本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

Jeff Dean親筆盤點谷歌AI研究成果，已經(jīng)成了一年一度的保留節(jié)目。

今年也不例外，還是他抽出一部分假期時間完成的。

過去一年，谷歌研發(fā)投入依然是全球最高，在一整年的時間里產(chǎn)出不少成果。

光論文數(shù)就達750+篇，讓人眼花繚亂。

如果你擔心自己錯過了一些的話也不用擔心，這位谷歌AI掌門人都幫你總結(jié)好了。

Jeff本人親眼目睹了AI過去幾十年的諸多進展，對當下最大的感觸是：

早期機器學習方法往往不盡如人意，不過終于催生出了很多非常成功的現(xiàn)代方法，這些進步最終將惠及數(shù)十億人的生活。

他把2021年機器學習進展總結(jié)成五大趨勢，另外還給讀者送上一份大禮包——

一年來谷歌發(fā)布的27個開源工具和數(shù)據(jù)集匯總。

涵蓋多語言文本、醫(yī)學、建筑、舞蹈動作、電影標題、文本到表格生成等眾多領(lǐng)域。

如果你有需要可在公眾號后臺回復關(guān)鍵詞“姐夫2021”獲取。

下面就先來看一下，這個被譽為行業(yè)風向標，Jeff眼中的機器學習五大趨勢都有哪些。

簡單速覽：

• 趨勢1：模型更大讓AI能力更通用
• 趨勢2：機器學習效率持續(xù)提高
• 趨勢3：AI應(yīng)用對個人更有益
• 趨勢4：AI推動科學研究和醫(yī)學健康
• 趨勢5：對機器學習的理解加深

趨勢1：模型更大讓AI能力更通用

過去一年中，語言模型的參數(shù)規(guī)模仍在不斷增長，紛紛超過1750億的GPT-3。

例如DeepMind的Gopher有2800億，微軟英偉達聯(lián)合推出的威震天-圖靈到了5300億。

谷歌自己的GShard和GLaM模型更是達到6千億和1.2萬億。

訓練這些模型用到的數(shù)據(jù)集規(guī)模也在同步增長。

數(shù)據(jù)集和模型大小的增加讓AI在傳統(tǒng)NLP任務(wù)上的準確性顯著提高，還在更多新能力上有所突破。

代表性的研究有Quoc Le團隊提出新的微調(diào)方法Instruction Tuning。

新模型FLAN在沒訓練過的任務(wù)上的零樣本學習能力超過GPT-3少樣本版本的表現(xiàn)。

以及谷歌I/O大會上所演示的LaMDA模型，在開放式多輪對話上有所突破。

除了語言模型，圖像、視頻方面這一年都被Transformer架構(gòu)同時刷新了模型規(guī)模和性能基準。

谷歌在這方面代表性的研究便是Vision Transformer（ViT）以及Video ViT。

另外還有一個重要的結(jié)論是，同時用圖像和視頻數(shù)據(jù)訓練可以提高模型在視頻任務(wù)的性能。

圖像生成上，這一年里擴散模型 （Difusion Model）成了GAN的有力競爭對手。

級聯(lián)（Cacade）擴散模型SR3以低分辨率圖像為輸入，便可從純噪聲中構(gòu)建出對應(yīng)的高分辨率圖像。

多模態(tài)模型方面，模型規(guī)模的增大還讓機器人get新能力。

機械臂只需要學會自然語言描述的“把葡萄放在碗中”這項任務(wù)，便可執(zhí)行“把水瓶放在托盤中”的全新任務(wù)。

Jeff總結(jié)到，這些大模型通常使用自監(jiān)督學習方法，這個趨勢令人興奮。

一方面可以大大減少工作量，另一方面在長尾任務(wù)中也能取得更好表現(xiàn)。

谷歌AI下一步的努力方向是研發(fā)一個叫Pathway的稀疏模型新架構(gòu)，把它訓練成可以執(zhí)行成千上萬種任務(wù)的通用模型。

趨勢2：機器學習效率持續(xù)提高

參數(shù)規(guī)模和數(shù)據(jù)量的擴大，對模型的訓練效率提出了新的挑戰(zhàn)。

作為應(yīng)對，谷歌在加速芯片、編譯器、模型架構(gòu)和算法方面分別取得了進展。

芯片方面，新發(fā)布的TPUv4與上一代相比性能提高2.7倍，用高速網(wǎng)絡(luò)連接在一起可以支持超大模型的訓練。

移動設(shè)備上，新一代Pixel6手機上搭載全新的Tensor處理器，在手機上做到4k60幀視頻處理，以及實時機器翻譯。

編譯器方面，谷歌推出基于XLA編譯器的自動并行化系統(tǒng)GSPMD。

即使硬件沒有進步，也能做到在150種模型上性能全面提高5%-15%，甚至個別情況下提高了2.4倍。

這一成果已經(jīng)用在了GShard-M4、LaMDA、ViT等多個大模型上。

架構(gòu)方面，一種提升效率的方法是靠人類的創(chuàng)造力設(shè)計。

這里還是要說到Transformer的各類變體在這一年中大放異彩，同時在NLP和CV領(lǐng)域頻頻刷榜。

另一種方法便是機器驅(qū)動的神經(jīng)架構(gòu)搜索（NAS），大大減少算法開發(fā)的工作量。

雖然NAS本身的計算量很大、成本高昂，但總體上可以顯著降低下游開發(fā)和生產(chǎn)環(huán)境中的計算量。

如NAS方法搜索出來的Evovled Transformer，在參數(shù)減少37.6%的情況下獲得0.7%的英德翻譯性能提升。

視覺任務(wù)上，NAS方法得到的Efficientnetv2模型訓練速度比之前的SOTA模型提高了5-11倍。

除了模型架構(gòu)，AutoML-Zero還使用NAS方法來尋找新的、更有效的強化學習/監(jiān)督學習算法。

算法方面，增加對稀疏性（Sparsity）的利用是一個重要進展。

谷歌稀疏的Switch Transformers與密集的T5模型相比，訓練效率提高了7倍。

GLaM模型把Transformer與Mixer of Expert風格的層結(jié)合起來，訓練和推理成本與GPT-3相比分別減少了3倍和2倍。

另外，BigBird模型用稀疏性降低了Transformer的核心機制——注意力模塊的計算成本。

盡管稀疏性取得如此多成績，Jeff Dean還是認為目前的研究僅觸及了這個方向上的皮毛。

未來更繼續(xù)深入研究還有更高的潛在回報。

趨勢3：AI應(yīng)用對個人更有益

除此之外，Jeff Dean還關(guān)注到移動設(shè)備上的個性化AI應(yīng)用。

得益于ML的發(fā)展與處理器的創(chuàng)新，手機可以更加連續(xù)有效地感知周圍環(huán)境，用戶體驗也更加豐富。

對一些日常使用的功能，比如計算攝影、實時翻譯等都帶來了改變。與此同時，還加強了隱私保護。

以計算攝影HDR+功能為例，即便在非常暗的光線下拍照，也能展現(xiàn)更真實的情況。

跨語言實時交流也成為一大趨勢。由于自監(jiān)督學習、noisy student training自訓練算法等技術(shù)的發(fā)展，語音識別的準確性繼續(xù)取得重大進展，嘈雜、重疊語音等環(huán)境以及跨語言的效果有了明顯改善。

日常交互也變得越來越自然，比如自動呼叫、機器學習代理，即使經(jīng)常執(zhí)行的簡短任務(wù)，也可通過智能文本選擇工具進行改進。

還有一些小例子也體現(xiàn)出AI的有益之處，比如注視識別技術(shù)，防止你看手機屏幕時變暗。

機器學習在確保個人和社區(qū)安全上也提供新方法。

比如“可疑信息警告”來應(yīng)對疑似網(wǎng)絡(luò)釣魚攻擊，“安全路線”可以幫助識別和檢測什么時候該踩剎車，提示備用路線。

鑒于構(gòu)成這些新功能的數(shù)據(jù)具有敏感性，隱私計算也就搬到了臺前。

安卓系統(tǒng)可確保私有計算核心處理的數(shù)據(jù)不被任何APP共享，與此同時還阻止了其內(nèi)部的任何功能直接訪問網(wǎng)絡(luò)。

趨勢4：AI推動科學研究和醫(yī)學健康

近年來，我們已經(jīng)看到機器學習對基礎(chǔ)科學的影響越來越大，從物理學到生物學，有很多令人興奮的實際應(yīng)用。

計算機視覺作為典型，已經(jīng)應(yīng)用于解決個人和全球范圍的問題。

它既可以幫助醫(yī)生進行日常工作，擴展對神經(jīng)生理學的理解，也可以提供天氣預報預測以及救災(zāi)工作的優(yōu)化。

去年，谷歌與哈佛合作展開了第一個大規(guī)模人類大腦皮層突觸連接的研究，重建了人類大腦組織成像。

ps：圖中顯示了成人大腦860億個神經(jīng)元中的6個

而若向外延伸，計算機視覺在應(yīng)對全球挑戰(zhàn)上也有突出的作用，比如基于深度學習的天氣預測，預報12小時內(nèi)的天氣和降水，比傳統(tǒng)的物理模型更準確。

還有像在文檔、游戲，包括芯片上的自動化設(shè)計布局，以及在醫(yī)學、人類健康、應(yīng)對氣候變化上的關(guān)鍵作用也不容忽視。

以醫(yī)學健康為例，在基因組學的研究中機器學習可以幫助處理序列數(shù)據(jù)，看到基因組數(shù)據(jù)的隱藏特征，還能加速對個性化、健康的基因組信息的使用。

Jeff Dean還強調(diào)在疾病診斷，尤其是在醫(yī)學成像上的應(yīng)用，比如在改善乳腺癌篩檢、檢測肺癌、加速癌癥的放射治療、標記異常X射線和前列腺癌期活檢等領(lǐng)域。

另一個值得關(guān)注的方向就是利用NLP技術(shù)來分析結(jié)構(gòu)化數(shù)據(jù)與醫(yī)療記錄，輔助臨床醫(yī)生提供更準確的診斷護理。

盡管機器學習對于擴大獲取途徑和提高臨床診斷的準確性非常重要，但我們看到一個同樣重要的新趨勢正在出現(xiàn)：智能手機上的健康功能，幫助用戶對自己的健康狀況進行評估。

趨勢5：做負責任的人工智能

隨著機器學習越來越廣泛地應(yīng)用于社會中去，保證其更公平公正的使用正成為下一個技術(shù)出發(fā)點。

一個重點領(lǐng)域就是基于用戶活動的推薦系統(tǒng)，最近工作揭示了如何提高單個組件和整個推薦系統(tǒng)的公平性。

在機器翻譯上的應(yīng)用也同樣重要，因為大多數(shù)機器翻譯系統(tǒng)是孤立地翻譯單個句子的，沒有附加的語境。

它們往往會加強與性別、年齡或其他領(lǐng)域有關(guān)的偏見。去年谷歌發(fā)布了個數(shù)據(jù)集，用于研究翻譯維基百科傳記時的性別偏見。

部署機器學習模型的另一個常見問題是分布轉(zhuǎn)移。如果模型所依據(jù)的數(shù)據(jù)統(tǒng)計分布與所輸入的數(shù)據(jù)統(tǒng)計分布不一致，那么模型的行為可能是不可預測的。

在最近的工作中，谷歌Deep Bootstrap框架可以幫助比較、理解模型在這兩種情況下的表現(xiàn)，使得模型更好適應(yīng)未知環(huán)境，并對固定的訓練數(shù)據(jù)集不會產(chǎn)生太大的偏見。

除此之外在機器學習上游——數(shù)據(jù)收集和數(shù)據(jù)集管理上，也有相應(yīng)的探索。

還有像處理網(wǎng)上辱罵行為、模型的交互式分析和調(diào)試、機器學習的可解釋性（以AlphaZero國際象棋系統(tǒng)為典型），以及改善社區(qū)生活等維度都是谷歌解決的方向。

總之，再三強調(diào)一個愿景：做負責任的人工智能。

One More Thing

在這篇博文下互動區(qū)，看到了熟悉的身影。

那就是讓Jeff Dean陷入歧視風波的那位前員工Timnit Gebru，她也轉(zhuǎn)發(fā)了一波~

不過，這畫風……嗯，就有點尷尬。

好了，感興趣的旁友，可戳下方鏈接看詳細報告~

以及別忘了到公眾號后臺回復“姐夫2021”，獲取27個谷歌開源工具及數(shù)據(jù)集匯總。

直達鏈接：
https://ai.googleblog.com/2022/01/google-research-themes-from-2021-and.html