除將人工聰明系統應用在旗下辦事，google也申明愈來愈多科技利用已與人工聰明互相關注，例如使用人工聰明闡明展望各類病症，包括協助臨床醫師檢測淋巴結內的乳腺癌轉移情形，或是挑選判定糖尿病視網膜病變，同時也進一步將人工智慧系統與各類醫療輔助裝備連系，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不是需住院窺察，和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入認識病患可能需求。
而其他的挑戰則包括若何推廣至臨床，而且確立醫師及病患對於分析數據成果的信賴，別的也包含若何將人工智慧系統闡明應用落其實醫療工作流程。
就今朝google所採用體式格局，首要是藉由主控類神經網絡推導子集進修模子架構，而且藉其進行特定模式的進修練習，同時評估最終練習了局，最後再將練習後果傳回主控類神經收集，過程當中則會遵照學習情形判定是不是批改資料翻譯
如斯一來也能藉由知曉系統若何運算，進而把握資料若何被利用、運算，避免系統產生「踰矩」現象，讓利用者能善用人工聰明運算模式帶來更便利且具效力的利用體驗，同時也因為人工聰明系統仍沒法自行判定內容素質，即使人工聰明手藝以相當迅速角度成長，作為終究了局判定、利用的「人」依然飾演主要腳色翻譯
藉人工聰明鞭策全新醫療系統
針對今朝普遍應用在google search、google翻譯、google photos、語音辨識等辦事的人工智慧系統，google除申明藉由客製化處置器tpu縮減進修練習時間，更進一步申明背後運作的類神經收集組成進修模型設計道理，藉由從延續學習進程積累衍生全新進修經驗，讓人工聰明系統變得更為「伶俐」翻譯
但在踐諾此項成長之前，google也面對分歧醫療機構採用數據記實格式差別所構成資料取用的難題，因此今朝將藉由醫療開放數據標準fhir (fast healthcare interoperability resources)讓病例等紀錄資料花樣同一，如斯才能讓人工智慧系統取用，而且用於深度進修剖析，但對於現有醫療數據資料仍須破費大量人力與時候統合翻譯
新的進修模子已經用在支援cifar-10的圖象辨識，和用於自然說話處置懲罰的penn treebank資料集說話模子內，而且作為許多google辦事的運用根蒂根基，例如以更快體式格局辨認圖象內容為「熊貓」，和在輸入法中即時顯示下一個備選詞彙。
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毗鄰所產生思慮模式，google內部研究團隊藉由積層式類神經收集交疊組成1010組 (100億組)收集交結組合，並且透過可進化式演算法及強化進修演算法使系統能從進修過程當中積累經驗，進而告竣從進修經驗中進修的成效，一如人類會從經驗軌則內進修分歧設法的情況。
不外，固然今朝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軌則，但仍然沒法讓系統本身認識今朝地點處置內容的素質，亦即沒法像人類般有感情般思慮，是以也沒法在進修過程中判定資料是不是有誤，僅能仰賴延續學習進程發現毛病而從新批改，或是透過人為體式格局進行調整。
乃至針對醫療人力資本較為欠缺的偏僻地區或成長中國度，連系雲端闡明運算資本也能協助醫師做出更准確的醫療診斷。今朝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，構想若何連系機器進修手藝及臨床診斷專業知識，藉此改良醫療成效、下降沒必要要的額外醫療破費與醫療疏失情形，同時協助臨床醫師運用更準確的剖析判定做出更好的診斷了局。
人工聰明已從幾年前仍處於實行室階段，短時候內大量進入一般糊口，幾近包括手機、網路辦事等利用均包括人工聰明技術成份，而且帶來比擬傳統更高的運算效率，是以成為全新電腦運算成長模式，同時也因為今朝天天所產生數據資料愈來愈多，透過傳統演算模式已經沒法合乎效益，是以導入人工聰明的闡明演算模式將成為往後主流。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利用，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。
本文來自: https://udn.com/news/story/11131/2468894有關翻譯的問題歡迎諮詢華頓翻譯社
留言列表
