三、谷歌大型數(shù)據(jù)中心的神經(jīng)網(wǎng)絡(luò)模擬技術(shù)啟動

　　谷歌（Google）已經(jīng)開始啟用一種分布于該公司大型數(shù)據(jù)中心內(nèi)的大規(guī)模神經(jīng)網(wǎng)絡(luò)（neural network）軟件模擬技術(shù)，來研究標(biāo)記數(shù)據(jù)和自主學(xué)習(xí) （self-taught learning）之間的差異；谷歌的大型數(shù)據(jù)中心搭載了16，000顆處理器核心。來自斯坦福大學(xué)（Standford University）和谷歌公司的研究人員針對具有超過10億個連接的模型進行了訓(xùn)練，經(jīng)過一星期后，該網(wǎng)絡(luò)已經(jīng)能從網(wǎng)絡(luò)視頻影片辨識出其中的一只貓。

　　谷歌向來以其搜索引擎而聞名，該公司表示，自主學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的優(yōu)勢是在于他們不需要使用標(biāo)記數(shù)據(jù)。例如，為一幅貓的影像添加標(biāo)簽，便是所謂的標(biāo)記數(shù)據(jù)，但這種做法會消耗大量能源，而且讓教學(xué)網(wǎng)絡(luò)變得更加昂貴。

　　谷歌表示，未來該研究還可望拓展到圖像識別以外的范圍，包括語音識別和自然語言建模等應(yīng)用研究。

　　

　　經(jīng)過訓(xùn)練以后，網(wǎng)絡(luò)中的一個神經(jīng)元對貓有著極強烈的反應(yīng)。/ 資料來源：g谷歌

　　“我們的假設(shè)是神經(jīng)網(wǎng)絡(luò)將學(xué)會去辨識這些影片中的共同目標(biāo)。事實上，我們已經(jīng)發(fā)現(xiàn)，一個人工神經(jīng)元對貓的圖片有著極強烈的反應(yīng)。最特別一點，在于研究人員從未告訴該網(wǎng)絡(luò)什么是貓，甚至從未替任何一幅貓的圖案打上標(biāo)記。而這個神經(jīng)網(wǎng)絡(luò)竟然從未標(biāo)記過的YouTube影片中發(fā)現(xiàn)并注視著一只貓，谷歌研究員Jeff Dean說。

　　此外，谷歌也通過使用這種規(guī)模較大的神經(jīng)網(wǎng)絡(luò)，谷歌也通過將大量網(wǎng)絡(luò)上的可用未標(biāo)記影像和少數(shù)標(biāo)記數(shù)據(jù)混合，并進行標(biāo)準(zhǔn)影像分類測試后，獲得了70%的精確度改善結(jié)果。

　　谷歌的研究人員希望未來能進一步擴大網(wǎng)絡(luò)規(guī)模，以確認(rèn)性能是否會隨著網(wǎng)絡(luò)規(guī)模擴展而提升。Dean在他的博客中表示，目前的網(wǎng)絡(luò)已經(jīng)能支持十億個連接，但仍遠不及可支持約100兆個連接的人腦。

　　谷歌的研究人員已經(jīng)在今年6月26日至7月1日于蘇格蘭愛丁堡舉辦的國際機器學(xué)習(xí)大會（International Conference on Machine Learning， ICML 2012）中，提出這份有關(guān)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的論文。