谷歌大脑2017总结下篇:从医疗、机器人等6个领域开始的改变世界之旅

时间:2018-01-14小编:人气:

雷锋网 AI 科技评论按:昨天谷歌大脑(Google Brain)负责人 Jeff Dean 在 Google Research Blog 上发表了谷歌大脑团队 2017 年的回顾总结上篇,详述了谷歌大脑过去一年中在自动机器学习、语言理解和生成、新的机器学习算法和应用、隐私与安全、理解机器学习系统、开放数据集、TensorFlow、TPU 等一系列方面的研究工作。

雷锋网 AI 科技评论昨天推送了回顾总结上篇的内容。

今天Jeff Dean发表了这篇博文的下篇,内容包括谷歌大脑在 AI 应用方面(诸如医疗、机器人、创新、公平和包容等)的工作。下面雷锋网把这篇总结文的下篇全文翻译如下:

谷歌大脑2017总结下篇:从医疗、机器人等6个领域开始的改变世界之旅

谷歌大脑团队的工作目标是通过科学研究和系统工程不断推进顶级 AI 系统的发展,这也是整个谷歌的 AI 战略的一部分。在这篇博文的第一部分,我介绍了我们 2017 年在基础研究方面的工作,内容包括从设计新的机器学习算法和技术到理解它们,以及与社区共享数据,软件和硬件。

在这篇文章中,我们将深入介绍我们在医疗、机器人、创新、公平和包容等垂直领域所做的研究工作,最后会简单介绍一下我们这个团队。

医疗

我们认为将机器学习技术应用于医疗保健领域具有巨大的潜力。他们在这个方面也做出许多工作,包括协助病理学家来检测癌症、理解医疗对话以协助医生和病人互动,以及利用机器学习解决基因组学中的各种问题,此外还开放了一个基于深度学习的高精度变型呼叫系统的源代码。

谷歌大脑2017总结下篇:从医疗、机器人等6个领域开始的改变世界之旅

(淋巴结活检,我们的算法正确识别出肿瘤而不是良性巨噬细胞)

2016 年 12 月,我们在美国医学协会杂志(JAMA)上发表了一篇研究糖尿病性视网膜病变(DR)和黄斑水肿早期发现的研究论文。

在 2017 年,我们将这项研究由研究项目转移到了实际的临床试验。我们与 Verily(Alphabet 公司旗下的一家生命科学公司)合作,通过监管过程来引导这项工作,并将这项技术整合到尼康的 Optos 眼科相机产品线中。

另外,我们目前正在印度部署这个系统。据了解,在印度的眼科医生有 12.7 万名,但结果却是几乎有一半的上述疾病的患者都被诊断为晚期——疾病已经导致视力丧失。作为试点的一部分,我们在 Aravind 眼科医院推出了这个系统,用来帮助医院的工作人员更好地诊断糖尿病性眼部疾病。此外,我们还与合作伙伴合作,尝试了解影响糖尿病性眼部疾病护理方面的人为因素(包括患者和医疗保健者的民族志研究)以及眼科护理临床医师如何与 AI 支持系统进行交互的调查。

谷歌大脑2017总结下篇:从医疗、机器人等6个领域开始的改变世界之旅

第一名病人(上);Iniya Paramasivam,一位训练有素的分级师,正在查看系统的输出(下)

谷歌大脑还与包括斯坦福大学、加州大学旧金山分校和芝加哥大学在内的一些先进的医疗机构和中心的研究人员合作,来证明使用机器学习预测未识别医疗记录的医疗结果的有效性(即根据患者的当前状况,我们相信可以通过从数百万其他患者的案例中学习并预测该患者的未来状况,从而帮助医疗保健人员做出更好的决策)。我们对这个方法感到很兴奋,同时也期待在 2018 年能有更多的内容来讲。

机器人

谷歌大脑在机器人学上的长期目标是设计学习算法,使机器人能够在复杂的现实环境中进行运作,并能够通过学习来快速获得新的技能和能力,而不是像如今的机器人那样需要精心控制的条件或针对特定任务编写特定的程序。

我们研究的一个重点就是开发实体机器人,使它们能够利用自己以及其他机器人的经验来建立新的技能和能力,也即汇集共同的经验,以便集体学习。我们还在探索如何将基于计算机的机器人任务模拟与实体机器人经验结合起来,从而加快学习新的任务。虽然在模拟器中的物理规律与现实世界并不完全匹配,但是我们发现,对于机器人来说,模拟经验加上少量的现实世界的经验会给出比大量现实世界经验更好的结果。

除了现实世界机器人经验和模拟机器人环境外,我们还开发了机器人学习算法,可以通过观察人类对所需行为的演示来学习。我们认为这种模仿学习方法是一种非常有前途的方式,它能够非常快速地向机器人传递新的能力,这个过程没有明确的规划,甚至没有明确规定活动的目标。

例如下面这个视频中机器人通过从不同的角度观察人类执行任务,然后试图模仿人类行为,在仅仅 15 分钟的时间里就学到了如何向杯子里倒东西。如何你和你三岁的孩子在一起,就会觉得这项工作多么令人鼓舞,因为它只洒出了一点点,而你的孩子可能会弄得一团糟。

我们还在 11 月份联合组织和主办了首次全新的机器人学习大会(CoRL),这次会议也将大量机器学习和机器人交叉领域的研究人员聚集在了一起。活动总结中包含更多信息,这里就不再详述,让我们共同期待明年在苏黎世举行的下一届会议吧。

  • 基础科学

    谷歌大脑认为机器学习在帮助解决科学中的重要问题上具有长期的潜力。去年我们利用神经网络在量子化学中预测了的分子性质,在天文数据中寻找到了新的系外行星,从地震数据中预测了地震的余震,并利用深度学习指导了自动化的证明系统。

    相关论文(量子化学):

    Machine learning prediction errors better than DFT accuracy

    Neural Message Passing for Quantum Chemistry

    相关文章(系外行星):谷歌人工智能助科学家发现“迷你太阳系”

    相关论文(地震余震):Deep Network Guided Proof Search

    谷歌大脑2017总结下篇:从医疗、机器人等6个领域开始的改变世界之旅

    信息通过神经网络预测有机分子的量子特性


    寻找新的系外行星:当行星遮挡光线时,观察的恒星亮度。

    创造力

    谷歌大脑也对如何将机器学习作为工具来帮助人们进行创造性创作非常感兴趣。

    今年,我们创作了一个 AI 钢琴二重奏工具,帮助了 YouTube 音乐人 Andrew Huang 创作新的音乐,并展示了如何教机器画画。

    试试弹钢琴:A. I. DUET

    相关章:谷歌大脑教机器画简笔画,神经网络的大作都长啥样?

    画画:

    谷歌大脑2017总结下篇:从医疗、机器人等6个领域开始的改变世界之旅

    SketchRNN模型绘制的花园; 互动演示

    安卓市场
    • 选购指南
    • 基础课堂
    • 进阶使用
    • 玩机技巧
    • 故障答疑
    • 刷机教程
    • 美化学堂
    用安卓手机 装安卓市场
    返回顶部