norriseon6v@outlook.com

翻譯社

新的學習模子已經用在支援​cifar-10的圖象辨識，以及用於天然說話處置的​penn treebank資料集說話模子內，並且作為很多google辦事的應用基礎，例如以更快體式格局識別圖象內容為「熊貓」，以及在輸入法中即時顯示下一個備選辭彙。

如斯一來也能藉由知曉系統若何運算，進而掌握資料若何被利用、運算，避免系統產生「踰矩」現象，讓使用者能善用人工智慧運算模式帶來更便當且具效率的利用體驗，同時也因為人工智慧系統仍沒法自行判定內容本質，即便人工聰明手藝以相當敏捷角度成長，作為最終結果判定、利用的「人」依然飾演重要腳色。

針對目前普遍利用在google search、google翻譯、google photos、語音辨識等服務的人工聰明系統，google除說明藉由客製化處置懲罰器tpu縮減學習練習時間，更進一步申明背後運作的類神經收集組成進修模子設計原理，藉由從延續進修過程累積衍生全新進修經驗，讓人工智慧系統變得更為「伶俐」翻譯

藉人工智慧鞭策全新醫療系統

隸屬google brain團隊的研究科學家quoc le申明，為了摹擬人腦神經元連接所產生思慮模式，google內部研究團隊藉由積層式類神經網絡交疊組成10¹⁰組 (100億組)收集交結組合，而且透過可進化式演算法及強化進修演算法使系統能從學習過程當中累積經驗，進而殺青從學習經驗中進修的成效，一如人類會從經驗法例內進修分歧設法的情況翻譯

而其他的挑戰則包括如何推行至臨床，並且建樹醫師及病患對於分析數據後果的相信，別的也包括若何將人工智慧系統闡發利用落實在醫療工作流程。

而在google將tensorflow進修模子開源之後，今朝此項進修模子也在短時候內被普遍使用，幾乎多半的人工聰明系統均藉由tensorflow框架進行深度學習練習翻譯

人工聰明已經從幾年前仍處於嘗試室階段，短時間內大量進入一般糊口，幾近包括手機、網路辦事等應用均包括人工智慧手藝成分，而且帶來比擬傳統更高的運算效力，是以成為全新電腦運算成長模式，同時也因為目前天天所產生數據資料愈來愈多，透過傳統演算模式已經無法合乎效益，是以導入人工智慧的闡明演算模式將成為日後主流。

就今朝google所採用體例，主要是藉由主控類神經網絡推導子集進修模型架構，而且藉其進行特定模式的學習練習，同時評估終究訓練成效，最後再將練習後果傳回主控類神經收集，過程當中則會依照學習情形判定是否批改資料翻譯

但在奉行此項成長之前，google也面對分歧醫療機構採用數據記錄花式差別所形成資料取用的困難，是以目前將藉由醫療開放數據標準​fhir (fast healthcare interoperability resources)讓病例等紀錄資料格式同一，如斯才能讓人工智慧系統取用，而且用於深度學習闡明，但對於現有醫療數據資料仍須破費大量人力與時候統合。

甚至針對醫療人力資本較為欠缺的偏遠地域或發展中國度，結合雲端闡明運算資源也能協助醫師做出更准確的醫療診斷。

目前google已與加州大學舊金山分校醫學院、史丹佛大學醫學院、芝加哥大學醫學院等醫療研究人員合作，構想如何結合機械學習手藝及臨床診斷專業知識，藉此改良醫療成效、下降不必要的額外醫療破費與醫療疏失環境，同時協助臨床醫師應用更準確的闡明判定做出更好的診斷結果。

不過，固然目前藉由新設計讓人工聰明系統能以更具效率體式格局進修，乃至自行產生全新進修經驗法例，但依然沒法讓系統自己了解目前地點處理內容的素質，亦即無法像人類般有感情般思慮，因此也沒法在學習過程當中判定資料是不是有誤，僅能仰賴延續學習進程發現錯誤而從新批改，或是透過人為體例進行調劑。

除了將人工聰明系統利用在旗下辦事，google也申明愈來愈多科技應用已與人工聰明互相關注，例如利用人工智慧剖析預測各類病症，包括協助臨床醫師檢測淋巴結內的乳腺癌​轉移情形，或是挑選判斷糖尿病視網膜病變，同時也進一步將人工聰明系統與各類醫療輔助設備連系，藉此實現各類疾病初期預防結果，乃至未來可進一步協助判定病患是否需住院考察，以及判定將來病症影響身體健康環境，同時也能藉由病例資料深切領會病患可能需求。