谷歌瘋狂速度推進(jìn)AI革命，讓人們?cè)谏疃葘W(xué)習(xí)系統(tǒng)中實(shí)現(xiàn)民主化

最近幾年，深度學(xué)習(xí)已經(jīng)成為越來(lái)越熱門(mén)的技術(shù)，但很少有公司能像谷歌及其母公司Alphabet那樣，利用深度學(xué)習(xí)技術(shù)在如此多的領(lǐng)域取得巨大進(jìn)展，并將其完全融入到操作業(yè)務(wù)中去。為了與谷歌推動(dòng)其創(chuàng)新的努力保持一致，該公司在云計(jì)算大會(huì)NEXT 2017上發(fā)布了一系列與人工智能（AI）相關(guān)的公告，同時(shí)以“讓人們能夠在世界上最強(qiáng)大的深度學(xué)習(xí)系統(tǒng)中實(shí)現(xiàn)民主化”為主題。

近年來(lái)，谷歌及其姊妹公司已經(jīng)成為“以瘋狂速度推進(jìn)AI革命”的代名詞，并在整個(gè)公司的服務(wù)中引入深度學(xué)習(xí)。其中最著名的例子是，Alphabet子公司Deep Mind的AI程序AlphaGo成為了第一個(gè)擊敗頂級(jí)圍棋選手的機(jī)器，而Waymo的無(wú)人駕駛汽車也已經(jīng)成為自動(dòng)駕駛革命的象征。但是，這是一場(chǎng)靜悄悄的AI革命，它塑造了從谷歌翻譯到谷歌搜索的所有東西，對(duì)谷歌本身產(chǎn)生了最大的影響。同時(shí)，它還帶來(lái)了自動(dòng)推理的力量，幾乎可以影響到公司所做的每一件事情。

由于谷歌已經(jīng)建立起龐大的基礎(chǔ)設(shè)施來(lái)訓(xùn)練和運(yùn)行這些AI系統(tǒng)，谷歌現(xiàn)在正將這些工具帶給大眾。有些公司已經(jīng)建立了自己的AI研究部門(mén)，需要為特定的應(yīng)用程序建立高度定制的模型。然而，在這樣做的過(guò)程中，他們很快就遭遇了構(gòu)建大型深度學(xué)習(xí)模式的艱巨硬件要求，通常需要整個(gè)加速器農(nóng)場(chǎng)進(jìn)行快速的迭代。

在谷歌的案例中，它提供了一個(gè)名為“云機(jī)器學(xué)習(xí)引擎（Cloud Machine Learning Engine）”的深度學(xué)習(xí)托管平臺(tái)，負(fù)責(zé)提供深度學(xué)習(xí)開(kāi)發(fā)所需的硬件，讓企業(yè)可以專注于構(gòu)建自己的模型，并將計(jì)算需求轉(zhuǎn)移到谷歌。畢竟，很少有公司在AI領(lǐng)域投入如此多的資金以建立自己的自定義加速器硬件，就像谷歌的張量處理單元(TPU)那樣。

當(dāng)然，盡管算法和硬件的進(jìn)步在AI革命中發(fā)揮了重要作用，但在沒(méi)有數(shù)據(jù)的情況下，很難在這一領(lǐng)域取得真正的進(jìn)展。目前的AI系統(tǒng)需要海量的數(shù)據(jù)來(lái)學(xué)習(xí)一個(gè)新概念。人類可以看到一個(gè)新物體的單一圖像，并能立即識(shí)別出它，但類似的AI系統(tǒng)需要大量的圖像從多個(gè)角度描繪這個(gè)物體，從而建立正確的內(nèi)部圖像。這意味著，像谷歌這樣的公司能夠收集到數(shù)億張照片，從而為地理位置等應(yīng)用程序構(gòu)建一個(gè)可視化的地球圖像，這是一個(gè)巨大的優(yōu)勢(shì)。

簡(jiǎn)而言之，深度學(xué)習(xí)革命是由數(shù)據(jù)驅(qū)動(dòng)的，但很少有公司能像谷歌那樣擁有如此多的數(shù)據(jù)。這意味著，當(dāng)涉及到深度學(xué)習(xí)系統(tǒng)時(shí)，你很容易找到工具，但很難找到你真正可以使用的預(yù)先訓(xùn)練過(guò)的模型。我本人曾希望找到足夠強(qiáng)大的系統(tǒng)以便對(duì)全球新聞圖片進(jìn)行分類。在過(guò)去的幾年里，我嘗試了無(wú)數(shù)的系統(tǒng)，我發(fā)現(xiàn)許多系統(tǒng)提供了令人不可思議的技術(shù)，但是沒(méi)有任何系統(tǒng)能夠提供豐富的預(yù)先構(gòu)建的目錄，它們沒(méi)有成千上萬(wàn)的標(biāo)簽，也未能很好地利用來(lái)自非西方世界的圖像，直到我偶然發(fā)現(xiàn)了谷歌的 Cloud Vision系統(tǒng)。

事實(shí)上，這是許多公司的共同需求：他們有興趣為客戶建立服務(wù)，而不是進(jìn)行AI研究。隨著外部化趨勢(shì)的發(fā)展，谷歌已經(jīng)通過(guò)發(fā)布許多內(nèi)部AI系統(tǒng)作為公共云的API來(lái)應(yīng)對(duì)這樣的挑戰(zhàn)。Cloud Vision接受任意圖片，并對(duì)物體、活動(dòng)以及文本分類。它能識(shí)別圖片中所描述的位置、估算人臉的情感，甚至還會(huì)標(biāo)記圖片中是否描繪了暴力。所有這些都有API調(diào)用，結(jié)果會(huì)在幾秒鐘內(nèi)反回饋來(lái)，而且可無(wú)限擴(kuò)展。

Cloud Speech可用80多種語(yǔ)言進(jìn)行現(xiàn)場(chǎng)演講，不像傳統(tǒng)的語(yǔ)音轉(zhuǎn)錄系統(tǒng)，它不需要任何訓(xùn)練。Cloud Natural Language接受英語(yǔ)、西班牙語(yǔ)和日語(yǔ)中的任意文本，并輸出獨(dú)立的解析樹(shù)，識(shí)別關(guān)鍵實(shí)體，甚至執(zhí)行情緒分析。在NEXT 2017大會(huì)上，谷歌以其最新的工具 Cloud Video Intelligence擴(kuò)展了這個(gè)陣容，它將視頻和短片分割成場(chǎng)景，并在每個(gè)場(chǎng)景中識(shí)別出主要的主題和活動(dòng)，讓人們可以獲取一個(gè)龐大的視頻檔案，并即時(shí)編輯索引，使其可以被按照題目盡心搜索。

這些API之所以如此強(qiáng)大，是因?yàn)樗鼈兪亲鳛楹?jiǎn)單的API而被公開(kāi)的。你只需用你的數(shù)據(jù)做一個(gè)API調(diào)用，幾秒鐘后就能得到世界上頂尖AI研究人員建立的、經(jīng)過(guò)預(yù)先訓(xùn)練過(guò)的算法給出的結(jié)果。深度學(xué)習(xí)的巨大復(fù)雜性隱藏在一個(gè)簡(jiǎn)單的API調(diào)用背后，你甚至可以將API調(diào)用串在一起，用幾行代碼構(gòu)建難以想象的復(fù)雜工作流程。

Teowaki的賈維爾拉米雷斯（Javier Ramirez）讓我們得以窺視，如何利用這些API快速構(gòu)建一個(gè)完整的工作流程，只需幾分鐘的時(shí)間和幾行代碼。在他的教程中，他以英國(guó)首相特里薩梅（Theresa May）就職演講的YouTube視頻為例，并通過(guò)Cloud Speech API為其提供了一個(gè)高質(zhì)量的文本文字記錄。然后，他通過(guò)Cloud Natural Language來(lái)獲取這些文本，以提取其中提到的重要實(shí)體(以及維基百科頁(yè)面上的鏈接以獲取更多信息)，并計(jì)算出演講的一般情緒。

只需要幾行代碼就可以制作幾個(gè)API調(diào)用，然后用YouTube上的視頻轉(zhuǎn)錄，并提取關(guān)鍵實(shí)體和情感。更令人驚訝的是，整個(gè)工作流程都可以被放大，可以在數(shù)百萬(wàn)個(gè)視頻中運(yùn)行，而無(wú)需進(jìn)行任何改動(dòng)。這就是云計(jì)算的力量。

就在谷歌將其服務(wù)和安全模式具體化的同時(shí)，它也為其不可思議的AI技術(shù)進(jìn)步打開(kāi)了大門(mén)，并為想要打造自己模型的公司提供了AI托管環(huán)境，以及不斷增加的預(yù)先訓(xùn)練模型，這些模型允許公司通過(guò)簡(jiǎn)單的API調(diào)用來(lái)構(gòu)建復(fù)雜的應(yīng)用程序。

在NEXT 2017大會(huì)的幾次會(huì)議中，可以清楚地看到，AI以及其在主題演講中的大量存在表明，谷歌押注于將AI投入到企業(yè)中。最后，谷歌實(shí)際上是通過(guò)讓用戶容易使用來(lái)實(shí)現(xiàn)對(duì)世界上最先進(jìn)AI算法的訪問(wèn)，以至于即使是最小的企業(yè)也可以利用深度學(xué)習(xí)的全部力量來(lái)徹底改變他們做生意的方式。