谷歌對于機器學習的研究要追溯到7-8年前的語音技術開始。但是,機器學習這一技術取得突破性進展,是發(fā)生在計算機視覺領域。谷歌的機器學習產(chǎn)品包括一系列的云服務和工具。
谷歌機器學習的原理是,用眾多的電腦模擬人腦中的“神經(jīng)元”,形成一個人“神經(jīng)網(wǎng)絡” ( Artificial Neural Network)。它不需要借助大批研究人員幫助電腦標明事物之間的差異,只要為算法提供海量的數(shù)據(jù),“神經(jīng)元”與“神經(jīng)元”之間的關系將會發(fā)生變化,讓數(shù)據(jù)自己說話,讓組成“神經(jīng)網(wǎng)絡”的機器具備自動學習、識別數(shù)據(jù)的能力,在新的輸入中找出與學到的概念對應的部分,達到機器學習的效果。例如,當人們需要計算機辨別圖片內(nèi)容的時候,各個人工神經(jīng)元就會把所抓取的信息傳遞給被設置為“決策者”的神經(jīng)元上,它們通過統(tǒng)觀其下層所有神經(jīng)元所呈現(xiàn)的信息,結合案例、數(shù)據(jù)的分析及算法最終得出結論。
而在這背后,谷歌的機器學習的步驟是:首先需要找到“Model(模型)”,就是在輸入和輸出中間的一個轉換公式,也就是“機器學習”中的“機器”;其次,需要為這個公式找到“參數(shù)”,這是需要機器進行學習,并不斷修正;最后,它需要“學習”如何不斷調(diào)整參數(shù)、降低錯誤。