谷歌神经网络识别猫脸-36大数据

谷歌全球计算网络的强大信息处理能力以及神秘的Google X实验室中的技术天才很少为外界所知。但上周我们有幸一睹该公司的强大头脑（不管是人脑还是电脑）在想什么：猫。

谷歌科学家们用1.6万块电脑处理器构建了全球最大的电子模拟神经网络，并通过向其展示自YouTube上随机选取的1000万段视频，考察其能够学到什么。结果显示，在无外界指令的自发条件下，该人工神经网络自主学会了识别猫的面孔。

也许这看起来只是琐碎的成就，除了表明猫主人们热衷于上传宠物视频之外，说明不了更多问题。但实际上该成果表明谷歌在人工智能领域已取得重大进展。对电脑用户而言，人工智能研究一直前景广阔，但迄今成果寥寥。

在爱丁堡一个关于机器学习的会议上，谷歌研究人员所作的演示表明该公司在人工智能领域雄心勃勃，并有极其强大的计算资源作为支撑。

标准的机器学习以及图像识别技术依靠数以千计带标签的图片，对电脑进行初始“训练”，使电脑从一开始就对猫脸长什么样有一个概念。但是给图片加标签需要耗费大量人力，并且正如谷歌研究人员所说，“带标签的数据相对有限。”

为将搜索能力拓展至面向海量非结构化及无标签数据的图像识别领域，谷歌需要掌握其所谓的“自学”或“深度学习”技术。借助此类技术，未来如果某人有一幅出自不知名画家的描绘不知何处风景的画作，他可将此画的照片上传谷歌，经谷歌将其与互联网上数十亿计的图像进行比对后，此人有相当好的机会获知风景所在地与画家身份。
谷歌上周展示的研究成果，就是向开发此类技术迈出的一步。研究人员借助谷歌数据中心，构建具有10亿个连接的人工神经网络，并用一周时间让这个“新生大脑”接触YouTube视频片段，而未以任何方式贴标签。

该人工神经网络自主学会了识别人脸和身体，并出乎研究者意料地学会了识别猫脸。这一研究成果可能对人脑基础研究有重大意义，因为认知能力在该网络各处并非均匀分布。个别人工神经元发展起特定技能，例如识别猫脸。这支持一个有争议的神经学理论，即人脑中存在“祖母神经元细胞”，能够学会识别特定类别的人群甚至个体，例如祖母。

但谷歌更感兴趣的，将是该公司在人工智能领域的雄心的实际应用。此项神经网络研究的带头人吴恩达(Andrew Ng)和杰夫•迪恩(Jeff Dean)表示，该项目不仅仅是关于图像识别，“我们正在与谷歌内部的其他小组积极合作，将人工神经网络技术应用于语音识别、自然语言建模等其他领域。”

近几年来，谷歌创始人谢尔盖•布林(Sergey Brin)和拉里•佩奇(Larry Page)多次表示醉心于人工智能技术，并称他们的最终目标是赋予谷歌搜索超越任何人脑的人工智能。届时你可以用任何语言询问任何问题，谷歌将搜索互联网上所有文字、图像以及音频数据，提供足够多的相关信息。

任何曾用谷歌翻译服务将非英文网页内容转换为英文的人都知道，该服务仍有很大改进余地。作为测试，我使用谷歌翻译将法文版维基百科(Wikipedia)中“Chat”（猫）的词条解释转换为英文。所得结果如下：“本词出现于1560年，来自煤矿，高卢罗曼语中猫的常用名称。‘破晓之时’源于本词，含义是‘早上好’。”

应该承认，谷歌在其更为专业化的机器翻译服务领域可以做得更好。但即便是现今最先进的用于理解、生成或翻译人类语言的计算机技术，仍远远落后于人工智能先驱们在30、40年前对21世纪早期人工智能水平的预期。

计算学界上周举行了纪念艾伦•图灵(Alan Turing)诞辰一百周年活动。图灵于1950年提出了著名的人工智能测试：如果一个人无法判别与他或她进行谈话的是另一个人还是一台电脑，那么这台电脑就实现了人工智能。目前几乎没有迹象显示，在不远的将来会有通过图灵测试的电脑问世。

但谷歌对于加速实现人工智能雄心勃勃。虽然谷歌对于自身的研究计划透露甚少，但吴恩达和迪恩表示，他们正致力于大幅扩大人工神经网络的规模，该网络可能已经是全球同类网络中最大的。

当前任何人工神经网络要想达到接近人脑的认知水平还有很长的路要走。人脑有800亿个神经元细胞、100万亿个连接，而且处理信息的生物学过程完全不同于在硅制硬件上运行的电脑程序。即使猫的大脑也拥有远远超出现有人工神经网络的认知能力。

目前业界和学界的多个项目都旨在模拟人类思维。而谷歌凭借其猫一般的思维，在争取人工智能领域技术突破的竞赛中占据了有利地位。

End.

转载请注明来自36大数据（36dsj.com)： 36大数据 » 谷歌神经网络识别猫脸