Google展示AI新实力：让神经网络设计神经网络

（原标题：Google展示AI新实力：第二代TPU、AutoML以及一堆新功能）

炸了！2017 Google I/O开发者大会北京时间昨晚召开，Google带来一整晚密集的信息发布，也再次彰显了Google在人工智能方面的实力。

从移动优先转变为AI优先的Google，在I/O大会的首日几乎所有话题都跟人工智能有关，量子位也对重点内容进行梳理如下。

核心要点：

• 第二代TPU发布，以及TPU研究云

• 为移动设备优化的TensorFlow Lite

• AutoML强化算法，让神经网络设计神经网络

• Google.ai上线，所有AI成果都在这里展示

相关数据：

• 月活安卓设备已达20亿部

• 5亿活跃的Google相册用户

• Google地图每日导航超过10亿公里

• 人们每天观看10亿小时YouTube视频

以下是详细解读。

CEO：使AI触手可及

已经在Google工作13年的现任CEO Sundar Pichai首先登台。量子位把Pichai的开篇演讲摘要还原如下：

△  谷歌CEO Sundar Pichai

我们正在目睹计算领域的新转变：从移动优先到AI优先的世界。和以前一样，这迫使我们重新构想我们的产品，提供更自然、更无缝的交互方式。

所有的进步需要正确的技术架构。去年的I/O，我们推出第一代TPU，今天我们要发布下一代TPU：云TPU。新TPU对推理和训练都进行了优化。

我们认为，如果科学家和工程师们可以在指尖上，拥有更好、更强大的计算工具并展开研究，复杂的社会问题将有巨大的突破。

这也是Google.ai的驱动力。

我们希望让神经网络的创建变得更简单。现在设计一个神经网络非常耗时，所以我们创建了AutoML，可以让神经网络来设计神经网络。我们希望AutoML抵得上几个博士，并在三五年内满足更多开发者的需求。

看到AI已经开始逐渐实用令人激动，但真正要抵达AI优先的世界，还有很长的路要走。在AI普及化方面我们的工作越多，每个人就能越快受益。

Pichai上面提到一个新网站：www.google.ai 。这个网站将用来展示Google和Google Brain团队的研究，包括各种有趣的实验等。

第二代TPU

第一代TPU在去年的谷歌I/O大会上发布，用于运行已训练完成的机器学习模型。而新一代芯片可同时支持模型的训练和学习。这款芯片带来了每秒180万亿次浮点运算的计算性能。

第二代TPU被称作“云TPU”，将通过谷歌云平台向所有人开放。谷歌云平台的开发者仍可以使用传统芯片，例如英特尔Skylake或英伟达Volta GPU去进行设计。

云TPU的推出再次表明，谷歌正在利用领先的技术，与公有云行业的其他对手实现差异化发展。

谷歌CEO皮查伊在I/O大会的主题演讲中表示：“我们希望谷歌云成为机器学习领域最优秀的云。这为重大进步打下了基础。”

为了使计算性能更强大，谷歌开发了订制的超高速网络，将64颗TPU连接至同一台机器学习超级计算机。这台超级计算机被称作“TPU舱”，带来了每秒11.5千万亿次浮点运算的能力，可用于训练单一的大型机器学习模型，或多个较小的模型。

为了证明TPU舱的性能，谷歌表示，如果想要训练最新的大规模翻译模型，那么使用32颗全球最强大的商用GPU需要一整天时间。作为对比，TPU舱只需1/8的性能，就能在6小时内完成对该模型的训练。

单个的云TPU和完整的TPU舱均支持谷歌开源的TensorFlow机器学习系统。

第一代TPU于两年前开始在谷歌公司内部部署，并被用在谷歌的多款产品，例如谷歌搜索、基于机器学习的谷歌翻译、谷歌语音识别，以及谷歌照片之中。

谷歌大脑高级研究员Jeff Deam本周表示，谷歌仍在使用CPU和GPU去训练机器学习模型。不过他预计，未来谷歌将越来越多地使用TPU。

与此同时，谷歌还发布了“TensorFlow研究云”。这是由1000颗云TPU组成的簇，在满足某些条件的情况下谷歌将免费提供给研究者使用。如果希望使用，那么研究者必须同意公开发表研究成果，或许还需要开源研究中的相关代码。

谷歌推出TensorFlow研究云的目的是加速机器学习的研究进展，并计划将其分享给哈佛医学院等学术机构。

对参与非公开研究的人士，谷歌计划启动云TPU Alpha项目。

TensorFlow Lite

在I/O上谈到Android的未来时，谷歌工程副总裁宣布，他们将推出一个专门为移动设备而优化的TensorFlow版本，称为TensorFlow lite。

用这个新框架，开发者可以创造更简洁的深度学习模型，让它们运行在Android智能手机上。不过，深度学习的训练过程还是需要在云端完成。

谷歌打算今年晚些时候推出TensorFlow lite API并开源。

Facebook今年F8开发者大会发布的Caffe2，和去年推出的Caffe2Go，也是这个思路。

让AI设计AI

谷歌想让AI变得更加“平易近人”，简化神经网络模型的建造过程是个好办法。

CEO劈柴哥在官方博客上说，现在，设计神经网络非常耗时，对专业能力要求又高，只有一小撮科学家和工程师能做。为此，谷歌创造了一种新方法：AutoML，让神经网络去设计神经网络。

谷歌希望能借AutoML来促进深度学习开发者规模的扩张，让设计神经网络的人，从供不应求的PhD，变成成千上万的普通工程师。

手动设计神经网络的难点在于，所有可能的模型都有着巨大的搜索空间，一个典型的10层神经网络，变化形式高达约10 ^{10 种。}

△  谷歌耗费数年探索出的GoogleNet网络架构

在AutoML中，一个主控的神经网络可以提出一个“子”模型架构，并用特定的任务来训练这个子模型，评估它的性能，然后，主控收到反馈，并根据反馈来改进下一个提出的子模型。

这个过程，简单来说就是：生成新架构-测试-提供反馈供主控网络学习。在重复上千次后，主控网络学会了哪些架构能够在已知验证集上得到更高的准确率。

谷歌用了两个经常作为基准的数据集来测试他们的模型，一个是图像识别领域的CIFAR-10，另一个是语言处理领域的Penn Treebank。在两个数据集上，自动设计的神经网络准确率都能与顶尖人类专家设计的网络媲美。

△  两个用于在Penn Treebank上预测下一个词的神经网络：左图出自人类专家之手，右图由算法自动设计

要深入了解自动搭建神经网络的算法，可以看看谷歌今年的两篇会议论文：

进化算法：

Large-Scale Evolution of Image Classifiers

https://arxiv.org/abs/1703.01041

EstebanReal, Sherry Moore, Andrew Selle, Saurabh Saxena, Yutaka Leon Suematsu,Quoc Le, Alex Kurakin. International Conference on Machine Learning,2017.

强化算法：

Neural Architecture Search with Reinforcement Learning

https://arxiv.org/abs/1611.01578

Barret Zoph, Quoc V. Le. International Conference on Learning Representations, 2017.

其他

这次I/O大会还有很多其他有意思的看点，这里精选一些。

各种数字

月活安卓设备已达20亿部，还有5亿活跃的Google相册用户，每天产生12亿张照片或者视频。Google地图每日导航超过10亿公里。Google Drive云存储拥有8亿用户。人们每天观看10亿小时YouTube视频。

Lens

Google在虚拟助理服务中，加入Lens（镜头）功能。在这个功能的帮助下，只需要手机摄像头一照，你就能知道面前是什么花，街对面的餐馆怎么样等信息。这是一个结合了AI、AR、机器学习、计算机视觉等技术的功能。

智能邮件回复

安卓和iOS平台的Gmail邮件客户端，有了一个名为Smart Reply的自动回复功能，可以基于收到的邮件，给出最多三种自动回复。

语音助手

Google Assistant虚拟助手也在iPhone上正式发布。

免费通话

借助Google Home，两个用户之间可以展开免费通话，就像新一代座机。

照片分享

Google Photos现在可以提供分享建议，例如哪些照片应该分享，可以与谁分享等等。

视频打赏

看YouTube视频时，付费使用Super Chat功能，就能把你的评论突出显示。

VR眼镜

Google正与合作伙伴一起推出独立的VR眼镜，以后无需电脑或手机，所有的VR体验都能在眼睛中处理完成。

找工作

Google搜索可以给你提供附近的工作招募信息。

Android Go

这是一个为低连接设备推出的产品。

室内导航

Google发布了VPS，视觉定位服务。让用户可以使用Tango AR平台进行室内的导航定位。

【完】