智东西(公众号:zhidxcom)
编 | 王颖

导语:谷歌AI部门负责人Jeff Dean,在开发者大会中详细介绍了该公司如何利用AI技术解决科学问题。

智东西5月14日消息,在加利福尼亚州山景城举行的谷歌年度I / O开发者大会上,谷歌研究小组高级研究员、谷歌人工智能部门负责人Jeff Dean概述了谷歌是如何利用人工智能和机器学习解决具有挑战性的科学问题的。

Jeff Dean围绕着2008年美国陆军核心工程学会发布的一份21世纪重大挑战清单展开了讨论,其中包括一些目前看来不切实际的追求,比如逆向工程大脑、管理氮循环、从核聚变中提供能量,以及一些更现实的目标,比如推进健康信息学、让太阳能更便宜、增强虚拟现实。

Jeff Dean说:“如果我们在所有这些方面取得进展,世界将会变得更加健康。我们也会有更多的科学发现。”

一、深度学习实现汽车自动驾驶

解密!谷歌这样搞定美军世纪难题,从眼科诊断到无人驾驶

Jeff Dean详细介绍了谷歌母公司Alphabet旗下自动驾驶部门Waymo的研究人员正在进行的工作。

从Alphabet旗下的X skunkworks(臭鼬工厂,承包国防先进开发项目的官方名称)诞生以来的10年里,Waymo的汽车路测里程已达1000万英里,并已在亚利桑那州凤凰城运送了超过1000名付费乘客。在凤凰城运营的这支车队有安全驾驶员,但Waymo在其他地方的车队是没有安全驾驶员的。

Jeff Dean说:“我们即将大幅改变我们训练自动驾驶汽车的方式。汽车必须做出一系列复杂的决定,多亏了深度学习算法,我们才能建立对世界的理解,并让它们在现实环境中运行。”

二、机器人15分钟学会8岁儿童技能

解密!谷歌这样搞定美军世纪难题,从眼科诊断到无人驾驶

Jeff Dean认为,机器学习在机器人领域有着无穷无尽的应用方式,特别是在任务机器人操纵各种尺寸和不寻常形状的物体的场景中。

在谷歌人工智能部门的一项特别的任务中,抓取机器人通过机器学习,学会了抓取以前从未遇到过的物体,机器人技术得到了迅速的改进。

谷歌机器人人工智能系统在2015年实现了65%的抓取成功率,第二年,该系统的抓取成功率迅速攀升到了78%,在不断的深入探索中,研究人员在2018年将机器人抓取成功率提高到了96%。

此外,谷歌的人工智能团队一直在利用自我监督模仿学习,这是一种人工智能培训技术,它将未标记的数据与少量标记的数据结合使用,以提高学习的准确性,从而“教授”机器人学习新技能。

Jeff Dean在大会中描述了一个机器人通过观察人类示范,学会从罐子里倒苏打水的模型。经过15次试验和仅仅15分钟的训练,这个机器人就获得了一个相当于8岁儿童的浇注技能。

三、AI模型预测效果堪比视网膜眼科医生

解密!谷歌这样搞定美军世纪难题,从眼科诊断到无人驾驶

Jeff Dean表示,谷歌感兴趣的人工智能方向的另一个重要领域是医疗健康,人工智能技术在其开发转移性乳腺癌等疾病的诊断工具方面发挥了重要作用。

糖尿病视网膜病变,是谷歌医疗人工智能系统瞄准的疾病,在全球4.15亿糖尿病患者中,它是增长最快的致盲疾病,估计有45%的糖尿病患者在诊断前就出现了视力丧失。

糖尿病性神经病变通常从视网膜眼底图像中识别,眼科医生根据不同的标准对这些图像进行分级,图像中出血的次数越多,病情恶化程度就越高。

谷歌采用人工智能系统阅读这些图像,在2016年美国医学协会杂志上发表的一篇论文中,谷歌研究员证明了,该系统可以像眼科医生一样,对图像进行分级。

在一年后的一项后续研究中,谷歌提出了一种机器学习模型,该模型可以与委员会认证的视网膜专家眼科医生的表现相匹配。

Jeff Dean说,“这是一种黄金护理标准,有了良好的、高质量的培训数据,你就可以训练一个模型,得到视网膜眼科医生的效果。”

今年2月,谷歌与印度Madurai的Aravind眼科医院合作,部署了这种新模型。在最近的一项研究中,谷歌的人工智能科学家训练了一个人工智能系统来寻找视网膜扫描样本之间不那么明显的关系。该系统高度准确地预测了诸如自我报告的性别、收缩压和舒张压、血红蛋白和年龄等因素,在性别预测方面的准确率为97% ,在受试者的年龄范围内的准确率为3年。

Jeff Dean表示,糖尿病视网膜预测系统的检测和侵入性更强的血液检测一样准确,该系统可以用视网膜图像做到这一点。谷歌人工智能部门希望,这可以成为一种新的东西,当患者去看医生的时候,他们会给你的眼睛拍张照片,该系统会对患者的眼睛进行纵向记录,并从中学到新的东西。

四、量子化学计算速度提高20万倍,AI模型超越传统方法

解密!谷歌这样搞定美军世纪难题,从眼科诊断到无人驾驶

在化学领域,谷歌正在用高效的人工智能模型超越传统的计算方法。2017年的一份详细报告显示,谷歌量子化学计算的速度大约快了30万倍。传统上,量子化学计算需要一个价格高得多、速度慢得多的模拟器。

Jeff Dean表示,这些突破得益于神经网络的现代再生,可训练的数学单元以层次的方式组织在一起,共同解决复杂的任务。他们从原始的、异构的和有噪声的数据中学习特性,这些数据以前需要大量的手工预处理。

此外,谷歌还在继续开发可扩展架构,如Transformers,它具有生成类似人类文本的能力,以及可以在设备上运行的高度紧凑的人工智能系统,如Google最近发布的Gboard转录模型。

结语:人工智能承担起推动技术发展的重大责任

谷歌利用人工智能推进医学、化学和机器人等方面的突破,结合机器学习,不断提升模型能力,使人工智能技术成为各领域突破性优势。

Jeff Dean说,“很明显,机器学习将成为科学和工程的重要组成部分,我们的目标是鼓励机器学习模型理念的交流,并将其付诸实践,我认为,推动最新技术的发展,并将其应用于不同领域,是一项重大责任。”

原文来自:VentureBeat