互联网巨头Google最近一直在加强对主导AI的关注。谷歌对90%的市场份额并不满意,因为它几乎垄断了互联网搜索。该公司将AI视为进一步扩大其影响力的一种方式。Google的许多最受欢迎的应用程序(例如语音助手和搜索引擎)已经由Google AI开发的工具驱动。
不仅Google受益于该公司在AI方面的发展。Google AI和机器学习帮助20th Century Fox开发脚本并预测票房收入和增长。在AI快速发展的推动下,Google建立了自己的Google AI部门。
从驾驶Google Assistant到转变医疗保健以及帮助科学家做出改变世界的发现,人工智能已经在影响着人们。Google的AI应用程序不仅在改变癌症的诊断方法,而且还允许医生创建个性化的治疗程序。
但是,Google的目标也是向所有人开放人工智能。这与公司的既定目标相吻合;整理世界各地的信息,使每个人都可以访问和使用。
Google通用的TensorFlow框架是一个开源平台。TensorFlow包含许多与AI相关的系统。这意味着开发人员可以将其用作应用程序开发的一站式服务。这不仅使AI开发变得更容易,更容易获得,而且还有助于增加Google在该领域的影响力。
Google AI的目标是世界
在本文的过程中,我们将探讨Google AI的形成,重点介绍其创建的主要原因。令人兴奋的是,我们还将研究Google AI已经对整个世界产生影响的许多不同方式。除了给母公司带来的好处外,我们还将看到Google AI的发展正在使其他公司和组织受益。
Google AI旨在通过与他人合作来推动创新。从医疗保健和保护方面的发展,到图像生成和响应语音助手。
我们还将了解Google AI风险投资家的投资,包括其专门投资于一系列尖端技术公司的AI基金Gradient Ventures。请继续阅读以了解Google AI已如何改变我们如何看待世界并与世界互动。
Google AI的形成
Google AI是Google的一个部门,托管与公司AI相关的工作和工具。顾名思义,其目的是探索和开发基于人工智能的应用程序。该部门的成立是由首席执行官Sundar Pichai 于2017年在Google I / O上宣布的。
Pichai还阐明了该部门如何将注意力集中在三个特定角色上:研究,工具和应用AI。Pichai声明的目标之一是看到该公司致力于向“成千上万的开发人员” 开放机器学习。
埃里克·施密特(Eric Sc??hmidt)前首席执行官。 Google创始人Sergey Brin和Larry Page。 图片信用Flickr
谁是Google?
Google AI的母公司Google LLC是一家美国跨国技术公司。他们与Facebook,Amazon和Apple一起组成了四大技术公司。Google AI有助于推动和发展各种服务和功能,包括无处不在的搜索引擎,软件,硬件和云计算。
Google由斯坦福大学博士学位于1998年组建。学生Sergey Brin和Larry Page。今天,该公司今天设在加利福尼亚的山景城。自成立以来,Google一直是技术进步的核心。
该公司开发了许多常用的应用程序和服务。其中包括Gmail,Google Earth,YouTube和Google Home智能扬声器。Google不断追求进步和发展,因此他们获得了其他创新驱动的初创企业和运营并与之合作。
最近,Google的普遍存在引发了许多隐私问题。也有人要求审查制度,搜索中立性和避税。但是,这并没有阻止Google规模或使用量的增长。今天,该公司希望AI能够进一步增强和优化其服务以及更广阔的世界。因此,Google AI位于Google未来的核心。
Google AI正在改变医疗保健和生物科学
Google AI正在改变医疗保健和生物科学
机器学习和AI具有无数潜在应用。它们可能真正产生影响的领域是医疗保健和生物科学领域。从研究和药物开发到获得测试结果和改善患者护理,人工智能都可以发挥重要作用。
深度学习的医学应用
深度学习已改变了计算机视觉,将其转变为实用且易于访问的技术。谷歌AI的研究人员指出,这种技术已经能够识别狗品种等基本事物。他们好奇地开始探索更有用的应用程序的可能性。
他们着手开发能够分析医学图像中疾病迹象的系统。这项研究是与医疗从业人员一起完成的,以确保系统的准确性和可靠性。Google AI研究已经产生影响的领域之一就是视力下降。
Google的眼病检测工作
Google AI在检测眼疾方面的工作
在全球范围内,将近4.15亿糖尿病患者可能会因糖尿病视网膜病变而失去视力。尽管这种疾病会导致失明,但如果及早发现,则可以治愈。但是,世界不同地区的许多患者无法获得能够检测该疾病的专家。
Google AI的开发人员正在研究能够识别这种疾病的机器学习系统。该应用程序旨在易于在世界上偏远和服务不足的地区使用。一旦推出,该系统将加快诊断时间,潜在地挽救许多人的视线。
他们的工作中进行了概述文件,“糖尿病视网膜病变的检测深学习算法的开发和验证中的视网膜眼底照相。” 该论文概述了深度学习算法如何能够在视网膜照片中识别出糖尿病性视网膜病变的体征。
没有此应用程序,专家必须检查眼睛的照片,寻找疾病的迹象。通过评估存在哪些军团,该手动过程还可用于确定病情的严重程度。尽管此过程可靠,但也非常耗时。它还需要专家培训。在服务不足的地区,人们有可能在做出诊断之前失去全部或部分视力。
这些模型将继续完善
Google AI开发人员与美国和印度的医生合作,合并了一个包含128
Google AI可以通过检查眼睛来检测疾病
将这些结果与经过培训的眼科医生的决定进行了比较。比较表明,该算法与受过训练的专业人士表现相当。尽管这些结果令人兴奋,但开发人员还不满意。
Google AI计划与视网膜专家继续合作,定义更强大的参考标准。这些将用于进一步改善算法的性能。
学习阅读3D图像
解释2D眼底照片只是识别眼部疾病的过程的一部分。在更复杂的情况下,光学相干断层扫描技术(3D成像技术)可对视网膜各层进行详细显示。
位于英国的初创公司DeepMind的 Google AI同事已经在将机器学习应用于OCT和3D成像。希望这两个应用程序能够彼此协同工作。这将有助于快速诊断各种眼疾。
首席研究员Rory Sayres博士描述了AI的应用多么令人兴奋,“ AI和医生一起工作比单独使用时更准确。” 该应用程序和类似的解决方案将有助于改善患者护理。他们还将使受过训练的医生能够更好地专注于他们的时间和专业知识。
深度学习有助于癌症检测
医学诊断领域的类似应用是使用深度学习和AI检测癌症。到目前为止,Google AI的研究人员一直致力于开发可帮助病理学家检测淋巴结活检中癌症的算法。
当手动执行时,此任务既复杂又费时。培训一名操作人员以胜任地执行此任务也需??要很多年。即使这样,病理医生之间的诊断也会有所不同。诊断的这种差异可能导致误诊。
当病理学家之间的协议可能低至48%时,这种差异在诊断乳腺癌的形式中发现。 同样,前列腺癌患者也可能遭受低检出率和误诊率。这是因为病理学家必须筛选大量信息。许多人可以通过不同的方式来检测许多此类信息。
Google AI的检测算法旨在补充病理学家的工作,帮助突出显示可能的癌症原因。应用这些系统还将有助于降低误诊率。
专注于乳腺癌的诊断
Google Ai的算法在Radboud大学医学中心的图像上进行了训练。最初,专注于乳腺癌研究的系统已经扩散到与乳房相邻的淋巴结。经过培训,初步结果令人鼓舞。Google AI的团队发现,像GoogleNet这样的方法效果很好,但是有必要进行进一步的自定义。Google AI算法最终达到了89%的本地化分数FROC。
图:左:两次淋巴结活检的图像。中:我们深度学习肿瘤检测的早期结果。正确:我们目前的结果。请注意,两个版本之间的噪声明显降低了(潜在的误报)。图片信用Google
这包括训练神经网络以检查各种不同放大倍数的图像。最终,一旦经过全面培训,该系统便能够始终如一地匹配或超越病理学家。该算法最终达到了 89%的本地化分数 FROC。相比之下,病理学家检查相同的图像并且在没有时间限制的情况下进行操作,记录的得分仅为73%。
谷歌AI团队对模型的泛化能力感到鼓舞。它能够准确地读取来自不同医院和不同扫描仪的图像。该小组在其论文《在千兆像素病理图像上检测癌症转移》中发表了这些令人兴奋的结果。
仍有进一步发展的空间
尽管这些结果和开发的算法很有希望,但它们可与病理学家分析一起使用。这是因为虽然算法在执行任务时表现良好,但训练有素。但是,他们还没有受过训练的人类病理学家的知识或经验。这意味着算法无法检测其他异常,例如其他类型的癌症或自身免疫性疾病。
随着人工智能和机器学习的进一步发展,算法将变得更加复杂和强大。但是,目前,它们被设计为辅助工具。下一步是寻求临床验证和监管批准。这将看到与病理学家一起使用的算法和系统来加速和改善诊断过程。
Google AI和应用科学
在Google AI中,他们将物理和生物学与计算机科学相结合。团队认为这两个截然不同的世界是互补的。一个世界的发展可以推动另一个世界的进步。
这种信念正鼓励Google Ai的应用科学部门寻找可造福整个世界的重大科学突破。大部分工作着眼于缠绕两个世界,以确保这种共生关系继续下去。
Google AI量子计算
图:Google AI Quantum Computing
应用科学的四个重点领域
Google AI的应用科学团队将工作重点集中在四个领域。首先是量子计算。量子计算机根据对象状态的概率执行计算。
经典计算机使用测量值和二进制信息执行计算。量子计算机不需要此信息即可进行计算。这意味着它们可能比传统计算机处理更多的数据。
Google的AI量子计算团队将大量时间集中在将这些方法应用于化学研究中。特别是,他们探索了在形成化学键的同时如何激发电子。当电子受到刺激时,它们会影响连接的材料和分子的性质以及随后的化学反应。
该团队在论文《具有线性深度和连通性的电子结构的量子模拟》中发表了他们的初步发现。在2018年,谷歌还发布了开源量子计算框架Cirq。这旨在使开发人员和研究人员有机会探索量子计算的可能性。
自然科学领域的发展
第二和第三重点领域是气候与能源和Google加速科学。这些在很大程度上是互补的,相互配合以进一步推动创新。这些重点领域旨在实现自然科学领域在机器学习和人工智能方面取得的进步。看到研究人员使用AI来减少有害排放,进行生物医学研究并增强零碳能源。
例如,通过允许AI系统管理其大型数据中心的冷却系统,Google已将能耗降低了15%。随着系统的进一步完善和改进,预计将来会进一步减少。
在另一个示例中,Google AI与DeepMind一起在美国风电场实施了预测AI系统。在这里,深度学习算法在历史数据集上进行训练,以预测未来的天气模式。该信息被馈送到本地能源网格,使他们能够确定如何最佳地利用能源。最终,该应用程序将看到绿色技术,例如风电场,这在传统上是不可预测的,它将变得更加有用。
使计算机工具更广泛可用
第四个重点领域是Google AI向Google其他领域提供科学计算工具。合作伙伴公司也可以访问这些工具。DeepDream是最有趣的开发之一。这是一个计算机视觉程序。
使用卷积神经网络,它可以识别并突出显示图像中的图案,将它们转变为梦幻般的,经过高度处理的图像。DeepDream具有变换或增强图像的功能,因此成为一种流行的工具。
Google AI DeepDream
图:DEEP STYLE该技术是原始Deep Dream方法的高级版本。它能够利用自己的知识来解释绘画风格并将其转移到上传的图像中。
它还在计算机视觉,图像识别甚至艺术史中都有应用。Deepdream也是其自身艺术展览的主题。在旧金山非营利组织Gray Area Foundation的支持下,该组织致力于促进艺术和技术合作,DeepDream创作的一系列图像被公开展示。
同样,许多公司采用了Google AI驱动的云翻译。彭博社使用Google AI驱动的自动翻译工具来为客户提供40种不同语言的更新。同时,物流公司DPD使用这些工具来识别和处理多种不同语言的包裹信息。这样可以快速,准确地回答客户的查询。
此外,DPD还利用Google Maps 改善了驱动程序的交付性能。Google AI应用科学部门的总体目标是提高数据和机器学习的生产率。
Google AI端到端平台
Google AI是公司整合和简化其服务目标的核心。这在2019 Cloud Next会议上得到了强调。在这里,该公司借此机会展示了其许多AI工具。
谷歌还透露了通过提供可用的预构建模型和易于访问的服务来使AI和机器学习民主化的计划。除了使机器学习更加可用之外,这些服务还使开发人员可以构建自己的自定义模型和算法。关键是启动Google AI平台。
Google AI平台首席执行官Thomas Kurian在2019 Cloud Next会议上。
图:在2019 Cloud Next会议上的Google AI平台(Google Cloud的一部分)首席执行官Thomas Kurian。
尽管如此,仅在测试阶段,Google AI平台仍打算为开发人员和数据科学家提供端到端服务。这使用户可以轻松地构建,测试和实现模型。为了实现这种无缝集成,该平台将现有的Google AI产品以及一个新的应用程序结合在一起。这使用户可以建立完整的数据管道,标记数据,然后利用分类服务,对象识别或实体提取模型。
或者,用户可以使用诸如Cloud Machine Learning Engine之类的工具,也可以使用简单易用的AutoML。这些将允许用户培训,测试并最终部署其定制模型。谷歌AI发言人将平台描述为“去这个地方的理想之地,如果您是从一个如何在企业中使用AI的全过程想法出发,一直到启动和安全,可靠地部署,这都是一个恐怖的旅程。”
Google平台上有什么?
除了简化服务外,Google AI平台还包含许多有用的应用程序和系统。例如,AI Hub允许用户轻松发现,发布和共享机器学习模型。Google AI中心包含可重用模型的目录,开发人员可以访问并轻松使用。目录中包括基于常见框架(例如PyTorch,Tensorflow和Keras)的模型。然后可以将它们部署在由TPU或GPU支持的Kubeflow或深度学习VM中。
Google AI平台笔记本允许开发人员创建和管理预打包的虚拟机实例。Google AI Notebook可与Github同步,从而可以在TensorFlow或PyTorch等框架上轻松进行开发,重复测试和部署。生成的模型也可以部署在Google AI平台上,以实现可扩展的托管。
Google AI的平台旨在支持批量预测和在线预测。该平台是为开发人员和研究人员设计的。但是,对机器学习和AI应用感兴趣的其他任何人也可以访问它。
Google AI中心
图:Google AI Hub
相似的Google框架
Google平台并不是Google AI在该领域的唯一业务。该平台位于TensorFlow旁边。这是一个框架,允许用户构建复杂的深度学习和机器学习模型以及Cloud ML Engine。后一个平台用于训练和部署机器学习模型的目的。
自2017年以来,Google AI还一直在运营一个名为Kubeflow的开源项目。这旨在将分布式机器学习引入开源容器编排系统Kubernetes。Kubernetes允许自动化应用程序部署,扩展和管理。
Kubeflow试图结合Kubernetes和TensorFlow的最佳功能。这优化了在容器中训练和部署机器学习模型的过程。
通过将深度学习,机器学习,人工智能系统和平台整合到一个地方,Google提供了可访问的端到端服务。这意味着用户可以在一个地方准备数据,训练系统,调整和测试算法,与其他开发人员协作以及部署机器学习模型。
KubeFlow机器学习到开源容器编排系统Kubernetes。
图:KubeFlow机器学习到开源容器编排系统Kubernetes的过程。
Google自己的AI Microchip的开发
芯片开发是首席执行官Sundar Pichai计划的一部分,该计划旨在将Google转变为“人工智能第一”的公司。该策略将使该公司垄断云计算市场的重要部分。该芯片还强化了Google AI长期以来的信念,即通过开发新的硬件技术可以最好地改善人工智能。为此,第二代Google的微芯片专注于需要处理大量数据的AI应用程序。
该芯片称为张量处理单元(TPU)。谷歌AI希望TPU能够将其与亚马逊或IBM等其他云计算公司区分开来。
Google在印刷电路板上的第一个Tensor处理单元(TPU)(左); 部署在Google数据中心中的TPU(右)
图:Google在印刷电路板上的第一个Tensor处理单元(TPU)(左);部署在Google数据中心中的TPU(右)。
公司可以通过Google的云计算服务来租用它。与Intel或AMD不同,Google AI目前没有计划在商业市场上出售其芯片。深度学习和其他相关技术使计算机更容易执行基本的AI应用程序。这些包括图像识别或语言翻译等过程。
随着AI的广泛使用,与开发技术有关的市场竞争越来越激烈。Google AI希望通过开发自己的芯片将有助于使其在竞争中处于领先地位。eBay已经在使用 Google AI云和相关技术来改善其图像搜索功能。
Google还致力于使AI民主化。这意味着让公众可以享受其无限的可能性。李飞飞是谷歌云部门的AI首席科学家。她解释说,这一目标促使她加入公司,“以确保每个人都可以利用AI进行创新并保持竞争力。”
TPU应用
Google AI已经在为其TPU寻找有用的应用程序。Jeff Dean是Google AI Brain研究团队的联合创始人。他透露,TPU已经使该公司减少了培训语言翻译系统所需的时间。
通过将多个TPU捆绑在一起,团队将时间从24小时减少到只有6小时。Google AI的TPU可以执行两项与AI相关的任务。第一个是数据的训练,第二个是使数据有意义的过程。这称为推理。
芯片的先前版本无法执行此任务。与TPU不同,其他公司使用单独的GPU来执行此过程。TPU的发展已使Google AI完全符合公司的既定目标。
希望使AI变得可访问,并使用人工技术找到现实问题的解决方案,Google计划让顶级的机器学习研究人员访问TPU。他们的访问将通过云计算服务授予。该服务专门供研究AI功能和应用程序的学者使用。作为回报,研究人员必须发表他们的发现,使他们的研究软件可供他人使用。此信息以基于Google AI的开源模型发布。
怀着开发新疗法的希望,哈佛医学院已经注册使用Google AI和深度学习工具。
TensorFlow框架
TensorFlow是Google AI最广泛使用和多功能的开发之一。TensorFlow是一个开放源代码库,旨在使机器学习更快,更轻松且更易于访问。TensorFlow具有许多不同的潜在应用程序。这意味着它可以用于数值计算和机器学习。它还允许开发人员创建数据流图。
关注 CDA人工智能学院 ,回复“录播”获取更多人工智能精选直播视频!