本文摘要：1月15日，谷歌高级研究员、谷歌AI负责人JeffDean公开发表了博文，回顾总结了2018年谷歌的技术研究进展。JeffDean从谷歌的人工智能、量子计算出来、感官技术、算法理论、AutoML、机器人以及TPU等多个技术层面，系统地还原成了谷歌AI的2018。众所周知，在去年一整年，谷歌遭遇了诸多危机，特别是在是不害人的原则受到内外的批评。 JeffDean博客中首要提及的乃是谷歌的道德原则和AI。

1月15日，谷歌高级研究员、谷歌AI负责人JeffDean公开发表了博文，回顾总结了2018年谷歌的技术研究进展。JeffDean从谷歌的人工智能、量子计算出来、感官技术、算法理论、AutoML、机器人以及TPU等多个技术层面，系统地还原成了谷歌AI的2018。众所周知，在去年一整年，谷歌遭遇了诸多危机，特别是在是不害人的原则受到内外的批评。

JeffDean博客中首要提及的乃是谷歌的道德原则和AI。道德原则和人工智能今年，我们公布了GoogleAI原则，但是，由于AI的发展十分很快，AI原则中诸如“防止生产或强化不公平的种族主义”、“对人民负责管理”等也在大大变化和改良。

其中，机器学习公平性和模型可解释性等领域的新研究，正反向推展我们的产品变革，使其极具包容性。例如我们在谷歌翻译成中增加“性别种族主义”，并容许探寻和公布极具包容性的图像数据集和模型，使计算机视觉需要适应环境全球文化的多样性。社会公益JeffDean举例了AI应用于解决问题现实公共问题的案例：洪水预测工作。该研究与Google的许多团队合作，目的获取有关洪水再次发生有可能和范围的精确细粒度信息，使洪水易发地区的人们需要更佳地维护自己及其财产。

地震余震预测的工作。谷歌展出了机器学习（ML）模型可以比传统的基于物理的模型更加精确地预测余震方位。除此之外，还有许多Google研究人员和工程师合作，用于TensorFlow等开源软件解决问题各种科学和社会问题，例如用于卷积神经网络来辨识座头鲸的方位，检测新的系由外行星，辨识患病的木薯植物等。

AI辅助技术为了使ML和计算机科学协助用户更慢更加有效地已完成任务，谷歌发售了智能语音技术GoogleDuplex。这是一个涵盖自然语言研究和对话解读以及文本、语言识别的技术。

其核心是一个循环神经网络，用于的是TensorFlowExtend（TFX）的机器学习平台建构。当GoogleDuplex电话电话时，它的声音几近现实的普通人。你可以听见GoogleDuplex老大你打电话购票剪发。

其他应用于案例还包括SmartCompose，它可以用于预测模型获取有关如何编写电子邮件的涉及建议，使电子邮件编写过程更加慢更容易的工具。我们研究的一个重点是让Google智能助理这样的产品反对更加多语言，并且可以更佳地解读语义相似性。量子计算出来在过去的一年里，我们制作了许多令人兴奋的量子计算出来新的成果，还包括研发了一种新的72比特标准化量子计算出来设备Bristlecone，该设备可以不断扩大量子计算机在量子领域可以解决问题的问题。

我们还公布了量子计算机的开源编程框架Cirq，并探究了量子计算机如何用作神经网络。最后，我们共享了量子处理器性能波动的经验和技术以及量子计算机如何作为神经网络计算出来基板的一些点子。自然语言解读2018年，Google的自然语言研究在基础研究和以产品为中心的合作上都获得了十分篮的成果。

我们在之前的机器学习模型基础上研发了一个新的分段版本的模型UniversalTransformer，它在还包括翻译成和语言推理小说在内的许多自然语言任务中都表明出有强劲的技术能力。我们还研发了BERT，这是第一个深度双向，无监督的自然语言处置模型，仅有用于显文本语料库展开实训练，就能用于迁入自学对各种自然语言任务展开微调。感官我们的感官研究解决问题了容许计算机解读图像，声音以及为图像提供、传输、处置，创造性传达和增强现实获取更加强劲工具的难题。

GoogleAI愿景的一个关键是让其他人需要从我们的技术中获益，今年我们在改良作为GoogleAPI一部分的功能和建构块方面获得了相当大进展。比如通过MLKit在CloudMLAPI和面部涉及设备建构块中构建视觉和视频的改良和新功能。MobileNetV2是谷歌的下一代移动计算机视觉模型，我们的MobileNets普遍应用于学术界和工业界。

MorphNet明确提出了一种有效地的方法来自学深层网络的结构，从而在计算资源受限的同时，改良图像和音频模型上的性能。计算出来摄影手机照片性能的提高某种程度在于物理传感器的改良，更加大部分要归咎于计算出来摄影技术的发展。我们的计算出来摄影技术正在与Google的Android和消费者硬件团队密切合作，将这项研究交付给近期的Pixel和Android手机及其他设备。

2014年，我们发售了HDR＋，可以在软件中偏移帧，并将它们与计算出来软件融合，使图片具备比单次曝光更高的动态范围。这是2018年我们需要在Pixel2中研发MotionPhotos，以及MotionStills中研发增强现实模式的基础。今年，我们在计算出来摄影研究方面的主要工作之一就是建构一种取名为NightSight的新功能，即便在没闪光灯的情况下，也能让Pixel用户在十分明亮的场景中拍得明晰的照片。

算法和理论在过去的一年中，我们的研究涵括从理论基础到应用于算法，从图形挖出到隐私维护计算出来等普遍领域。我们在优化方面的工作牵涉到从研究机器学习的持续优化到分布式人组优化的领域。

在前一领域，我们研究用作训练神经网络的随机优化算法的收敛性（其夺得了ICLR2018最佳论文奖），展出了风行的基于梯度的优化方法（例如ADAM的一些变体）的问题，为新的基于梯度的优化方法获取了扎实的基础。

本文来源：大宝777游戏-www.istanbulkariyermerkezi.com