科技行者報道
來源：siliconangle.com
編譯：科技行者
大規(guī)模的數(shù)據(jù)收集和處理能力的飛躍，為人工智能的重大進(jìn)步奠定了基礎(chǔ)。然而越來越多的證據(jù)表明，人工智能領(lǐng)域已經(jīng)準(zhǔn)備好進(jìn)入一個全新的高度，人工智能不僅能夠想象現(xiàn)實世界，而且能夠開始準(zhǔn)確地判斷什么是真實的、重要的，什么是不真實的、不重要的——從而預(yù)測接下來會發(fā)生什么。
谷歌公司研究科學(xué)家Carl Vondrick近日在舊金山Re-Work深度學(xué)習(xí)峰會發(fā)表演講時說：“計算機(jī)非常擅長記憶，問題是教他們?nèi)绾瓮洝！?/span>
Vondrick的研究專注于當(dāng)今世界網(wǎng)絡(luò)最棘手的挑戰(zhàn)之一：如何利用大量的、無處不在的、無標(biāo)簽視頻的數(shù)據(jù)庫。被一個可愛的嬰兒或有趣的貓咪視頻逗笑是一回事，要從視頻中獲得信息是另一回事。
從視頻中學(xué)習(xí)
谷歌研究小組認(rèn)為，最好的方法是：使用數(shù)百萬個無標(biāo)簽的視頻時間來訓(xùn)練深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（DNN），以更好地了解世界。利用大量可用的素材，采用了人工智能技術(shù)的網(wǎng)絡(luò)不僅可以準(zhǔn)確描述它看到了什么，而且還可以預(yù)測接下來將會發(fā)生什么。
在這次峰會，Vondrick展示了人們相互交流的視頻，然后網(wǎng)絡(luò)分析出基本正確的結(jié)果。擁抱、握手或擊掌，往往是基于視頻捕捉到的人際交往的行為。
深度學(xué)習(xí)研究是重要的，因為人類對機(jī)器越多依賴，越要機(jī)器有能力辨別所觀察的人類行為。如果一個人靠近門把手，這時候如果機(jī)器人決定關(guān)門的話，就是非常不合適的。
將聲音與圖像關(guān)聯(lián)
有趣的是，谷歌研究人員一直在擴(kuò)展深度學(xué)習(xí)模式，把聲音也包含在內(nèi)。峰會與會者聽到一段唱著“生日快樂”的音樂，而當(dāng)視頻圖像顯示出來，網(wǎng)絡(luò)正確地預(yù)測了該段視頻中會有蠟燭的形象。Vondrick解讀道，深度學(xué)習(xí)系統(tǒng)在預(yù)測行動方面進(jìn)展順利，精確度達(dá)74％，比人類的速度提高了約10個百分點。
Vondrick坦言：“這項任務(wù)仍然非常困難，我們并不總能得到正確的結(jié)果。”
Vondrick的研究是基于一種被稱為對抗式學(xué)習(xí)（adversarial learning）的方法，這種方法實際上是讓兩種網(wǎng)絡(luò)彼此競爭。一個網(wǎng)絡(luò)產(chǎn)生真實的圖像，另一個網(wǎng)絡(luò)分析這些圖像，并確定這些圖像是真的還是假的。“谷歌大腦”研究人員Ian Goodfellow最近也采用了這種技術(shù)，他已經(jīng)成為“生成式對抗式網(wǎng)絡(luò)”（GAN，Generative Adversarial Networks）領(lǐng)域的權(quán)威。
在Goodfellow的工作中，GAN創(chuàng)造出真實世界的照片和聲音。Goodfellow說：“GAN是基于博弈論的生成模型，開啟了廣泛的工程任務(wù)的大門。”
這些任務(wù)包括各種深度學(xué)習(xí)模式，在這些模式下，機(jī)器可以被要求把一匹棕色的馬變成斑馬。在這次峰會的一段視頻中，一匹馬在動物園中躍躍欲試，斑馬的條紋完美地呈現(xiàn)出來，并且由于計算機(jī)從非洲大草原拍攝的圖像中找到了斑馬紋，所以在背景中還有一些褐色的草。
理解書面文字的上下文
機(jī)器要理解書面文字的上下文，也許更重要的是深度學(xué)習(xí)方面的進(jìn)步，也就是訓(xùn)練計算模型以理解人的情境。在艾倫人工智能研究所（Allen Institute for AI），研究人員正在從在線數(shù)據(jù)庫中讀取大量未標(biāo)記的文本數(shù)據(jù)，來訓(xùn)練大規(guī)模的語言模型。
這里使用的關(guān)鍵方法結(jié)合了來自語言模型或ELMo表示的嵌入。艾倫研究所的研究科學(xué)家Matthew Peters說：“ELMo的表述是上下文的，依賴于所使用的整個句子。”
在這次峰會上，Peters展示了這種技術(shù)如何使網(wǎng)絡(luò)能夠正確解讀像“play”這種簡單單詞背后的意圖，這個單詞可以有多種含義，取決于它在句子中的用法。“three-point play”可能意味著與“representatives who play to the party base”完全不同的含義。通過訓(xùn)練完整的句子而不是有限的單詞定義，計算機(jī)正在學(xué)習(xí)如何做到這一點。
人工智能移動化
人工智能也正在擴(kuò)展到移動設(shè)備。Facebook人工智能攝像頭團(tuán)隊開發(fā)了一項新技術(shù)Mask R-CNN2Go，可以檢測身體姿勢，并且可以準(zhǔn)確地將圖像從背景中分離出來。這不是一個容易解決的問題，因為實時檢測身體動作是一個混亂的過程。衣服、運動和附近的其他人或物體的存在都會干擾。人工智能網(wǎng)絡(luò)必須能夠最終排除掉圖像的其他部分，以便準(zhǔn)確地檢測和跟蹤人體姿勢。換句話說，它必須學(xué)會“忘記”。
Facebook公司研究工程師Andrew Tulloch表示，F(xiàn)acebook人工智能實驗室（FAIR）最近發(fā)布了基于開源代碼的Mask R-CNN平臺。在Facebook龐大的移動用戶社區(qū)中使用這個應(yīng)用突顯了其未來潛力。“這是一個巨大的機(jī)會，”Tulloch表示。
深度學(xué)習(xí)到底要走多遠(yuǎn)？本月早些時候在拉斯維加斯舉行的CES消費電子展上，參觀者看到從人工智能控制的貓咪寵物玩具，到以人工智能為動力的站立式辦公桌，連流行文化偶像賈斯汀·汀布萊克也加入了這場派對，最近發(fā)布了一個融入人工智能主題的視頻。
英偉達(dá)公司人工智能基礎(chǔ)設(shè)施副總裁Clement Farabet說：“深度學(xué)習(xí)現(xiàn)在幾乎是一種商品了。這意味著，我們只能看到人工智能技術(shù)如何改變我們?nèi)粘Ｉ钸@一個開始。”
