FRILL：使用 TensorFlow-Lite 实现设备上的语音表示
表征学习是一种机器学习 (ML) 方法，它训练模型来识别可应用于各种下游任务的显著特征，从自然语言处理（例如BERT和ALBERT）到图像分析和分类（例如Inception 层和SimCLR）。去年，我们推出了一个用于比较语音表征的基准，以...
第17页
A/B 测试在机器人技术中的重要性
自然科学、社会科学和医学等学科都必须努力解决如何在不断变化的现实世界中评估和比较结果的问题。相比之下，大量机器学习 (ML) 研究使用了一种不同的方法，该方法依赖于固定世界的假设：在固定数据集上测量基线模型的性能，然后构建一个旨在改进基线的...
在开放图像扩展数据集中向更具包容性的人物注释迈进了一步
2016 年，我们推出了 Open Images，这是一个协作发布的约 900 万张图像，这些图像带有涵盖数千个对象类别的图像标签和 600 个类别的边界框注释。从那时起，我们进行了多次更新，包括向Open Images Extended集...
通过对抗性强化学习来学习精确的物理模拟器
模拟使各种工程学科能够以最少的人力快速制作原型。在机器人技术领域，物理模拟为机器人提供了一个安全且廉价的虚拟游乐场，使其能够利用深度强化学习(DRL)等技术获得物理技能。然而，由于模拟中手工推导的物理与现实世界并不完全匹配，因此完全在模拟中...
量子机器学习和数据的力量
近年来，量子计算在理论和实践上都取得了快速发展，人们也希望它能在实际应用中发挥潜在影响。一个关键的关注领域是量子计算机如何影响机器学习。我们最近通过实验证明，量子计算机能够自然地解决某些输入之间存在复杂关联的问题，而这些问题对于传统或“经典...
利用机器学习改善基因组发现
每个人的基因组由超过 30 亿个 DNA 字母组成，它们共同编码了每个人与生俱来的生化机制。然而，只有一小部分基因组（约 400-500 万个位置）在两个人之间有所不同。尽管如此，每个人独特的基因组都会与他们所经历的环境相互作用，从而决定他...
研究翻译中性别偏见的数据集
神经机器翻译(NMT)的进步使翻译更加自然流畅，但它们仍然可以反映出训练数据的社会偏见和刻板印象。因此，Google 的持续目标是开发创新技术来减少机器翻译中的性别偏见，以符合我们的AI 原则。一个研究领域是利用周围句子或段落的上下文来提高...
实现量子材料模拟的精度
2019 年秋季，我们证明了Sycamore 量子处理器在应用于定制问题时可以胜过最强大的传统计算机 。下一个挑战是将这一结果扩展到解决材料科学、化学和物理学中的实际问题。但要超越传统计算机解决这些问题的能力是一项挑战，需要新的见解才能实现...
使用 Google Photos 降噪和模糊处理功能，将所有照片送去清洁
尽管近年来成像技术（尤其是在移动设备上）取得了长足的进步，但图像噪点和清晰度有限仍然是改善照片视觉质量的两个最重要因素。在光线不足的条件下拍照时，这两个因素尤其重要，相机可能会通过提高ISO或降低快门速度来进行补偿，从而加剧噪点的存在，有时...
利用机器学习快速训练游戏代理
在过去的二十年中，计算和连接技术的飞速发展使游戏开发者能够创作出范围和复杂性不断增加的作品。简单的线性关卡已经演变成逼真的开放世界，程序算法使游戏具有前所未有的多样性，而不断扩大的互联网接入使游戏变成了动态的在线服务。不幸的是，范围和复杂性...