有讓它自己學(xué)習(xí)來(lái)得更有效。”
不過(guò)，實(shí)現(xiàn)機(jī)器學(xué)習(xí)的訓(xùn)練過(guò)程仍然漫長(zhǎng)。在這個(gè)過(guò)程中，機(jī)器需要做大量測(cè)試、調(diào)整和適配工作，也很有可能犯一些人們不大可能犯的錯(cuò)誤。
這也正是Google把機(jī)器學(xué)習(xí)系統(tǒng)的大門向業(yè)界工程師、學(xué)者和擁有大量編程能力的技術(shù)人員敞開(kāi)的原因，希望業(yè)界將TensorFlow實(shí)現(xiàn)各種各樣的機(jī)器學(xué)習(xí)算法，同時(shí)也為其在各種場(chǎng)景下的應(yīng)用帶來(lái)改進(jìn)。
“例如，計(jì)算機(jī)的視覺(jué)如果比人更好，為什么還要人去開(kāi)車？應(yīng)該讓機(jī)器開(kāi)車。現(xiàn)在是醫(yī)生看X光，未來(lái)如果讓機(jī)器看是否會(huì)做出更準(zhǔn)確的診斷？”施密特說(shuō)，“在開(kāi)源之后，如果全世界的聰明人都將給Google很好的回饋，Google會(huì)有更好的發(fā)現(xiàn)，讓產(chǎn)品和服務(wù)更完美。”
他同時(shí)提到，機(jī)器學(xué)習(xí)非常善于預(yù)測(cè)時(shí)間先后順序的事件的發(fā)生，自己尤為看好機(jī)器學(xué)習(xí)在醫(yī)療、游戲、教育等領(lǐng)域發(fā)揮的價(jià)值?！吧踔廖覀兏?jìng)爭(zhēng)對(duì)手的團(tuán)隊(duì)都會(huì)用它，這就是谷歌不同于別人的原因。”
對(duì)于目前Google機(jī)器學(xué)習(xí)的開(kāi)放策略，GregCorrado表示，一方面，Google開(kāi)放機(jī)器學(xué)習(xí)，在于鼓勵(lì)大家從不同角度去研究，即使在Google內(nèi)部，也不只是一種方法去做機(jī)器學(xué)習(xí)；另一方面，Google已經(jīng)和學(xué)術(shù)界、企業(yè)界、不同的實(shí)驗(yàn)室合作，例如Facebook、百度等。
他同時(shí)認(rèn)為，機(jī)器學(xué)習(xí)并不是魔術(shù)，不要盲目地認(rèn)為機(jī)器學(xué)習(xí)就一定比沒(méi)有機(jī)器學(xué)習(xí)的好，它只是工具，能夠讓研究人員轉(zhuǎn)化他們瘋狂的創(chuàng)意，而不需要他們重新編寫代碼。
不過(guò)，當(dāng)機(jī)器能夠像人類大腦一樣去思考時(shí)，究竟該如何看待機(jī)器學(xué)習(xí)的倫理問(wèn)題？未來(lái)機(jī)器人是否會(huì)像電影《少數(shù)派報(bào)告》中那樣，充當(dāng)“壞人”的角色？
施密特給出的回答是，“只有電影里才會(huì)把機(jī)器人設(shè)定成壞人，在現(xiàn)實(shí)世界里，可以通過(guò)算法制定一些規(guī)則來(lái)保證它能夠正確地工作?！?
