在 Google I/O 2019 上，除了面向消費者的功能改進和開發(fā)者的工具革新，Google 將大會的一個重點也放在了如何用 AI 解決人類面臨的棘手難題上。
美國工程界的最高學術團體美國國家工程院 ( National Academy of Engineering ) 于 2008 年發(fā)布了21 世紀人類面臨的十四大工程挑戰(zhàn)。而 Google 的科研領袖 Jeff Dean 告訴硅星人，他所領導的 Google AI 正在著手解決這些挑戰(zhàn)。
如果這些挑戰(zhàn)背后的難題不得到一定程度的緩解，很可能意味著人類將無法健康地延續(xù)到 22 世紀。這些難題在世界各地有所體現(xiàn)，也面向各行各業(yè)，但是 Google AI 都在用自己擅長的手段去嘗試攻克它們（或者貢獻一份力量）。
NAE 一共列出 14 條工程挑戰(zhàn)，標紅的是 Google AI 正在參與解決的 圖 /Jeff Dean
毫無疑問，Google AI 擅長的，正是深度學習。
為什么深度學習可以用于解決能源、交通、診斷、醫(yī)藥、安全等等諸多方面的問題，成為泛用的科學探索工具？
Jeff Dean 認為，這是因為深度學習可以從原始、異構、攜帶噪音的數(shù)據(jù)開始學習，即便開發(fā)者不具備特別領域知識，也可以開發(fā)出達到甚至超過領域內最高水平的神經(jīng)網(wǎng)絡。
而且，機器學習技術日新月異，現(xiàn)在每天發(fā)到 ArXiv 上的論文就有 90 篇；深度學習的技巧也層出不窮，使得神經(jīng)網(wǎng)絡能夠掌握越來越多過去公認只有人類才能掌握的復雜能力。
現(xiàn)在，人類不得不應對重大的工程挑戰(zhàn)，并尋求在本世紀內解決他們。Jeff Dean 認為，深度學習可以成為很好的工具。
維護和改進城市基礎設施 Restore & Improve Urban Infrastructure
交通是城市基礎設施的重要部分，也是隨著人口增長和城市化加劇面臨壓力最大的領域之一。社會在變化，而道路通常是一成不變的。因此，交通在 21 世紀工程難題里尤為顯著。
Google 采取的切入角度是提高道路交通安全和效率，而除了開車放下手機之外，最有效的方法可能就是自動駕駛。
Waymo 自動駕駛汽車從研發(fā)到今天已經(jīng)將近 10 年，截至去年已經(jīng)累計行駛 800 萬英里，并且在全球所有自動駕駛試驗者當中取得了最低的事故率。
Jeff Dean 指出，深度學習是 Google/Waymo 取得這一成就的功臣，讓自動駕駛系統(tǒng)可以整合并學習來自不同傳感器的原始數(shù)據(jù)，繪制高精度地圖，" 看懂 " 周圍的車輛、行人和障礙物都在哪里，甚至可以預測其他道路參與者的行進方向，輔助自動駕駛汽車做出決策。
他介紹，現(xiàn)在 Waymo 在亞利桑那州已經(jīng)有超過 100 輛測試自動駕駛汽車，可以在沒有安全駕駛員的條件下載客前往目的地。許多業(yè)內人士都認為，理論上如動駕駛汽車占一個地區(qū)總車輛的比例越高，地區(qū)的事故率越小、交通效率將越高。
除了自動駕駛之外，機器學習也可以通過其它方式提高交通效率。比如在摩托車流行的東南亞國家和地區(qū)，Google 在地圖導航加入了 " 兩輪模式 "，讓系統(tǒng)能夠匯總多元的數(shù)據(jù)來源，為摩托車駕駛者推薦捷徑、小道，從而避免高峰擁堵。
用深度學習帶來醫(yī)療信息革命 Advance Health Informatics
作為糖尿病的并發(fā)癥之一，糖尿病視網(wǎng)膜病變 ( Diabetic Retinopathy, DR ) 侵蝕著患者，一般患病 10 年才開始出現(xiàn)病變，導致失明。這一病癥實際上可預防，有經(jīng)驗的眼科醫(yī)師往往能通過視網(wǎng)膜眼底掃描觀察到先兆。然而，以印度為例，全國存在大約 12 萬名眼科醫(yī)師的缺口，DR 患者往往無醫(yī)可投，導致大量人口失去視力。
Google AI（原 Google Research）的研究員莉莉 · 彭博士帶領團隊，基于卷積神經(jīng)網(wǎng)絡搭建，利用眼科專家標記好的掃描圖作為訓練數(shù)據(jù)，最終得到了一個 DR 預估模型。
此前，硅星人 /PingWest 品玩曾采訪報道過這項技術。當時，該模型在發(fā)現(xiàn)癥狀的敏感度 ( 98.8 ) 和判斷癥狀的準確性 ( 99.3 ) 上，都比人的得分要高（在統(tǒng)計學上這個得分叫做 F-score，普通眼科醫(yī)生的分數(shù)是 0.91，模型 0.95）。
好消息是，Jeff Dean 告訴我們，經(jīng)過兩年的發(fā)展，現(xiàn)在新模型更進一步，得分和專門的視網(wǎng)膜眼底醫(yī)師持平。
這還沒完，該項技術的潛力遠不止診斷 DR。Jeff Dean 透露，莉莉 · 彭的團隊在這個模型上取得了更卓越的科學成就。正是因為深度學習的泛用型強，現(xiàn)在他們可以用同樣的眼底掃描圖像，來預測性別、年齡、血壓、骨齡以及其他病癥的發(fā)病幾率，并且準確度極高。
這在醫(yī)療信息學上是重大的突破，因為它能夠補充因為醫(yī)療條件限制未能獲取的關鍵信息。最短期和直接的效果就是為眼科醫(yī)生的診斷和治療推薦提供更多可參考的數(shù)據(jù)，長期來看還能提前預測和診斷更多病癥（比如心血管疾病）。盡管這并非專業(yè)的診斷，但仍足以提前 5 年甚至 10 年，拯救現(xiàn)在的普通人，未來的患者。
通用 AI：打造科學突破的工具 Engineer the tools for Scientific Discovery
以青霉素和 X 光為例，許多知名的科學突破都存在一定的偶然性。即便如此，人們也一直沒有停止試圖發(fā)現(xiàn)讓科學突破持續(xù)發(fā)生的 " 永動機 "。
Jeff Dean 指出，在更強大計算力的加持下，深度學習可以更方便地投入到更多領域當中。因此，深度學習有成為這樣工具的潛力。因為正如前述，深度學習的技巧層出不窮，讓神經(jīng)網(wǎng)絡掌握越來越多過去公認只有人類才能掌握的復雜能力。
以 TensorFlow 為代表，這一由 Google 主導并開源的深度學習項目，現(xiàn)在正在被農業(yè)種植養(yǎng)殖、工業(yè)生產(chǎn)、互聯(lián)網(wǎng)、醫(yī)療金融等多個行業(yè)使用，在三大產(chǎn)業(yè)中持續(xù)促成效率進步。一個例子在歐洲的一座農場，農場主運用了 TensorFlow 搭建養(yǎng)殖監(jiān)控技術，通過攝像頭、動作捕捉等傳感器時刻追蹤和分析牲畜的健康狀況和運動軌跡，顯著提高了出欄率。
至于科學突破，前述的視網(wǎng)膜眼底掃描也可以作為一個例子。
前年，Google 宣布了神經(jīng)架構搜索 ( NAS ) /AutoML 技術，可以比喻為 " 用神經(jīng)網(wǎng)絡設計和訓練神經(jīng)網(wǎng)絡 "，在包括圖像識別在內的一些領域超過了手調神經(jīng)網(wǎng)絡的效果。
但是現(xiàn)在，Google AI 已經(jīng)不滿足于已經(jīng)取得的成就。Jeff Dean 說，他們正在思考一種全新的神經(jīng)網(wǎng)絡形式：一個巨大的、稀疏激活的模型 ( a large model, but sparsely activated ) 。
這種新的神經(jīng)網(wǎng)絡，具備的參數(shù)之多，和現(xiàn)有神經(jīng)網(wǎng)絡相比可能是幾何級的。但是，當它處理不同任務時，只需要激活少數(shù)路徑上的節(jié)點，并不需要全部激活。這樣設計的目的，是讓一個神經(jīng)網(wǎng)絡能夠執(zhí)行多種不同的任務——少則數(shù)百，多則上百萬種，以此顯著降低神經(jīng)網(wǎng)絡設計、搭建和訓練的計算量和耗時，實現(xiàn)更強的通用性。
Jeff Dean 向硅星人表示，他所描繪的這個新神經(jīng)網(wǎng)絡，確實和人們曾經(jīng)熱議但認為短期內不會實現(xiàn)的 " 通用人工智能 " ( general AI ) 些許相似。但是他強調，Google AI 的主張是即便在這個新的巨大且稀疏激活的網(wǎng)絡內，訓練仍然是自我監(jiān)督的。
2017 年，他和幾位同事（包括 Geoff Hinton、Quoc Le 等 Google AI 頂級學者）以及外部研究伙伴共同提交了這一方向的首篇論文，名為《Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer》，呈現(xiàn)了一個超過 1370 億參數(shù)，擁有數(shù)千個子網(wǎng)絡的巨大神經(jīng)網(wǎng)絡架構，在語言建模、機器翻譯等場景下，用更少的計算量實現(xiàn)了對當前最高水平神經(jīng)網(wǎng)絡的超越。
Jeff Dean 展示了 Google AI 對于這一技術的未來構想：除了優(yōu)化網(wǎng)絡結構之外，Google 可能還將開發(fā)新的、面向該網(wǎng)絡結構優(yōu)化的機器學習超級計算機（就像他們?yōu)?TensorFlow 設計了 TPU 那樣。）屆時，新的計算范式將為 Google AI 解決 21 世紀偉大工程挑戰(zhàn)帶來更多幫助。
" 深度學習正在幫助我們挑戰(zhàn)很多重大的難題，它會在科學突破和人類發(fā)展的許多領域做出巨大貢獻。"Jeff Dean 表示。
【來源：品玩】
