1 Ji-won nouvelle compilation
Google cerveau objectif à long terme est que par la théorie pure et la recherche appliquée dans divers domaines, pour créer des logiciels plus intelligents et les systèmes pour améliorer la vie des gens. Ceci est évidemment un objectif à long terme, rappelons-nous notre équipe a fait des progrès au cours de l'année écoulée, et de partager ce que nous pensons des choses qui nous attendent en 2017.
Article publié
Publié dans ICML, NIPS IPSC et d'autres l'apprentissage machine haut de conférences internationales, notre étude était d'évaluer les moyens importants. L'année dernière, notre équipe un total de 27 articles ont reçu ces réunions ont porté sur un large éventail de sujets, y compris le programme intégré (synthèse de programme), le transfert de connaissances inter-réseaux (transfert de connaissances d'un réseau à l'autre), des modèles d'apprentissage de la machine de formation distribuée ( la formation distribuée de modèles d'apprentissage de la machine), le modèle de génération de langage (modèles génératifs pour la langue), le robot apprentissage non supervisé (apprentissage non supervisé pour la robotique), démonstration automatique (de démonstration automatique), une meilleure compréhension théorique du réseau de neurones (meilleure compréhension théorique réseaux de neurones), l'amélioration de l'apprentissage de renforcement de l'algorithme (algorithmes d'apprentissage de renforcement amélioré), et d'autres.
Nous avons aussi beaucoup d'autres documents dans le traitement du langage naturel (ACL, CoNNL), voix (ICASSP), visuelle (CVPR), des robots (ISER) et des systèmes informatiques (OSDI) salles de réunion ont été inclus. Notre équipe a également présenté 34 papiers aux prochaines IPSC 2017 ans, ce qui est l'un des plus étude approfondie de pointe et la recherche menant à la réunion.
En savoir plus: https://research.google.com/pubs/BrainTeam.html.
compréhension du langage naturel
Rendre les ordinateurs mieux comprendre le langage humain est un domaine important de notre étude. A la fin de l'année 2014, trois équipes de chercheur Google cerveau a publié un document « Séquence à la séquence d'apprentissage avec les réseaux de neurones », et a prouvé que cette méthode peut être utilisée pour la traduction automatique. En 2015, nous montrons que cette méthode peut également être utilisée pour générer une légende de l'image, des phrases et parse résoudre la géométrie algorithmique.
En 2016, des études antérieures (y compris de nombreuses améliorations) fait en fin de compte nos membres de l'équipe et l'équipe de traduction Google ont travaillé en étroite collaboration avec le système de bout en apprendre complète (articles) remplace complètement l'algorithme supports traduction de Google. Le nouveau système sera l'écart entre une partie de la langue dans l'ancien système et la qualité de la traduction humaine réduite de 85%.
Quelques semaines plus tard, nous montrons comment le système de faire une « traduction zéro (traduction zéro-shot) », entre l'apprentissage traduction en langue n'a jamais vu avant que la peine (articles). Ce système est maintenant déployé sur le service de traduction de Google pour de plus en plus de langues, fournir une traduction de qualité supérieure pour nos utilisateurs, permettant aux gens de barrières linguistiques croisées pour communiquer plus efficacement.
Gideon Lewis-Kraus dans « réveil AI force (Le Grand A.I. Awakening) » dans un article documente cette travail de traduction, ainsi que l'étude de la profondeur historique de l'histoire et Google l'équipe du cerveau).
Ceci est un des articles en profondeur, publié en Décembre 2016 le « New York Times Magazine. » Cliquez sur l'image ci-dessus, rappelant classique.
robot
L'algorithme de commande du robot est traditionnel avec précaution à travers manuel programmé soigneusement, de sorte que le robot doit construire de nouvelles capacités est généralement un processus très laborieux. Nous croyons que le robot automatiquement par la machine d'apprentissage de nouvelles compétences est une façon meilleure. L'année dernière, nous collaborons avec des chercheurs de Google X, le bras robot pour montrer comment apprendre la coordination main-oeil, mettre en commun leur expérience vous enseigner rapidement. Notre robot a essayé de ramper environ 80 millions de fois dans cette étude.
Rangée du haut: le bras avec des articles ménagers courants interaction robot
rangée du bas: Après avoir obtenu l'image originale et une séquence d'actions, prédire l'avenir webcams
À la fin de 2016, nous avons exploré trois façons possibles d'un robot pour apprendre de nouvelles compétences: l'apprentissage en renforçant et en démonstration humaine, se prêtent à interagir avec l'objet. L'idée de base est de permettre à plusieurs robots apprennent, puis télécharger les informations apprises sur le serveur, puis partager la formation et l'adaptation du serveur d'information. Ce « collectivisme » type d'apprentissage, non seulement peut réduire considérablement le temps d'apprendre, mais aussi d'élargir la diversité des tâches accomplies.
Nous continuerons ce travail, notre objectif est de faire des robots capables de flexible, facile à apprendre de nouvelles tâches et peut fonctionner dans le monde réel en désordre. Pour aider d'autres chercheurs en robotique, nous avons fait état plus des ensembles de données de robots.
santé
Nous sommes enthousiasmés par la possibilité d'utiliser l'apprentissage de la machine pour améliorer le médecin et la médecine clinique. Par exemple, dans le « Journal de l'American Medical Association » (JAMA) a publié le papier, nous montrons que le système d'entraînement d'apprentissage automatique adapté au diagnostic de la capacité de la rétinopathie diabétique et le médecin ophtalmologiste. Si les premiers symptômes non détectés de la rétinopathie diabétique, il y aura plus de 400 millions de personnes à risque de cécité, mais dans de nombreux pays, il existe quelques ophtalmologistes pour rendre le dépistage nécessaire, cette technologie peut aider à assurer plus de personnes reçoivent appropriée le dépistage.
Nous sommes également d'autres domaines de travail d'imagerie médicale, l'apprentissage de la machine et une enquête pour d'autres types de prévision médicale. Nous croyons que l'apprentissage de la machine peut améliorer l'expérience des patients et des médecins de qualité et d'efficacité, nous serons plus parler de notre travail en 2017 dans ce domaine.
Musique et art génération
La technologie a été d'aider les gens à créer et les médias d'actions tels que la presse, les films ou la guitare électrique. L'année dernière, nous avons commencé un projet appelé Magenta, explorer l'intersection de l'art et le point d'intelligence de la machine, et l'utilisation du système d'apprentissage automatique pour accroître le potentiel de la créativité humaine. À partir de la musique et la génération d'images, puis générer du texte et des champs VR, Magenta favorise le développement de la technologie la plus avancée modèle de création de contenu généré.
Nous avons contribué à l'organisation d'un séminaire d'une journée sur ces sujets, et soutient l'exposition d'art un art généré machine. Nous avons exploré une variété de thèmes et de styles artistiques transférer de la musique, notre présentation de concert a remporté le prix de la meilleure présentation NIPS 2016 de.
AI sûr et équitable
Au fur et nous développons plus puissants et plus sophistiqués système d'intelligence artificielle déployée dans le monde réel plus large, nous voulons nous assurer que ces systèmes soient sécuritaires et équitables, nous voulons aussi des outils de construction pour aider les gens à mieux comprendre leur production les choses.
Nous collaborons avec les chercheurs interinstitutionnels à Stanford, Berkeley et OpenAI dans le domaine de l'intelligence artificielle, la sécurité, a publié un livre blanc sur les problèmes de sécurité en béton de l'intelligence artificielle. Cet article décrit certains d'entre nous pensent qu'il ya une véritable recherche et de base dans le domaine de l'intelligence artificielle, les questions spécifiques de sécurité et les zones. Un autre aspect de la sécurité de nos progrès est que les données de formation protection des renseignements personnels, l'accès à différents organismes d'assurance vie privée grâce à la technologie de transfert de connaissances.
En plus de la sécurité, nous avons commencé à compter sur le système d'intelligence artificielle pour rendre la prise de décision plus sophistiqués et plus complexes, nous voulons nous assurer que ces décisions soient justes. Dans un article sur l'égalité des chances dans l'apprentissage supervisé (articles), nous montre la meilleure façon de régler les facteurs prédictifs de formation pour prévenir certaines formes de discrimination, et l'article montre un cas basé sur le pointage de crédit FICO.
Pour rendre ce travail plus accessible, nous avons également mené une exploration visuelle, interactive illustre ce concept de demander. (Lien visuel: https://research.google.com/bigpicture/attacking-discrimination-in-ml/)
tensorflow
En Novembre 2015, open source la version initiale de tensorflow pour l'apprentissage automatique des autres dans la communauté peut bénéficier, nous pouvons travailler ensemble pour l'améliorer. En 2016, tensorflow devenir le plus populaire projet sur l'apprentissage machine GitHub, plus de 570 personnes ont été soumis plus de 10.000 fois. bibliothèque de modèles tensorflow est passé de contribution au développement communautaire, ainsi que plus de 5000 répertoriés avec les bibliothèques liées tensorflow sur GitHub!
En outre, tensorflow a été groupes de recherche bien connus et les grandes entreprises largement adoptées, y compris DeepMind, et peut être appliquée à certaines applications inhabituelles telles que les lamantins trouvés au Japon et la classification des concombres.
Nous avons effectué un grand nombre d'améliorations de performance, ajoute le soutien à la formation distribuée sera tensorflow introduit à iOS, Raspberry Pi et Windows, et l'intégration tensorflow avec une grande infrastructure de données largement utilisées. Nous avons calculé et des outils de visualisation graphique embarqués en améliorant la TensorBoard, système de visualisation tensorflow est prolongée.
Nous faisons également tensorflow compatible avec Go, Rust et Haskell, publié le modèle de classification des images les plus avancées - large et profonde, et des milliers de réponses à des questions sur Github, StackOverflow et le message tensorflow. Service tensorflow simplifie le processus de fourniture de modèles de tensorflow dans un environnement de production, pour les utilisateurs travaillant dans le nuage, Google Cloud Machine Learning fournit tensorflow en tant que service hébergé.
Novembre dernier, nous avons célébré l'anniversaire tensorflow open source, et OSDI - une importante conférence sur la recherche de systèmes informatiques - a publié un traité sur les systèmes informatiques tensorflow. En collaboration avec Google collègues de l'équipe du compilateur, nous avons essayé de construire le compilateur back-end tensorflow XLA, version alpha de la récente open source.
[D'autres] Lecture tensorflow Conseils pratiques: inventaire modèle, l'utilisation et des exemples de code
Cet article décrit un modèle abstrait pour tous les tensorflow actuelle, décrivent l'utilisation de chaque modèle et les exemples de code simples. Des exemples détaillés peuvent être trouvés ici: https: //github.com/c0cky/TensorFlow-in-a-Nutshell
Mise en place et le maintien de la communauté d'apprentissage de la machine
Nous sommes également engagés à promouvoir l'éducation de l'apprentissage de la machine. Janvier dernier, Vincent Vanhoucke comme l'un des directeur de recherche de l'équipe et le cerveau Udacity pour développer l'apprentissage en profondeur et offrent des cours gratuits en ligne. Nous avons également intégré tensorflow Playground, un système interactif amusant pour aider les gens à mieux comprendre l'apprentissage Visualize réseau de neurones comment remplir la tâche.
Juin 2016, nous avons accueilli le premier lot de 27 stagiaires résidents Google cerveau (résidents), ils sont 2.200 candidats dans la foule. période de 7 mois, ils ont fait beaucoup de recherches originales, co-auteur 21 documents de recherche.
Cette année, nous avons également reçu 46 stagiaires (principalement doctorat) de recherche en collaboration avec nos membres de l'équipe.
Google pour promouvoir la machine d'apprentissage interne
En plus des activités énumérées ci-dessus a été l'annonce publique, nous continuons également de promouvoir les nombreuses machines internes dans les équipes de produits Google pour apprendre l'expertise et les connaissances pour faire en sorte que la société dans son ensemble pour profiter pleinement des derniers résultats de la recherche de l'apprentissage de la machine. Par exemple, nous travaillons en étroite collaboration avec notre équipe de plate-forme, fournissant des spécifications avancées et les objectifs de l'unité de traitement de tenseur Google (TPU), TPU est affiché sur l'accélérateur apprentissage machine personnalisée Google I / O ASIC. Ce puces personnalisées pour les charges de travail d'apprentissage automatique prévoit une augmentation exponentielle, et a été largement utilisé avec nos produits, y compris RankBrain, récemment introduit le système nerveux de traduction, ainsi que AlphaGo Mars dernier dans la défaite Li Shishi Go échecs.
En conclusion, 2016 pour de nombreux partenaires et collègues ainsi que l'équipe Google cerveau de Google pour l'intérieur et à l'extérieur d'une année passionnante, et nous attendons avec impatience 2017, notre recherche d'apprentissage automatique aura un impact plus grand.
[Ji-won dans la nouvelle réponse dans les coulisses « Google cerveau 2016 » Télécharger les 27 articles]
https://research.googleblog.com/2017/01/the-google-brain-team-looking-back-on.html?m=1
Le recrutement de nouveaux Zhi Yuan
Offres d'emploi Directeur des opérations
Salaire: 36-50 Wan (bonus salaire +)
Lieu: Beijing - Haidian District
Département: Opérations
Rapports: COO
Nombre de Subordonné: 2
Âge: 25 ans à 35 ans
Sexe: Ouvert
Expérience professionnelle: 3 ans
Langue: Anglais 6 (arrière-plan à l'étranger préféré)
Description du poste
Responsable des sponsors de l'exposition à grande échelle et les exposants à se développer, les clients potentiels, etc., l'intelligence artificielle et la robotique direction de l'industrie
Bon à l'ouverture des marchés, et d'établir de bonnes relations avec les clients potentiels
Connaissance approfondie de l'industrie de l'intelligence artificielle et de la robotique et les conditions du marché connexes, se tenir au courant de la dynamique du marché
initiative du projet de coordination entre les ministères, organiser la coopération entre intersectorielle, ont une bonne influence
A dirigé l'équipe pour compléter l'objectif de chiffre d'affaires, de gérer et de surveiller l'état des projets
Responsable de la planification stratégique de l'entreprise est la plate-forme opérationnelle pour le développement et la mise en uvre des programmes de coopération
exigences
Diplôme universitaire, la priorité de maître, exige un niveau de compétences en communication en anglais
Au moins 3 ans d'expérience dans le développement des affaires, l'expérience de la gestion de l'équipe, familier avec la gestion globale du secteur des entreprises
Il y a des idées profondes dans toute l'affaire pour les relations publiques traditionnelles, le programme de communications intégrées traditionnelles dans son ensemble, le plan stratégique global
Avec sa connaissance du marché vif et précis des compétences d'analyse des clients, équipe forte capacité globale de gestion
Excellente gestion du temps, la résilience et la capacité de planification multi-tâches et la mise en uvre intégrée
Il existe un large éventail de réseau de terrain TMT des ressources, il y a une expérience de marketing parti préféré
Publicité dans les médias, le marketing, les relations publiques Top20 expérience de l'expansion du marché de l'entreprise est préféré.
Ji-won nouvelles personnes accueillent avec de nobles idéaux à venir à l'entrevue, plus le recrutement, visitez le nouveau numéro Ji-won publique
