Max Home IndustryСтартап нейронных сетей, в состав которого входят Джеффри Хинтон и два его ученика, Алекса Крижевски и Илья Суцкевер, был приобретен Google, чтобы помочь компьютерам понять человеческое значение.
Профессор компьютерных наук Университета Торонто Джеффри Хинтон и его команда DNNresearch работают в области сетей «глубокого обучения».
Это исследование имеет решающее значение для Google, который предпринял необычный шаг, включив Хинтона в свою платежную ведомость, позволив ему разделить свое время между исследованиями в университете в Торонто и работой в штаб-квартире Google в Маунтин-Вью. Google также согласился помочь финансировать DNNresearch в размере 600 000 долларов для поддержки дальнейшей работы в нейронных сетях.
В заметке, опубликованной Хинтоном на его странице в Google+, объясняется его мотивация к переезду:
Прошлым летом я провел несколько месяцев, работая с командой Google Knowledge в Маунтин-Вью, работая с Джеффом Дином и невероятной группой ученых и инженеров, у которых есть реальный шанс добиться впечатляющих успехов в машинном обучении. Вместе с двумя моими недавними аспирантами, Ильей Суцкевер и Алексом Крижевским (которые выиграли конкурс ImageNet в 2012 году), я делаю ставку на команду Google, которая станет эпицентром будущих достижений. Это означает, что скоро мы присоединимся к Google, чтобы работать с некоторыми из самых умных инженерных умов над решением некоторых из самых сложных задач в области компьютерных наук.
Любой, кто записался прошлой осенью на курс Coursera Neural Networks for Machine Learning, который вел Джеффри Хинтон, не может не впечатляться темпами прогресса в этой области и тем фактом, что Хинтон и его команда находятся на переднем крае. это исследование.
Хинтон уже сотрудничал с Google в области глубокого обучения, см. Глубокое обучение от Google — распознавание речи, и становится очевидным, почему он должен таким образом «переманивать» таланты Хинтона и других. Google Tech Talk Хинтона, датированный 2010 годом и включенный в нашу статью «Триумф глубокого обучения», дает некоторое представление о том, что происходит на техническом уровне, — но с тех пор многое уже изменилось!
Хотя это кажется (и остается) глубоко математическим, проблемы, которые пытается решить область исследований Хинтона, нетрудно оценить. Проблема, к которой Google хочет применить эти методы, напрямую связана с поиском и контекстным смыслом.
Возьмите фразу «Я видел, как Гранд-Каньон летел в Чикаго». Вы знаете, что это не означает, что Гранд-Каньон летел в Чикаго, потому что вы знаете, что такое Гранд-Каньон, и можете использовать контекстные подсказки. Однако компьютер не обладает такими знаниями и не может анализировать предложения такого типа.
По словам сотрудника Google Джеффа Дина, в работе Хинтона есть приложения для голосового поиска и поиска по изображениям. Поскольку все больше и больше пользователей отправляют поисковые запросы, делая снимки со своих смартфонов или разговаривая с ними, Google потратил все больше средств на исследования, пытаясь найти способы автоматического получения контекстных подсказок из изображений и звука.
Такие поисковые запросы труднее анализировать по ряду причин. Во-первых, компьютер должен выяснить, что говорит человек или что на самом деле представляет изображение. Исследователи в области компьютерных наук работали над такими областями, как распознавание голоса, в течение десятилетий, но вычислительная мощность для хранения и обучения огромных объемов аудиоданных появилась сравнительно недавно. После того, как компьютер определит, о чем человек просит, он должен применить те контекстные подсказки, которые позволят ему вернуть соответствующий результат.
Сочетание опыта Хинтона и данных Google должно привести к интересным результатам. Смотрите это пространство!