Google sätter sin virtuella hjärnteknik i arbete

I somras satte Google ett nytt landmärke inom artificiell intelligens med programvara som lärde sig att känna igen katter, människor och andra saker helt enkelt genom att titta på YouTube-videor (se självlärd programvara ). Den tekniken, som bygger på hur hjärnceller fungerar, sätts nu igång med att göra Googles produkter smartare, med taligenkänning som den första tjänsten att dra nytta av.

Platonskt ideal: Den här sammansatta bilden representerar den idealiska stimulansen som Googles neurala nätverk känner igen som ett kattansikte.

Googles inlärningsprogram är baserad på att simulera grupper av anslutna hjärnceller som kommunicerar och påverkar varandra. När ett sådant neuralt nätverk, som det kallas, exponeras för data, kan relationerna mellan olika neuroner förändras. Det gör att nätverket utvecklar förmågan att reagera på vissa sätt på inkommande data av ett visst slag – och nätverket sägs ha lärt sig något.

Neurala nätverk har använts i decennier i områden där maskininlärning tillämpas, såsom programvara för schackspel eller ansiktsdetektering. Googles ingenjörer har hittat sätt att lägga mer datorkraft bakom tillvägagångssättet än vad som tidigare varit möjligt, skapa neurala nätverk som kan lära sig utan mänsklig hjälp och som är robusta nog att användas kommersiellt, inte bara som forskningsdemonstrationer.

Företagets neurala nätverk bestämmer själva vilka funktioner i data som ska uppmärksammas och vilka mönster som spelar roll, snarare än att människor bestämmer att till exempel färger och speciella former är av intresse för programvara som försöker identifiera objekt.

Google använder nu dessa neurala nätverk för att känna igen tal mer exakt, en teknik som blir allt viktigare för Googles smartphoneoperativsystem, Android, såväl som sökappen den gör tillgänglig för Apple-enheter (se Googles svar till Siri Thinks Ahead ). Vi fick mellan 20 och 25 procents förbättring när det gäller ord som är fel, säger Vincent Vanhoucke , ledare för Googles taligenkänningsinsatser. Det betyder att många fler kommer att få en perfekt upplevelse utan fel. Det neurala nätet fungerar än så länge bara på amerikansk engelska, och Vanhoucke säger att liknande förbättringar borde vara möjliga när det introduceras för andra dialekter och språk.

Andra Google-produkter kommer sannolikt att förbättras med tiden med hjälp av den nya inlärningsmjukvaran. Företagets bildsökningsverktyg kan till exempel bli bättre på att förstå vad som finns på ett foto utan att förlita sig på omgivande text. Och Googles självkörande bilar (se Look, No Hands ) och mobila datorer inbyggda i ett par glasögon (se You Will Want Googles Goggles ) skulle kunna dra nytta av programvara som bättre kan förstå mer verklig data.

Den nya tekniken fick rubriker redan i juni i år, när Googles ingenjörer publicerade resultaten av ett experiment som kastade 10 miljoner bilder tagna från YouTube-videor mot deras simulerade hjärnceller, som körde 16 000 processorer över tusen datorer i 10 dagar utan paus.

Genomsnittliga funktioner: Denna sammansatta bild representerar den idealiska stimulansen för Googles programvara att upptäcka ett mänskligt ansikte i ett foto.

De flesta människor håller sin modell i en enda maskin, men vi ville experimentera med mycket stora neurala nätverk, säger Jeff Dean , en ingenjör som hjälper till att leda forskningen på Google. Om du skalar upp både storleken på modellen och mängden data du tränar den med kan du lära dig finare distinktioner eller mer komplexa funktioner.

De neurala nätverk som kommer ut ur den processen är mer flexibla. Dessa modeller kan vanligtvis ta mycket mer sammanhang, säger Dean och ger ett exempel från taligenkänningsvärlden. Om till exempel Googles system trodde att det hörde någon säga att jag ska äta en litchi, men det sista ordet var något dämpat, kan det bekräfta sin gissning baserat på tidigare erfarenheter av fraser eftersom litchi är en frukt och används i samma sammanhang som äpple eller apelsin.

Dean säger att hans team också testar modeller som förstår både bilder och text tillsammans. Du ger den 'tumlare' och den ger dig bilder på tumlare, säger han. Om du ger den en bild av en tumlare, ger den dig 'tumlare' som ett ord.

Ett nästa steg kan vara att låta samma modell lära sig ljudet av ord också. Att kunna relatera olika former av data som det kan leda till taligenkänning som samlar in extra ledtrådar från video, till exempel, och det kan öka kapaciteten hos Googles självkörande bilar genom att hjälpa dem att förstå sin omgivning genom att kombinera de många dataströmmarna de samlar in, från laserskanningar av närliggande hinder till information från bilens motor.

Googles arbete med att skapa neurala nätverk tar oss ett litet steg närmare ett av de ultimata målen för AI – att skapa programvara som kan matcha djurens eller kanske till och med mänsklig intelligens, säger Yoshua Bengio , en professor vid University of Montreal som arbetar med liknande maskininlärningstekniker. Detta är vägen mot att skapa mer allmän artificiell intelligens - det finns inget sätt att du kommer att få en intelligent maskin om den inte kan ta in en stor mängd kunskap om världen, säger han.

Faktum är att Googles neurala nätverk fungerar på liknande sätt som vad neuroforskare vet om den visuella cortex hos däggdjur, den del av hjärnan som bearbetar visuell information, säger Bengio. Det visar sig att funktionen lärande nätverk som används [av Google] liknar de metoder som används av hjärnan som kan upptäcka objekt som existerar.

Han är dock snabb med att tillägga att även Googles neurala nätverk är mycket mindre än hjärnan och att de inte kan utföra många saker som är nödvändiga för intelligens, som att resonera med information som samlats in från omvärlden.

Dean är också noga med att inte antyda att de begränsade intelligenser han bygger är nära att matcha någon biologisk hjärna. Men han kan inte motstå att påpeka att om du väljer rätt tävling har Googles neurala nätverk människor besegrat.

Vi ser bättre prestanda än på mänsklig nivå i vissa visuella uppgifter, säger han och ger exemplet med märkning, där husnummer visas i bilder tagna av Googles Street View-bil, ett jobb som brukade användas till många människor.

De börjar använda neurala nät för att avgöra om en lapp [i en bild] är ett husnummer eller inte, säger Dean, och de visar sig prestera bättre än människor. Det är en liten seger – men en som belyser hur långt artificiella neurala nät är bakom dem i ditt huvud. Det är förmodligen så att det inte är särskilt spännande, och en dator blir aldrig trött, säger Dean. Det krävs riktig intelligens för att bli uttråkad.

Dölj