與人工智慧略有不同,機器學習的目的並非是要讓電腦變得更聰明,僅僅只是希望讓電腦變成更有效的「工具」,在這個思維下,提升電腦的自主學習能力,是為了改善自動判別的準確度,以提供用戶更適切的搜尋結果。
而為了讓機器學習可以更快進化,Google 採用了「深度學習 Deep Learning」的方式,透過層疊多種模型來產生更複雜的學習模式,來進行接近人腦的思考方式。具體來說,每一層模型都具備辨識能力,當數據進入模型中,電腦可以依循不同的條件、不同的識別元素、不同的運算方式,來一步步篩選出正確的結論。目前 Google 已經應用 Deep Learning 在以下產品中:
- Gmail:可以自動辨識 99% 的垃圾郵件,僅僅只是分析用戶的使用行為,就可以正確的判斷哪些信件是垃圾郵件。(現在甚至可以自動回信了,詳見:信箱裡的 Mail 看不完?Google 的新功能幫你自動回)
- Google 語音辨識:透過大量的語音數據,目前已經可以正確的判讀出常用的句子,並且減少 20% 的錯誤量。
- Google Photo:可以用關鍵字搜尋到特定照片,不管是動物、地名、情感,都可以快速篩選出來(Google 表示要讓電腦辨識出貓這種隨時都會有不同模樣的影像,相當不容易)。
其中 Google 更以 Google Photo 為例,表示在面對大量照片整理時,人類缺乏有效的整理方式,並且會遺漏一些重要的訊息。舉例來說,透過 Google 關鍵字搜尋的方式,甚至可以協助用戶,找到內容包含有海蝕地形的照片。
對 Google 來說,每一層模型可以識別的特定項目是什麼,並不是最要緊的事情。重點在這個系統中,每一個模型都擁有學習的能力,而這也是為什麼 Google 重視深度學習系統的原因。受惠於電腦技術的發展,以及運算速度的提升,電腦學習已經有了相當成熟的發展環境。由於 Google 對目前的發展速度仍嫌不足,因此才希望透過開源的系統,吸引更多人以及更多數據,一起改善並提升開發速度。
Android 6.0 值得升級? Google 點出 10 大特色!
不用抽 不用搶 現在用APP看新聞 保證天天中獎 點我下載APP 按我看活動辦法