谷歌“学习机器人”：像人类大脑一样去思考

2013-01-17 14:01

　　让机器像新生儿的大脑一样进行自我学习和思考，这听上去不可思议的场景正在谷歌代号为“Google X”的秘密研发部转变为现实。

　　近日，Google科学家杰夫·狄恩（Jeff Dean）告诉记者，“Google X”实验室通过连接16000台计算机处理器，创建了一个机器学习的神经元网络系统。结果发现，这个系统自己学会了对猫的辨认。

　　去年夏天， Google X利用这一由16000多个处理器、10亿个内部节点组成的虚拟大脑，分析了1000万帧从Youtube上随机抓取的无标签视频剪辑图片，经过了10天时间的运转，“大脑”终于认识了什么是猫，并从接下来输入的2万张图片中准确找出了猫的照片。

　　和传统的机器视觉技术不同，它们是根据人类的指令进行学习，从而识别出某些特性。但在谷歌研究中，工程师们无需预先向机器输入某一概念，该系统就能在并未得到任何外在帮助的前提下“自学成才”。

　　“我们在训练的时候从未告诉过那是"猫"，系统只是自行创建了猫这个概念。”杰夫·狄恩告诉记者，“大脑”是自己从未标记的YouTube静态图片中发现了猫是什么样子，这就是“自我学习”。

　　他向记者解释谷歌机器学习的理念：用众多的电脑模拟人脑中的“神经元”，形成一个“神经网络”。它不需要借助大批研究人员帮助电脑标明事物之间的差异，只要为算法提供海量的数据，“神经元”与“神经元”之间的关系将会发生变化，让数据自己说话，让组成“神经网络”的机器具备自动学习、识别数据的能力，在新的输入中找出与学到的概念对应的部分，达到识别的效果。

　　例如，在看过数百万张图片后，谷歌的虚拟大脑将自己构建出一张理想的猫的图片，利用不同层级的存储单元成功提炼出猫的基本特性。有科学家认为，这似乎是在控制论层面模拟了人类大脑视觉皮层的运作方式。

　　不过这一机器学习技术并不仅仅局限在图像方面。目前，Google正在将该虚拟人脑用于提升语音识别的准确率。杰夫·狄恩介绍，GoogleX团队曾和谷歌语音识别团队有过一次合作，5天内在800个机器上进行训练，就单字错误检出率而言，该系统已让Google的语音识别准确率提升了25%，这相当于研究语音识别20年的成果。

1 2 下一页>