編者按：近日，谷歌把神經(jīng)網(wǎng)絡(luò)算法加入手機(jī)端搜索。為了讓搜索更智能，谷歌在全世界聘用了百名語言學(xué)博士，夜以繼日地標(biāo)注文本數(shù)據(jù)，來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。雖然無監(jiān)督學(xué)習(xí)成為熱點(diǎn)已有些時日，谷歌還未能擺脫人工處理數(shù)據(jù)的困境。

搜索“世界上最快的鳥是什么？”

谷歌會告訴你：“游隼。根據(jù) Youtube，游隼被記錄下最高 389 km/h 的時速?！?/p>

這的確是正確答案，但它并非來自于谷歌的數(shù)據(jù)庫。當(dāng)你輸入這個問題的時候，谷歌搜索引擎找出了一個描述世界上五種最快鳥兒的 Youtube 視頻。然后它只把最快的“一種”鳥兒的信息提取出來，不提及另外四種。

這是谷歌搜索最新的技術(shù)進(jìn)展。為了回答這些問題，谷歌需要借助深度神經(jīng)網(wǎng)絡(luò)。作為 AI 技術(shù)之一，它不僅正在重塑谷歌搜索引擎，還在革新谷歌全套人工智能服務(wù)。其它互聯(lián)網(wǎng)巨頭當(dāng)然也受到波及，例如 Facebook 和微軟。

深度神經(jīng)網(wǎng)絡(luò)是一種模式識別系統(tǒng)。它能通過分析海量數(shù)據(jù)，學(xué)習(xí)如何處理特定任務(wù)。這個例子中，它學(xué)會了怎么在網(wǎng)絡(luò)上的長篇文字中找出相關(guān)的一句或一段話，然后提取其中的要點(diǎn)呈現(xiàn)給你。

移動端谷歌搜索剛剛上線這種“句子壓縮算法”（sentence compression algorithms）。這個對人類來說很簡單，但對傳統(tǒng)的機(jī)器來說很難的任務(wù)，終于能被 AI 系統(tǒng)完成。這說明，深度學(xué)習(xí)正在促進(jìn)自然語言理解這門藝術(shù)（理解并回應(yīng)人類語言）的發(fā)展。

谷歌研發(fā)產(chǎn)品經(jīng)理 David Orr 說：“對于“句子壓縮”，你不得不使用神經(jīng)網(wǎng)絡(luò)算法，因?yàn)檫@是目前我們發(fā)現(xiàn)的唯一方法?！?/p>

為了訓(xùn)練神經(jīng)網(wǎng)絡(luò)算法，谷歌在全世界聘用了約百名語言學(xué)博士處理數(shù)據(jù)，對它們?nèi)斯ずY選。事實(shí)上，谷歌的系統(tǒng)是從人類那里學(xué)習(xí)，怎么在大段文字中提取有用信息。而這過程需要一遍遍地重復(fù)——這是深度學(xué)習(xí)一個很大的限制。雇傭大批語言學(xué)家不停地篩選數(shù)據(jù)既麻煩又極其昂貴，但短期內(nèi)谷歌沒有別的辦法。

“黃金數(shù)據(jù)”和“白銀數(shù)據(jù)”

谷歌也使用過期的新聞來訓(xùn)練 AI 問答系統(tǒng)。這使 AI 逐漸理解，新聞標(biāo)題是如何對文章主體進(jìn)行歸納的。但這并不意味著谷歌不需要成批語言學(xué)家了。他們不僅示范句子壓縮，還要對語句的不同部分做標(biāo)記，以幫助神經(jīng)網(wǎng)絡(luò)理解人類語言是如何工作的。David Orr 把谷歌語言學(xué)家團(tuán)隊(duì)處理的數(shù)據(jù)稱為“黃金數(shù)據(jù)”，過期新聞則是“白銀數(shù)據(jù)”。“白銀數(shù)據(jù)”作用不小，因?yàn)樗捏w量很大。但價值最大的還是“黃金數(shù)據(jù)”，它們是 AI 訓(xùn)練的核心。語言學(xué)家團(tuán)隊(duì)的負(fù)責(zé)人 Linne Ha 透露，在可見的將來，語言學(xué)家隊(duì)伍仍會繼續(xù)擴(kuò)大。

這類需要人工輔助的 AI 學(xué)習(xí)便是“監(jiān)督學(xué)習(xí)”（supervised learning），目前，神經(jīng)網(wǎng)絡(luò)都是這么運(yùn)作的。有時候公司會把這個業(yè)務(wù)進(jìn)行眾包，有時候它會自發(fā)地進(jìn)行。比方說，全世界的網(wǎng)民已經(jīng)為數(shù)百萬的貓咪照片添加了“貓咪”標(biāo)簽，這會讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)識別貓咪變得很簡單——訓(xùn)練數(shù)據(jù)已經(jīng)處理好了。但很多情況下，研究人員們別無選擇，只能自己一次次為數(shù)據(jù)添加標(biāo)簽。

深度學(xué)習(xí)初創(chuàng)公司Skymind 的創(chuàng)始人 Chris Nicholson 認(rèn)為，長遠(yuǎn)來看，人工標(biāo)注數(shù)據(jù)是不可行的。他說：“將來一定不會是這樣。這是極度枯燥的活兒。我想不出比這更無聊的 PhD 工作了。”

監(jiān)督學(xué)習(xí)的缺陷遠(yuǎn)不止如此：除非谷歌聘請所有語言的語言學(xué)家，否則這個系統(tǒng)無法在其他語言中運(yùn)轉(zhuǎn)。現(xiàn)在，語言學(xué)家團(tuán)隊(duì)的工作橫跨了 20 至 30 種語言。谷歌必須在將來的某一天，采取更自動化的 AI 訓(xùn)練方式，即“無監(jiān)督學(xué)習(xí)”（unsupervised learning）。

到了那時，機(jī)器將能夠從未經(jīng)人工標(biāo)注的數(shù)據(jù)中學(xué)習(xí)?；ヂ?lián)網(wǎng)上海量的數(shù)字信息可以被直接用于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。 Google、Facebook 和 OpenAI這樣的巨頭們已經(jīng)開始這個領(lǐng)域的研究，但它的實(shí)際應(yīng)用仍然非常遙遠(yuǎn)?，F(xiàn)在，AI 學(xué)習(xí)仍然需要幕后的大批語言學(xué)家隊(duì)伍。

via wired

【招聘】雷鋒網(wǎng)堅(jiān)持在人工智能、無人駕駛、VR/AR、Fintech、未來醫(yī)療等領(lǐng)域第一時間提供海外科技動態(tài)與資訊。我們需要若干關(guān)注國際新聞、具有一定的科技新聞選題能力，翻譯及寫作能力優(yōu)良的外翻編輯加入。工作地點(diǎn)深圳。簡歷投遞至 guoyixin@leiphone.com 。兼職及實(shí)習(xí)均可。

相關(guān)文章：

Facebook Yann LeCun一小時演講： AI 研究的下一站是無監(jiān)督學(xué)習(xí)（附完整視頻）

專訪 Jeff Dean丨谷歌戰(zhàn)神談增強(qiáng)學(xué)習(xí)和無監(jiān)督學(xué)習(xí)

AI 黑箱難題怎么破？基于神經(jīng)網(wǎng)絡(luò)模型的算法使機(jī)器學(xué)習(xí)透明化

回顧Google神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯上線歷程 | 深度

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。