谷歌AI負責人Jeff Dean：一文回顧谷歌的2018技術進展

　　我們研究了Google軟件定義網絡WAN，這是一個獨立的聯合查詢處理平臺，可以在許多存儲系統中對基于不同文件格式存儲的數據執行SQL查詢(BigTable，Spanner， Google Spreadsheets等)

　　運行內容托管等大型Web服務需要在動態環境中實現穩定的負載平衡。我們開發了一致的哈希方案，對每臺服務器的最大負載提供了嚴格的可證明保證，并將其部署到Google Cloud Pub / Sub中的云客戶。

　　AutoML

　　去年，我們展示了如何使用進化算法自動發現最先進的神經網絡架構，快速構建計算機視覺模型的AutoML。還探討了強化學習如何應用于除神經網絡架構搜索之外的其他問題，表明它可以用于1)自動生成圖像變換序列，以提高各種圖像模型的準確性，以及2)找到新的符號優化表達式，比常用的優化更新規則更有效。

　　我們的另一個重點是自動發現計算效率高的神經網絡架構，以便它們可以在自動駕駛環境中運行，這些環境對計算資源或推理時間有嚴格的限制。為此，我們認為在強化學習架構搜索的獎勵函數中將模型的準確性與其推理計算時間相結合，可以找到高度準確的模型，同時滿足特定的性能約束。我們還探索了使用ML來學習自動壓縮ML模型以獲得更少的參數并使用更少的計算資源。

　　TPU

　　TPU已經實現了谷歌研究方面的突破，例如BERT(前面已討論過)。它還允許世界各地的研究人員通過開源建立谷歌研究，并尋求自己的新突破。例如，任何人都可以通過Colab免費對TPU上的BERT進行微調，而TensorFlow Research Cloud讓數千名研究人員有機會從更大量的免費云TPU計算能力中受益。

　　在谷歌內部，TPU還推動了Google的核心產品的重大改進，包括搜索，YouTube，Gmail，Google智能助理，谷歌翻譯等等。

　　開源軟件和數據集

　　我們的開源工具TensorFlow已經被下載超過3000萬。2018年，TensorFlow有八個主要版本，并增加了快速執行和分發策略等功能。隨著TensorFlow Lite、TensorFlow.js 和TensorFlow Probability等相關產品的推出，TensorFlow生態系統在2018年大幅增長。

　　除了繼續開發現有的開源生態系統之外，我們在2018年引入了一個新的框架，用于靈活和可重復強化學習的可視化工具，可以快速了解數據集的特征(無需編寫任何代碼)。

　　今年，我們很高興發布Google數據集搜索，這是一種從所有網絡中查找公共數據集的新工具。多年來，我們還策劃并發布了許多新穎的數據集。

　　我們發布了Open Images V4數據集，包含190萬張圖片，共計600個類別，共標記了1540萬個邊界框，這是迄今的有對象位置注釋的最大數據集。這些邊界框大部分都是由專業注釋人員手動繪制的，確保了它們的準確性和一致性。

　　健康

　　在過去幾年中，我們一直將ML應用于健康，我們在這個領域的一般方法是與醫療保健組織合作解決基礎研究問題(利用臨床專家的反饋優化技術)，然后將結果發表在同行評審的科學和臨床期刊上。一旦研究得到臨床和科學驗證，我們就會進行用戶和HCI研究，以了解我們如何在現實臨床環境中進行部署。2018年，我們在計算機輔助診斷上取得新的突破。

　　2018年，我們研發了一個可以與視網膜專家相媲美的深度學習模型。我們與Verily的Alphabet同事合作，在印度的Aravind Eye Hospitals和泰國衛生部附屬的Rajavithi醫院等 10多個地點部署了這種糖尿病視網膜病變檢測系統。

　　我們還發表了一種機器學習模型的研究，該模型可以評估視網膜圖像的心血管風險，可以幫助臨床醫生更好地了解患者的健康狀況。

　　研究推廣

　　2018年，我們在加納阿克拉建立了我們在非洲的第一個人工智能研究辦公室，同時擴大了在巴黎，東京和阿姆斯特丹的人工智能研究，并在普林斯頓開設了一個研究實驗室。