虛擬大腦工作方式解析
據悉,谷歌的「虛擬大腦」是,類比腦細胞相互交流、影響設計的。可以通過看 YouTube 視頻學習識別貓、人以及其他事物。當有資料被送達這個神經網路的時候,不同神經元之間的關係就會發生改變。而這也使得神經網路能夠得到對某些特定資料的反應機制:而據報導,這個網路現在已經學到了一些東西。
「神經網路」在機器學習(Machine Learning)領域已經應用數十年:並已廣泛應用於包括國際象棋、人臉識別在內的軟體中。而谷歌的工程師們已經在這一領域更進一步,建立不需要人類協助,就能自學的神經網路。這中自學能力,也使得谷歌的神經網路可以應用於商業,而非僅僅作為研究示範使用。
谷歌的神經網路,可以自己決定關注資料的哪部分特徵,注意哪些模式,而並不需要人類決策:顏色、特殊形狀等對於識別物件來說十分重要。
該項虛擬大腦技術最初用識別「貓」臉的方式進行訓練 |
目前,通過應用這個神經網路,谷歌的軟體已經能夠更準確的識別講話內容,而語音辨識技術對於谷歌自己的智慧手機作業系統 Android 來說已經變的非常重要,而同樣這一技術也可以用於谷歌為蘋果 iPhone 開發的應用程式。
谷歌語音辨識部門負責人文森特(Vincent Vanhoucke)表示,「通過使用我們最新的神經網路,以前識別錯誤的情況,20% 至 25% 已經得到改善,也就是說,這些提升能夠讓更多的使用者擁有完美的、沒有錯誤的使用體驗。」儘管目前,谷歌的神經網路僅能應用於美式英語,但是文森特表示,將這一技術應用於其他的口音、語言是完全可能的。
而隨著時間的推移,谷歌的其他產品也能隨之受益。例如谷歌的圖像搜索工具,可以做到更好的理解一幅圖片,而不需要依賴文字描述。而谷歌自動駕駛汽車、谷歌眼鏡也能通過使用這一軟體而的到提升,因為他們可以更好的感知真實世界中的資料。
今年 6 月,谷歌的工程師曾經公佈了一個令人激動研究的結果,他們使用了 1000 台電腦、16000 個處理器 10 天晝夜不停地運轉,通過類比大腦細胞,在 Youtube 的視頻中捕獲了 1000 萬張圖片。谷歌研究部門工程師傑夫·迪恩(Jeff Dean)表示,「大多數人都在一台單一的機器上運行他們的模型,但是我們想要嘗試非常大的神經網路。如果你能夠讓模型以及訓練集數量擴大,那麼你就能更細地區分圖像,從而可以識別更複雜的特徵。』
☆數位夢想☆ 由 Redwolf 製作以 創用CC 姓名標示-相同方式分享 3.0 台灣 授權條款 釋出
沒有留言:
張貼留言
1、本留言處歡迎多加留言交流,但不歡迎垃圾留言及廣告留言
2、留言時可以使用部份 HTML 標記
3、對於教學文章介紹或軟體使用有問題歡迎提出,若站長沒回應表示不清楚該問題的解決方案
4、留言時請勿留下電子郵件,以免因搜尋引擎爬文而造成您的困擾,且站長不會寄相關郵件給您,僅會在留言區提供解決方案
5.站長保留不當刪除留言的權力,若造成不便尚請見諒