您的位置
主页 > 站长在线 » 正文

Google的AI原则公布一年了,Jeff Dean汇报了成果

来源:www.jz265.com 点击:931

继5月份谷歌开发者大会(谷歌I/O)的杰夫迪恩“有用”主题后,谷歌大脑的总经理于7月来到东京,面向整个亚太地区。媒体和开发者以“用人工智能解决”为主题进行了“结果报告”。

▲(杰夫迪恩和谷歌人工智能团队的一些成员|谷歌)

两次分享会议之间的六月间隔恰逢谷歌宣布其“人工智能在我们的原则上为我们的原则”,为期一年。在2018年初夏,谷歌发布了这一系列原则,指出了近年来人工智能技术伦理问题,包括:

有社会效益

避免制造或加强不公平的偏见

建立并进行安全测试

对人负责

建立并反映隐私隐私原则(

支持并鼓励高标准的科学卓越

可用于符合这些原则的用途

一年后,典型的上述原则的典型应用案例归入了Google的社会良好AI项目。其背后的逻辑是技术公司如何发挥其使命,技术价值和技术进步。一个是一个。

学习模式

联合学习模型很早就出版了,杰夫迪恩在这次分享中再次强调了这一模式。它的重点也从效率转向数据安全。

这种新方法与传统的数据集中学习模型不同,是Google于2016年提出的,今年开源的TensorFlow Federated。其优点在于多终端和计算节点互通的有效学习效率,以及巨大数据传输中的终端数据。安全。在联合学习模式中,不需要从设备收集原始数据。用户可以通过移动终端下载现成的模型,在本地完成培训,在迭代后加密并上传更新,然后连续循环以最大化效率和安全性。

医疗与健康

▲(糖尿病成为全球性健康障碍|谷歌)

在医疗保健领域,Google AI应用的典型例子包括肺癌筛查,乳腺癌检测和糖尿病检测。

肺癌在所有癌症中的死亡率一直居首位,全球达到3%。与传统医学治疗中80%的肺癌病例相比,早期未检测到这些病例,最迫切的需求集中在早期筛查领域。目前,人工智能解决方案的临床应用使初始检测病例的数量增加了5%,而假阳性误诊病例的数量减少了11%。

乳腺癌的传统筛查方法是在10亿像素载玻片中的大海捞针中寻找淋巴组织中癌细胞的扩散。人工智能模型在该领域的应用可以达到22%的检出率,但它与肺癌的筛查状态不同,这也增加了误报误诊的比例。因此,目前的鼓励方向是人工智能与医生人工测试的相互整合和互助。

目前,世界上超过4.15亿例糖尿病患者伴有视网膜病变,这可能直接导致失明,甚至在医学上欠发达地区进行初步检测也缺乏人力。谷歌通过与外部公司的合作建立了糖尿病视网膜病变的视觉识别系统,今年已达到与眼科医生相同的检测水平。在印度和态度上,该系统已进入临床试验阶段。

环保

▲(座头鲸与船舶噪音的区别|谷歌)

通过语音识别和视觉识别,Google AI已进入海洋濒危物种保护,雨林非法采伐监测,垃圾收集识别和农业害虫识别的实际应用阶段。

美国国家海洋和大气管理局(NOAA)通过水下音频采集积累了19年的庞大数据库。通过与谷歌的合作,NOAA已经能够在复杂多变的水下声音世界中识别出濒危物种座头鲸的召唤,并通过自动识别鲸鱼声音的神经网络绘制了座头鲸海洋活动轨迹。动态地图可以对特定海洋物种进行跟踪和定向保护。

在陆地上,雨林连接使用南美洲和东南亚雨林中的Android手机在树顶建立雨林声音采集和监控系统,TensorFlow实现了链锯和测井卡车声音的实时识别。该计划保护的热带雨林面积已超过2,000平方公里。

与上海和北京等城市最新的垃圾分类和回收问题类似,印度尼西亚作为全球第二大塑料废物污染国,已开始使用基于Google AI的手机相机识别塑料废物类型。鉴定后,除了类型外,还可以显示不同塑料废物类别的回收和再利用价值。

▲(用旧Android手机制作的雨林声音收集装置|谷歌)

帮助残疾人

听力或语言障碍占全球残疾人总数的很大一部分。在针对听力障碍人群的AI应用中,语音识别技术不仅可以将人际对话转录为实时视觉文本呈现,还可以为听障人士参与日常交流。它也可以在生活中发出声音,例如体育比赛中的欢呼声,高速公路上的汽车口哨声,烟花爆竹后的爆破声。为了尽可能地为这个残疾人群体提供无差别的现实感知和互动,应该将其实时转录为文本。目前,Google AI可以在此应用程序中支持70多种语言。

相反,对于患有中风,寒战或神经系统疾病(如帕金森氏症)引起的语言障碍的人,Google AI已经建立了声音和视觉模型,可识别其模糊的发音,手势,甚至眨眼,以帮助他们实现单词的实时转录甚至是演讲。这是斯蒂芬霍金博士当时使用的交互式系统的一种更有效,更方便的解决方案,最终可以实现每个语言障碍者的轻松使用。

从已经进入实际阶段的上述AI应用案例中,我们可以找到解决当前全球科技业务领域技术进步摇摆的最佳解决方案:真正的技术进步只能通过技术价值,技术路径和商业化的大多数困难都由技术价值表达。它来自两者的分离甚至对立。

正如杰夫迪恩所说:在这个时代,机器已经能够看,听,说和理解。但你怎么看?听什么?为了谁?你懂谁?这是需要不断回答的终极问题。