日前籮文去到東京參與一次 Google 的亞太區媒體活動,一眾 Google 研究員及工程師為媒體介紹 Google 將來的發展大方向:機器學習(Machine Learning)。好像好深奧吧?以下就為你一一解構。
日前籮文去到東京參與一次名為 The Magic In The Machine 的 Google 的亞太區媒體活動,一眾 Google 研究員及工程師為媒體介紹 Google 將來的發展大方向:機器學習(Machine Learning)。
其實 Google 一直都已經有運用機器學習技術 (Machine Learning) 在各種領域,如預測使用者喜好、診斷辨識等, Google 目前透過兩方面應用機器學習技術:強化現有的產品服務 (如:Google搜尋裡的排名建議)、提供更先進更新穎的產品服務 (如:Gmail 裡的 SmartReply 智慧回覆功能)。
機器學習即是讓機器懂得學習,而機器學習和人工智慧 (AI) 的差別:人工智慧是希望令機器有智慧、而機器學習是希望「機器具有學習能力」。事實上,發展 AI 比 Machine Learning 難上許多,所以後者為較可行的目標與方向。Google 讓電腦透過各種樣本與案例學習。Unwire 幾年前的一則報導就舉出一個實例說明什麼是 Machine Learning。
【教學】iOS 18.2 香港如何用 ChatGPT 詳細方法 + 機種限定 全新 Quick Edit 功能 讓 Google Photos 用戶快速執相 Chrome 加入 AI 工具 協助偵測網站詐騙
我們熟悉的機器運作方式是輸入 (input) 後進入機器設定的模型 (model) 後得到出品 (output) 或預測結果 (predictions),但是模型的設定可能過於單一,導致出品或預測結果會不準確。因此如何讓模型的設定更聰明、涵蓋更多變數,就是機器學習的重點。參數越多、比較越多次,學習的效果會越好,而且學習的過程是漸進式的。
其實 Google 早就已經開始將 Machine Learning 應用到手機應用程式,而最顯而易見的例子就是 Google Photos。Google Photos 除了幫大家把照片同步到雲端外,還用了三大方法去分類照片,讓用家非常方便地搜尋相片。Google Photos 根據⼈物、地點或物件進⾏照片分類,用家只要透過關鍵字搜尋,即使您沒有特別標註,也能快速找到需要的照⽚。
▲籮文一打開 Google Photos,App 就自動將相片分門別類,而準確度達9成。
以上的電腦視覺 (Computer Vision) 就拜於 Machine Learning 所賜。舉例來說,當Google相簿要辨識一隻貓的照片,首先會辨識到線條與顏 色,接著發現眼睛與耳朵,經過這樣一層層複雜的偵測後,辨識出這是 一隻「貓」。而 Google 相簿如何將物件連結到「貓」這個字,就要從網路上千張 「貓」的影像與「貓」這個字的連結,整理出「貓」字連結的影像中, 通常有「尖尖的耳朵」與臉上生動的線條。透過這種文字與圖像的分析,Google 相簿得以對相片中的情境有全面性的了解。例如,當照片出現插著蠟燭的蛋糕時,我們知道用戶正在慶祝生日,因此尋找照片時,可以搜尋「生日」而非「蛋糕與蠟燭」。
顯然 Machine Learning 屬於 Google 一些核心的技術,一般用家可以無興趣了解此技術的運作或原理。但只要應用到適合的地方,對於用家絕對為一大方便。籮文就是 Google Photos 的重度用家,根據⼈物、地點或物件進⾏照片分類的功能實在十分方便,希望 Google 日後亦會將技術應用到不同範疇,讓科技更方便人類生活。
【教學】iOS 18.2 香港如何用 ChatGPT 詳細方法 + 機種限定 全新 Quick Edit 功能 讓 Google Photos 用戶快速執相 Chrome 加入 AI 工具 協助偵測網站詐騙