规格不足如何给机器学习带来挑战
如今,机器学习 (ML) 模型的使用范围比以往任何时候都要广泛,影响力也越来越大。然而,当它们用于现实世界时,它们往往会表现出意想不到的行为。例如,计算机视觉模型可能对不相关的特征表现出令人惊讶的敏感性,而自然语言处理模型可能会不可预测地依...
如今,机器学习 (ML) 模型的使用范围比以往任何时候都要广泛,影响力也越来越大。然而,当它们用于现实世界时,它们往往会表现出意想不到的行为。例如,计算机视觉模型可能对不相关的特征表现出令人惊讶的敏感性,而自然语言处理模型可能会不可预测地依...
数亿人使用电子表格,电子表格中的公式可让用户对数据进行复杂的分析和转换。尽管公式语言比通用编程语言更简单,但编写这些公式仍然很繁琐且容易出错,尤其是对于最终用户而言。我们之前开发过一些工具来理解电子表格数据中的模式,以自动填充列中的缺失值,...
过去几年,我们在处理敏感数据的隐私安全方法方面取得了进展,例如,在探索人类流动性的见解时,以及通过使用RAPPOR等联合分析。2019 年,我们发布了一个开源库,使开发人员和组织能够使用提供差异隐私的技术,差异隐私是一种强大且被广泛接受的隐...
许多机器学习 (ML) 模型通常专注于一次学习一项任务。例如,语言模型根据过去单词的上下文预测下一个单词的概率,而对象检测模型则识别图像中存在的对象。但是,有时同时从许多相关任务中学习可能会带来更好的建模性能。多任务学习领域解决了这个问题,...
尽管智能手机取得了巨大成功并被广泛采用,但用它们撰写较长的文本仍然相当麻烦。在写作过程中,语法错误经常会潜入文本中(在正式场合尤其不受欢迎),而且在控制功能有限的小屏幕上纠正这些错误可能非常耗时。为了解决其中的一些挑战,我们推出了一项语法纠...
情绪是社交互动的关键因素,影响着人们的行为方式和人际关系。语言尤其如此——我们只需几个词就能表达各种微妙而复杂的情绪。因此,研究界长期以来一直致力于让机器理解语境和情绪,这反过来又可以实现各种应用,包括富有同理心的聊天机器人、检测有害在线行...
强化学习 (RL) 是一种常用的方法来训练代理,用于从机器人到芯片设计 等一系列应用。虽然 RL 擅长从头开始发现如何解决任务,但它在训练代理理解其动作的可逆性方面可能会遇到困难,而可逆性对于确保代理在其环境中以安全的方式行事至关重要。例如...
70 多年来,等离子体物理学家一直梦想着可控的“收支平衡”聚变,即系统在聚变反应中释放的能量大于启动和维持这些反应所需的能量。挑战在于反应堆必须在数千万度的温度下产生等离子体,这需要一个高度复杂、精细调节的系统来限制和维持。此外,产生和维持...
今年秋天,Pixel 6 手机搭载了Google Tensor,这是 Google 的首款移动片上系统 (SoC),它将各种处理组件(如中央/图形/张量处理单元、图像处理器等)集成到单个芯片上,专为向 Pixel 用户提供最先进的机器学习...
今年早些时候,我们在 Nest Hub 中推出了非接触式睡眠感应功能,这是一项可选功能,可以帮助用户更好地了解他们的睡眠模式和夜间健康状况。虽然一些最关键的睡眠见解可以从一个人的整体作息时间和睡眠时长中得出,但仅凭这一点并不能说明全部情况。...