Alphabet老大施密特:別擔心機器人變“壞”人
在用Android(安卓)開源系統改變移動世界后,壞Google希望用開源機器學習系統TensorFlow改變人工智能領域。施密“機器學習對我而言,特別上海長寧聯系方式外圍vx《749-3814》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分鐘可到達是擔心為了讓人類能夠不用像機器那樣去做事。”在Google公布開源第二代機器學習系統的機器第二天,Google母公司Alphabet董事長施密特(Eric Schmidt)通過視頻向媒體表示。人變人
面對在場媒體,壞施密特舉例稱:“你們都是施密記者,在會場還要不停地用電腦打字,特別而不只是擔心聽和說。為什么不能讓機器去做比如制造業的機器重復工作、很多打字的人變人工作?”他預計,在Google公布開源第二代機器學習系統之后,壞尤其是施密在醫療、游戲、特別上海長寧聯系方式外圍vx《749-3814》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分鐘可到達教育等領域,機器學習將發揮巨大的價值。
機器學習背后的黑科技
機器具備學習能力究竟有多重要?Google科學研究員GregCorrado做了一個比喻:“機器學習就像火箭助推器,而大量的數據就是火箭的燃料。”
谷歌機器學習的原理是:用眾多的電腦模擬人腦中的“神經元”,形成一個人的“神經網絡”(ArtificialNeuralNetwork)。它不需要借助大批研究人員幫助電腦標明事物之間的差異,只要為算法提供海量的數據,“神經元”與“神經元”之間的關系將會發生變化,讓數據自己說話,讓組成“神經網絡”的機器具備自動學習、識別數據的能力,在新的輸入中找出與學到的概念對應的部分,達到機器學習的效果。
例如,當人們需要計算機辨別圖片內容的時候,各個人工神經元就會把所抓取的信息傳遞給被設置為“決策者”的神經元上,它們通過統觀其下層所有神經元所呈現的信息,結合案例、數據的分析及算法最終得出結論。
事實上,谷歌對于機器學習的研究要追溯到7~8年前的語音技術開始。但施密特透露,機器學習這一技術取得突破性進展,是發生在計算機視覺領域。
三年前,Google科學家杰夫·狄恩(JeffDean)在接受采訪時透露,“GoogleX”實驗室通過連接16000臺計算機處理器,創建了一個機器學習的神經元網絡系統。結果發現,這個系統自行創建了貓這個概念并且自學了對貓的辨認,這就是“自我學習”。
不過,當時的谷歌機器學習還只是一個實驗項目,局限于認知類的簡單工作。幾年過后的今天,谷歌的機器學習已經從識別谷歌應用中的語言和圖片的第一代機器學習系統“DistBelief”更新到了第二代的TensorFlow系統,并且應用于Gmail、GooglePhotos、Google翻譯、YouTube等產品中。
Google研究員GregCorrado告訴記者,利用機器學習技術,Gmail電子郵件服務的垃圾郵件攔截率提高到了99.9%,誤報率降低至0.05%。這背后的原因就是,在垃圾郵件過濾器中引入了機器學習,這一技術能夠通過分析大量計算機上的電子郵件學習識別垃圾郵件和釣魚郵件。更重要的是,機器學習能夠適應不斷變化的情況,而非只是利用預先設置好的規則攔截垃圾和釣魚郵件,它還能在運行過程中自己創建新的規則。
而另一個能代表這項技術的最新產品是,谷歌在Gmail上推出智能自動回復功能SmartReply。SmartReply是基于Google機器學習系統,對海量郵件里的場景、郵件寫作風格和寫作語氣進行分析,從而幫助用戶篩選適合語境的回復短句。
“一小步”與“一大步”
“在Google內部,現在機器學習已經是谷歌搜索中第三大重要的技術。”GregCorrado對記者說,人工智能是科學家希望機器變得更智能,從經驗和數據中學習。“手動去編程機器顯然沒有讓它自己學習來得更有效。”
不過,實現機器學習的訓練過程仍然漫長。在這個過程中,機器需要做大量測試、調整和適配工作,也很有可能犯一些人們不大可能犯的錯誤。
這也正是Google把機器學習系統的大門向業界工程師、學者和擁有大量編程能力的技術人員敞開的原因,希望業界將TensorFlow實現各種各樣的機器學習算法,同時也為其在各種場景下的應用帶來改進。
“例如,計算機的視覺如果比人更好,為什么還要人去開車?應該讓機器開車。現在是醫生看X光,未來如果讓機器看是否會做出更準確的診斷?”施密特說,“在開源之后,如果全世界的聰明人都將給Google很好的回饋,Google會有更好的發現,讓產品和服務更完美。”
他同時提到,機器學習非常善于預測時間先后順序的事件的發生,自己尤為看好機器學習在醫療、游戲、教育等領域發揮的價值。“甚至我們競爭對手的團隊都會用它,這就是谷歌不同于別人的原因。”
對于目前Google機器學習的開放策略,GregCorrado表示,一方面,Google開放機器學習,在于鼓勵大家從不同角度去研究,即使在Google內部,也不只是一種方法去做機器學習;另一方面,Google已經和學術界、企業界、不同的實驗室合作,例如Facebook、百度等。
他同時認為,機器學習并不是魔術,不要盲目地認為機器學習就一定比沒有機器學習的好,它只是工具,能夠讓研究人員轉化他們瘋狂的創意,而不需要他們重新編寫代碼。
不過,當機器能夠像人類大腦一樣去思考時,究竟該如何看待機器學習的倫理問題?未來機器人是否會像電影《少數派報告》中那樣,充當“壞人”的角色?
施密特給出的回答是,“只有電影里才會把機器人設定成壞人,在現實世界里,可以通過算法制定一些規則來保證它能夠正確地工作。”
面對在場媒體,壞施密特舉例稱:“你們都是施密記者,在會場還要不停地用電腦打字,特別而不只是擔心聽和說。為什么不能讓機器去做比如制造業的機器重復工作、很多打字的人變人工作?”他預計,在Google公布開源第二代機器學習系統之后,壞尤其是施密在醫療、游戲、特別上海長寧聯系方式外圍vx《749-3814》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分鐘可到達教育等領域,機器學習將發揮巨大的價值。
機器學習背后的黑科技
機器具備學習能力究竟有多重要?Google科學研究員GregCorrado做了一個比喻:“機器學習就像火箭助推器,而大量的數據就是火箭的燃料。”
谷歌機器學習的原理是:用眾多的電腦模擬人腦中的“神經元”,形成一個人的“神經網絡”(ArtificialNeuralNetwork)。它不需要借助大批研究人員幫助電腦標明事物之間的差異,只要為算法提供海量的數據,“神經元”與“神經元”之間的關系將會發生變化,讓數據自己說話,讓組成“神經網絡”的機器具備自動學習、識別數據的能力,在新的輸入中找出與學到的概念對應的部分,達到機器學習的效果。
例如,當人們需要計算機辨別圖片內容的時候,各個人工神經元就會把所抓取的信息傳遞給被設置為“決策者”的神經元上,它們通過統觀其下層所有神經元所呈現的信息,結合案例、數據的分析及算法最終得出結論。
事實上,谷歌對于機器學習的研究要追溯到7~8年前的語音技術開始。但施密特透露,機器學習這一技術取得突破性進展,是發生在計算機視覺領域。
三年前,Google科學家杰夫·狄恩(JeffDean)在接受采訪時透露,“GoogleX”實驗室通過連接16000臺計算機處理器,創建了一個機器學習的神經元網絡系統。結果發現,這個系統自行創建了貓這個概念并且自學了對貓的辨認,這就是“自我學習”。
不過,當時的谷歌機器學習還只是一個實驗項目,局限于認知類的簡單工作。幾年過后的今天,谷歌的機器學習已經從識別谷歌應用中的語言和圖片的第一代機器學習系統“DistBelief”更新到了第二代的TensorFlow系統,并且應用于Gmail、GooglePhotos、Google翻譯、YouTube等產品中。
Google研究員GregCorrado告訴記者,利用機器學習技術,Gmail電子郵件服務的垃圾郵件攔截率提高到了99.9%,誤報率降低至0.05%。這背后的原因就是,在垃圾郵件過濾器中引入了機器學習,這一技術能夠通過分析大量計算機上的電子郵件學習識別垃圾郵件和釣魚郵件。更重要的是,機器學習能夠適應不斷變化的情況,而非只是利用預先設置好的規則攔截垃圾和釣魚郵件,它還能在運行過程中自己創建新的規則。
而另一個能代表這項技術的最新產品是,谷歌在Gmail上推出智能自動回復功能SmartReply。SmartReply是基于Google機器學習系統,對海量郵件里的場景、郵件寫作風格和寫作語氣進行分析,從而幫助用戶篩選適合語境的回復短句。
“一小步”與“一大步”
“在Google內部,現在機器學習已經是谷歌搜索中第三大重要的技術。”GregCorrado對記者說,人工智能是科學家希望機器變得更智能,從經驗和數據中學習。“手動去編程機器顯然沒有讓它自己學習來得更有效。”
不過,實現機器學習的訓練過程仍然漫長。在這個過程中,機器需要做大量測試、調整和適配工作,也很有可能犯一些人們不大可能犯的錯誤。
這也正是Google把機器學習系統的大門向業界工程師、學者和擁有大量編程能力的技術人員敞開的原因,希望業界將TensorFlow實現各種各樣的機器學習算法,同時也為其在各種場景下的應用帶來改進。
“例如,計算機的視覺如果比人更好,為什么還要人去開車?應該讓機器開車。現在是醫生看X光,未來如果讓機器看是否會做出更準確的診斷?”施密特說,“在開源之后,如果全世界的聰明人都將給Google很好的回饋,Google會有更好的發現,讓產品和服務更完美。”
他同時提到,機器學習非常善于預測時間先后順序的事件的發生,自己尤為看好機器學習在醫療、游戲、教育等領域發揮的價值。“甚至我們競爭對手的團隊都會用它,這就是谷歌不同于別人的原因。”
對于目前Google機器學習的開放策略,GregCorrado表示,一方面,Google開放機器學習,在于鼓勵大家從不同角度去研究,即使在Google內部,也不只是一種方法去做機器學習;另一方面,Google已經和學術界、企業界、不同的實驗室合作,例如Facebook、百度等。
他同時認為,機器學習并不是魔術,不要盲目地認為機器學習就一定比沒有機器學習的好,它只是工具,能夠讓研究人員轉化他們瘋狂的創意,而不需要他們重新編寫代碼。
不過,當機器能夠像人類大腦一樣去思考時,究竟該如何看待機器學習的倫理問題?未來機器人是否會像電影《少數派報告》中那樣,充當“壞人”的角色?
施密特給出的回答是,“只有電影里才會把機器人設定成壞人,在現實世界里,可以通過算法制定一些規則來保證它能夠正確地工作。”
(責任編輯:熱點)
推薦文章
-
《跑跑卡丁車》[尋寶]系統全新上線 [混戰模式]限時開啟2024-07-25 10:52:27編輯:Reset 夏日[尋寶
...[詳細]
-
變身魔建戰力順天,《魔天記3D》順天啟測嫡開啟。《魔天記3D》是一款3DMMO建仙足機網游,將于嫡迎去為期一周的順天啟測。此次開測將有等候已暫的魔化變身弄法與結婚體系退場,帶您感受齊新建仙天下。【一鍵
...[詳細]
-
智能家居呼聲水漲船高 2017年全球市場產值將突破150億美元
導讀:智能家居的呼聲水漲船高,但究竟什么才是智能家居的入口和樞紐仍然沒有一個統一的定論。隨著智能家居市場空間的擴大,企業必須得回歸到用戶最為本質的需求上來,才能將這門生意真正且持續地做大。從2010年
...[詳細]
-
《騎馬與砍殺2:收主》開辟日記:回瞅科隆、下周公布單人戰役新演示
《騎馬與砍殺2:收主》民圓公布了新一期的開辟日記,回瞅了正在科隆展上的面面滴滴。包露聯機真機掀示、玩家的反應、他們本身的感受戰接下去的籌算。別的下周日記中借將包露擔背戰役的新演示。感激騎馬與砍殺中文站
...[詳細]
-
隨著2017年走過,在過去的一年有太多東西需要總結,而游戲界也有很多排名公布,最近EDGE公布了2017年度最佳游戲,其中排名第一的是塞爾達傳說荒野之息,下面內容大家可以關注一下。早在2015,年業內
...[詳細]
-
由韓國網禪《古跡MU》端游正版受權,塔人《古跡MU》端游本班運營團隊挨制,龍圖游戲收止的3D魔幻MMORPG足游《古跡:最強者》公測水爆開啟。下載游戲便可獲得代價千元公測專屬禮包,更有機遇贏與古跡正版
...[詳細]
-
Bokeh Game Studio團隊針對其將收止的可駭游戲《家狗子》Slitterhead)公布了齊新的Q&A問問視頻。該視頻分為兩部分,由尾席履止民中山圭一郎,游戲總監大年夜倉雜也戰建制人
...[詳細]
-
CryENGINE民圓油管頻講遠日公布了一段CryENGINE 5.6足藝飽吹片,本段短片掀示了CryENGINE 5.6版本引擎新插足的一些足藝元素,一起去賞識一下。4K下渾本片:面擊下載提與碼hr
...[詳細]
-
最近關于SNK的消息公布,官方向玩家提供了一款掌機大小的小型街機,提供搖桿和按鍵操作,對于喜歡換就的玩家官方也提供了40款復古街機游戲,不過這小身板也有玩家吐槽,會把機器搖起飛了,你怎么看呢?相信對于
...[詳細]
-
FromSoftware本日為新做《艾我登法環》推出了尾個PC版補丁。按照補丁日記隱現,那款1.02.1版補丁將測驗測驗建復部分果為反做弊體系EAC引收的題目。除此以中,那款補丁借將測驗測驗劣化鼠標節
...[詳細]
熱點閱讀
- 廣州美女上門預約(微信181-8279-1445)提供頂級外圍女上門,可滿足你的一切要求
- 海口美女約炮(電話微信181-8279-1445)大保健可上門安排外圍外圍上門外圍女桑拿全套按摩
- 北京美女上門聯系方式(電話微信181-8279-1445)提供頂級外圍女上門,伴游,空姐,網紅,明星,車模等優質資源,可滿足你的一切要求
- 長春外圍(外圍經紀人) 外圍空姐(電話微信181-8279-1445)高端質量,滿意為止
- 上海美女同城上門外圍上門外圍女(電話微信181-8279-1445)提供頂級外圍女上門,可滿足你的一切要求
- 湛頭包夜學生妹(電話微信181-8279-1445)一二線城市外圍模特伴游預約、空姐、模特、留學生、熟女、白領、老師、優質資源
- 成都美女同城上門外圍上門外圍女(電話微信181-8279-1445)提供頂級外圍女上門,可滿足你的一切要求
- 重慶外圍(外圍女包夜)外圍預約(電話微信181-8279-1445)全球及一二線城市外圍夜店妹子緩交一夜情
- 長沙外圍模特媛交一夜情(微信181-8279-1445)長沙外圍真實可靠快速安排
- 重慶外圍(重慶外圍女)外圍預約(電話微信181-8279-1445)提供頂級外圍女上門,優質資源可滿足你的一切要求

耳朵上的綠星星的故事
新的《賽專朋克2077》演示繪里很沒有錯 但科隆展的現場演示更棒
《賽專朋克2077》請了真的皆會挨算師 為支線任務組建新團隊
資本暴跌秘笈 《銀河戰艦》征支機器人體會一下
《怪物獵人:荒野》“跨平臺游玩”最新情報分享
