stringtranslate.com

Google Мозг

Google Brain была исследовательской группой по глубокому обучению искусственного интеллекта , которая была единственным филиалом Google по искусственному интеллекту, прежде чем была включена в более новый зонтик Google AI , исследовательского подразделения Google, посвященного искусственному интеллекту. Созданная в 2011 году, она объединила открытые исследования машинного обучения с информационными системами и крупномасштабными вычислительными ресурсами. [1] Она создала такие инструменты, как TensorFlow , которые позволяют использовать нейронные сети для общественности, и несколько внутренних исследовательских проектов по искусственному интеллекту, [2] и была направлена ​​на создание исследовательских возможностей в области машинного обучения и обработки естественного языка . [2] Она была объединена с бывшей дочерней компанией Google DeepMind, чтобы сформировать Google DeepMind в апреле 2023 года.

История

Проект Google Brain начался в 2011 году как совместная исследовательская работа между сотрудником Google Джеффом Дином и исследователем Google Грегом Коррадо. [3] Google Brain начинался как проект Google X и стал настолько успешным, что был переведен обратно в Google: Астро Теллер заявил, что Google Brain оплатил всю стоимость Google X. [ 4]

В июне 2012 года газета New York Times сообщила, что кластер из 16 000 процессоров в 1000 компьютерах, предназначенный для имитации некоторых аспектов деятельности человеческого мозга , успешно обучился распознавать кошку на основе 10 миллионов цифровых изображений, взятых из видеороликов YouTube . [3] Эту историю также освещало Национальное общественное радио . [5]

В марте 2013 года Google наняла Джеффри Хинтона , ведущего исследователя в области глубокого обучения , и приобрела компанию DNNResearch Inc., возглавляемую Хинтоном. Хинтон сказал, что он будет делить свое будущее время между университетскими исследованиями и работой в Google. [6]

В апреле 2023 года Google Brain объединилась с дочерней компанией Google DeepMind, образовав Google DeepMind , в рамках постоянных усилий компании по ускорению работы над ИИ. [7]

Команда и местоположение

Google Brain изначально был создан сотрудником Google Джеффом Дином и приглашенным профессором Стэнфорда Эндрю Нгом . В 2014 году в команду вошли Джефф Дин , Куок Ле , Илья Суцкевер , Алекс Крижевский , Сэми Бенджио и Винсент Ванхуке. В 2017 году в команду вошли Анелия Ангелова, Сэми Бенджио , Грег Коррадо, Джордж Даль, Майкл Айсард, Анджули Каннан, Хьюго Ларошель, Крис Олах, Салих Эднер, Бенуа Штайнер, Винсент Ванхуке, Виджай Васудеван и Фернанда Виегас . [8] Крис Латтнер , создавший язык программирования Swift для Apple , а затем в течение шести месяцев руководивший командой по автономности Tesla , присоединился к команде Google Brain в августе 2017 года. [9] Латтнер покинул команду в январе 2020 года и присоединился к SiFive . [10]

По состоянию на 2021 год Google Brain возглавляли Джефф Дин , Джеффри Хинтон и Зубин Гахрамани . Среди других участников - Кэтрин Хеллер, Пи-Чуан Чанг, Ян Саймон, Жан-Филипп Верт, Невена Лазич, Анелия Ангелова, Лукаш Кайзер, Кэрри Джун Кай, Эрик Брек, Руоминг Панг, Карлос Рикельме, Уго Ларошель и Дэвид Ха. [8] Сами Бенджио покинул команду в апреле 2021 года, [11] и его обязанности взял на себя Зубин Гахрамани .

Google Research включает Google Brain и базируется в Маунтин-Вью, Калифорния . Он также имеет группы-сателлиты в Аккре , Амстердаме , Атланте , Пекине , Берлине , Кембридже (Массачусетс) , Израиле , Лос-Анджелесе , Лондоне , Монреале , Мюнхене , Нью-Йорке , Париже , Питтсбурге , Принстоне , Сан-Франциско , Сиэтле , Токио , Торонто и Цюрихе . [12]

Проекты

Система шифрования, созданная искусственным интеллектом

В октябре 2016 года Google Brain разработал эксперимент, чтобы определить, способны ли нейронные сети обучаться безопасному симметричному шифрованию . [13] В этом эксперименте были созданы три нейронные сети : Алиса, Боб и Ева. [14] Придерживаясь идеи генеративно-состязательной сети (GAN), целью эксперимента было то, чтобы Алиса отправила Бобу зашифрованное сообщение, которое Боб мог расшифровать, а противник, Ева, — нет. [14] Алиса и Боб имели преимущество перед Евой, поскольку они делились ключом, используемым для шифрования и дешифрования . [13] При этом Google Brain продемонстрировал способность нейронных сетей обучаться безопасному шифрованию . [13]

Улучшение изображения

В феврале 2017 года Google Brain определил вероятностный метод преобразования изображений с разрешением 8x8 в разрешение 32x32. [15] [16] Метод основан на уже существующей вероятностной модели под названием pixelCNN для генерации пиксельных переводов. [17] [18]

Предлагаемое программное обеспечение использует две нейронные сети для создания аппроксимаций для пиксельного состава переведенных изображений. [16] [19] Первая сеть, известная как «обусловливающая сеть», уменьшает изображения с высоким разрешением до 8x8 и пытается создать сопоставления из исходного изображения 8x8 в эти изображения с более высоким разрешением. [16] Другая сеть, известная как «предыдущая сеть», использует сопоставления из предыдущей сети, чтобы добавить больше деталей к исходному изображению. [16] Полученное переведенное изображение не является тем же изображением в более высоком разрешении, а скорее оценкой разрешения 32x32, основанной на других существующих изображениях с высоким разрешением. [16] Результаты Google Brain указывают на возможность нейронных сетей улучшать изображения. [20]

Google Переводчик

Команда Google Brain внесла свой вклад в проект Google Translate , применив новую систему глубокого обучения, которая объединяет искусственные нейронные сети с обширными базами данных многоязычных текстов. [21] В сентябре 2016 года был запущен Google Neural Machine Translation (GNMT), сквозная обучающая среда, способная обучаться на большом количестве примеров. [21] Ранее подход Google Translate Phrase-Based Machine Translation (PBMT) статистически анализировал слово за словом и пытался сопоставить соответствующие слова на других языках, не принимая во внимание окружающие фразы в предложении. [22] Но вместо того, чтобы выбирать замену для каждого отдельного слова на нужном языке, GNMT оценивает сегменты слов в контексте остальной части предложения, чтобы выбрать более точные замены. [2] По сравнению со старыми моделями PBMT, модель GNMT показала улучшение сходства с человеческим переводом на 24%, а также снижение количества ошибок на 60%. [2] [21] GNMT также продемонстрировал значительное улучшение в случае с общеизвестно сложными переводами, например с китайского на английский . [21]

Хотя внедрение GNMT повысило качество переводов Google Translate для пилотных языков, было очень сложно создать такие улучшения для всех 103 языков. Решая эту проблему, команда Google Brain Team смогла разработать многоязычную систему GNMT , которая расширила предыдущую, включив переводы между несколькими языками. Кроме того, она позволяет выполнять переводы Zero-Shot Translations, которые представляют собой переводы между двумя языками, которые система никогда ранее явно не видела. [23] Google объявила, что Google Translate теперь также может переводить без транскрибирования, используя нейронные сети. Это означает, что можно переводить речь на одном языке напрямую в текст на другом языке, без предварительной транскрибации в текст.

По словам исследователей из Google Brain, этого промежуточного шага можно избежать с помощью нейронных сетей. Для того чтобы система научилась этому, они подвергли ее многочасовому испанскому аудио вместе с соответствующим английским текстом. Различные слои нейронных сетей, копирующие человеческий мозг, смогли связать соответствующие части и впоследствии манипулировать звуковой волной, пока она не была преобразована в английский текст. [24] Еще одним недостатком модели GNMT является то, что она приводит к тому, что время перевода увеличивается экспоненциально с количеством слов в предложении. [2] Это заставило команду Google Brain добавить еще 2000 процессоров, чтобы гарантировать, что новый процесс перевода по-прежнему будет быстрым и надежным. [22]

Робототехника

Стремясь улучшить традиционные алгоритмы управления робототехникой, где новые навыки робота должны быть запрограммированы вручную , исследователи робототехники в Google Brain разрабатывают методы машинного обучения , которые позволят роботам самостоятельно изучать новые навыки. [25] Они также пытаются разработать способы обмена информацией между роботами, чтобы роботы могли учиться друг у друга в процессе обучения, также известные как облачная робототехника . [26] В результате Google запустила платформу Google Cloud Robotics для разработчиков в 2019 году, попытку объединить робототехнику , ИИ и облако для обеспечения эффективной роботизированной автоматизации с помощью подключенных к облаку коллаборативных роботов. [26]

Исследования робототехники в Google Brain были сосредоточены в основном на улучшении и применении алгоритмов глубокого обучения, чтобы позволить роботам выполнять задачи, обучаясь на опыте, моделировании, человеческих демонстрациях и/или визуальных представлениях. [27] [28] [29] [30] Например, исследователи Google Brain показали, что роботы могут научиться подбирать и бросать твердые предметы в выбранные коробки, экспериментируя в среде без предварительного программирования для этого. [27] В другом исследовании исследователи обучали роботов таким действиям, как наливание жидкости из чашки; роботы обучались на видео человеческих демонстраций, записанных с разных точек зрения. [29]

Исследователи Google Brain сотрудничали с другими компаниями и академическими учреждениями в области исследований робототехники. В 2016 году команда Google Brain Team сотрудничала с исследователями из X в исследовании по обучению координации рук и глаз для роботизированного захвата. [31] Их метод позволил управлять роботом в реальном времени для захвата новых объектов с самокоррекцией. [31] В 2020 году исследователи из Google Brain, Intel AI Lab и Калифорнийского университета в Беркли создали модель ИИ для роботов, чтобы они могли изучать задачи, связанные с хирургией, такие как наложение швов, на основе обучения с помощью видеоматериалов об операциях. [30]

Интерактивное распознавание говорящего с подкреплением

В 2020 году команда Google Brain Team и Университет Лилля представили модель автоматического распознавания говорящего, которую они назвали интерактивным распознаванием говорящего. Модуль ISR распознает говорящего из заданного списка говорящих, запрашивая только несколько определенных пользователем слов. [32] Модель может быть изменена для выбора речевых сегментов в контексте обучения преобразованию текста в речь . [32] Она также может предотвратить доступ вредоносных генераторов голоса к данным. [32]

TensorFlow

TensorFlow — это библиотека программного обеспечения с открытым исходным кодом, работающая на базе Google Brain, которая позволяет любому человеку использовать машинное обучение, предоставляя инструменты для обучения собственной нейронной сети. [2] Инструмент использовался для разработки программного обеспечения с использованием моделей глубокого обучения, которые фермеры используют для сокращения объема ручного труда, необходимого для сортировки урожая, путем обучения его с помощью набора данных изображений, отсортированных человеком. [2]

пурпурный

Magenta — это проект, который использует Google Brain для создания новой информации в форме искусства и музыки, а не для классификации и сортировки существующих данных. [2] TensorFlow был обновлен набором инструментов, позволяющих пользователям направлять нейронную сеть для создания изображений и музыки. [2] Однако команда из Университета штата Валдоста обнаружила, что ИИ с трудом пытается идеально воспроизвести человеческое намерение в искусстве , что похоже на проблемы, возникающие при переводе . [2]

Медицинские приложения

Возможности сортировки изображений Google Brain использовались для выявления определенных медицинских состояний путем поиска закономерностей, которые врачи-люди могут не заметить, чтобы обеспечить более раннюю диагностику. [2] Во время скрининга рака груди было обнаружено, что этот метод дает на четверть меньше ложноположительных результатов, чем патологи-люди, которым требуется больше времени для просмотра каждой фотографии, и они не могут полностью сосредоточиться на этой одной задаче. [2] Из-за очень специфической подготовки нейронной сети для одной задачи она не может идентифицировать другие заболевания, присутствующие на фотографии, которые человек мог бы легко заметить. [2]

Трансформатор

Архитектура глубокого обучения Transformer была изобретена исследователями Google Brain в 2017 году и описана в научной статье Attention Is All You Need . [33] Google владеет патентом на эту широко используемую архитектуру, но не применяет его. [34] [35]

Модель «текст-изображение»

В 2022 году Google Brain объявила о создании двух различных типов моделей преобразования текста в изображение под названием Imagen и Parti, которые конкурируют с DALL-E от OpenAI . [36] [37]

Позже в 2022 году проект был расширен до преобразования текста в видео. [38]

Другие продукты Google

Технология проектов Google Brain в настоящее время используется в различных других продуктах Google, таких как система распознавания речи операционной системы Android , поиск фотографий в Google Photos , интеллектуальный ответ в Gmail и рекомендации видео на YouTube . [39] [40] [41]

Прием

Google Brain получил освещение в Wired , [42] [43] [44] NPR , [5] и Big Think . [45] Эти статьи содержали интервью с ключевыми членами команды Рэем Курцвейлом и Эндрю Нг и фокусировались на объяснении целей и приложений проекта. [42] [5] [45]

Споры

В декабре 2020 года специалист по этике ИИ Тимнит Гебру покинула Google. [46] Хотя точная причина ее ухода или увольнения оспаривается, причиной ухода стал ее отказ отозвать статью под названием « Об опасностях стохастических попугаев: могут ли языковые модели быть слишком большими? » и связанный с этим ультиматум, который она выдвинула, установив условия, которые необходимо выполнить, в противном случае она уйдет. [46] В этой статье рассматриваются потенциальные риски развития ИИ, такого как Google Brain, включая воздействие на окружающую среду, предвзятость обучающих данных и способность обманывать общественность. [46] [47] Запрос на отзыв статьи был подан Меган Качолией, вице-президентом Google Brain. [48] По состоянию на апрель 2021 года около 7000 нынешних или бывших сотрудников Google и сторонников отрасли подписали открытое письмо, обвиняющее Google в «цензуре исследований» и осуждающее обращение с Гебру в компании. [49]

В феврале 2021 года Google уволила одного из руководителей команды по этике ИИ, Маргарет Митчелл . [48] В заявлении компании утверждалось, что Митчелл нарушил политику компании, используя автоматизированные инструменты для поиска поддержки для Гебру. [48] В том же месяце инженеры, не входящие в команду по этике, начали увольняться, ссылаясь на увольнение Гебру в качестве причины ухода. [50] В апреле 2021 года соучредитель Google Brain Сами Бенджио объявил о своем уходе из компании. [11] Несмотря на то, что Бенджио был менеджером Гебру, он не был уведомлен об этом до ее увольнения, и он опубликовал в сети сообщение в поддержку как ее, так и Митчелл. [11] Хотя заявление Бенджио было сосредоточено на личностном росте как на причине его ухода, анонимные источники сообщили Reuters, что беспорядки в команде по этике ИИ сыграли свою роль в его решениях. [11]

В марте 2022 года Google уволил исследователя ИИ Сатраджита Чаттерджи после того, как он поставил под сомнение выводы статьи, опубликованной в Nature членами команды Google по ИИ Анной Голди и Азалией Мирхосейни. [51] [52] В этой статье сообщалось о хороших результатах использования методов ИИ (в частности, обучения с подкреплением) для проблемы размещения интегральных схем . [53] Однако этот результат довольно спорный, [54] [55] [56], поскольку статья не содержит прямых сравнений с существующими плацдармами и ее трудно воспроизвести из-за запатентованного контента. По крайней мере один изначально благоприятный комментарий был отозван при дальнейшем рассмотрении, [57] и статья находится на рассмотрении Nature. [58]

Смотрите также

Ссылки

  1. ^ "Что такое Google Brain?". GeeksforGeeks . 2020-02-06. Архивировано из оригинала 2022-04-22 . Получено 2021-04-09 .
  2. ^ abcdefghijklm Хелмс, Мэллори; Олт, Шон В.; Мао, Гуйфэнь; Ван, Цзинь (2018-03-09). «Обзор Google Brain и его приложений». Труды Международной конференции по большим данным и образованию 2018 года . ICBDE '18. Гонолулу, Гавайи, США: Ассоциация вычислительной техники. стр. 72–75. doi :10.1145/3206157.3206175. ISBN 978-1-4503-6358-7. S2CID  44107806. Архивировано из оригинала 2021-05-04 . Получено 2021-04-08 .
  3. ^ ab Markoff, John (25 июня 2012 г.). «Сколько компьютеров нужно для идентификации кошки? 16 000». The New York Times . Архивировано из оригинала 9 мая 2017 г. Получено 11 февраля 2014 г.
  4. ↑ Конор Догерти (16 февраля 2015 г.). «Астро Теллер, «капитан лунных выстрелов» Google, о получении прибыли в Google X». Архивировано из оригинала 22 октября 2015 г. Получено 25 октября 2015 г.
  5. ^ abc "A Massive Google Network Learns To Identify — Cats". National Public Radio . 26 июня 2012 г. Архивировано из оригинала 13 июня 2021 г. Получено 11 февраля 2014 г.
  6. ^ "U of T neural networks start-up acquire by Google" (пресс-релиз). Торонто, Онтарио. 12 марта 2013 г. Архивировано из оригинала 8 октября 2019 г. Получено 13 марта 2013 г.
  7. ^ Рот, Эмма; Питерс, Джей (20 апреля 2023 г.). «Большой рывок Google в области искусственного интеллекта объединит Brain и DeepMind в одну команду». The Verge . Архивировано из оригинала 20 апреля 2023 г. Получено 21 апреля 2023 г.
  8. ^ ab "Brain Team – Google Research". Google Research . Архивировано из оригинала 2021-10-02 . Получено 2021-04-08 .
  9. ^ Этерингтон, Даррелл (14 августа 2017 г.). «Создатель Swift Крис Латтнер присоединяется к Google Brain после работы в Tesla Autopilot». TechCrunch . Архивировано из оригинала 19 августа 2021 г. Получено 11 октября 2017 г.
  10. ^ «Бывший инженер Google и Tesla Крис Латтнер возглавит команду разработчиков платформы SiFive». www.businesswire.com . 2020-01-27. Архивировано из оригинала 2021-06-03 . Получено 2021-04-09 .
  11. ^ abcd Дэйв, Джеффри Дастин, Пареш (2021-04-07). "Ученый Google AI Бенджио уходит в отставку после увольнений коллег: электронная почта". Reuters . Архивировано из оригинала 2021-06-02 . Получено 2021-04-08 .{{cite news}}: CS1 maint: несколько имен: список авторов ( ссылка )
  12. ^ "Build for Everyone – Google Careers". careers.google.com . Архивировано из оригинала 2021-10-05 . Получено 2021-04-08 .
  13. ^ abc Zhu, Y.; Vargas, DV; Sakurai, K. (ноябрь 2018 г.). «Нейронная криптография на основе топологии эволюционирующих нейронных сетей». 2018 Шестой международный симпозиум по вычислительной технике и сетевым технологиям (CANDARW) . стр. 472–478. doi :10.1109/CANDARW.2018.00091. ISBN 978-1-5386-9184-7. S2CID  57192497. Архивировано из оригинала 2021-06-02 . Получено 2021-04-09 .
  14. ^ ab Абади, Мартин; Андерсен, Дэвид Г. (2016). «Обучение защите коммуникаций с помощью состязательной нейронной криптографии». ICLR . arXiv : 1610.06918 . Bibcode :2016arXiv161006918A.
  15. ^ Даль, Райан; Норузи, Мохаммад; Шленс, Джонатан (2017). «Пиксельное рекурсивное суперразрешение». ICCV . arXiv : 1702.00783 . Bibcode :2017arXiv170200783D.
  16. ^ abcde «Технология сверхвысокого разрешения изображений Google Brain делает «масштабирование, улучшение!» реальным». arstechnica.co.uk . 2017-02-07. Архивировано из оригинала 2021-07-13 . Получено 2017-05-15 .
  17. ^ Булат, Адриан; Ян, Цзин; Цимиропулос, Георгиос (2018), «Чтобы изучить сверхвысокое разрешение изображения, сначала используйте GAN для изучения того, как сделать ухудшение изображения», Computer Vision – ECCV 2018 , Lecture Notes in Computer Science, т. 11210, Cham: Springer International Publishing, стр. 187–202, arXiv : 1807.11458 , doi : 10.1007/978-3-030-01231-1_12, ISBN 978-3-030-01230-4, S2CID  51882734, заархивировано из оригинала 2021-12-26 , извлечено 2021-04-09
  18. ^ Oord, Aaron Van; Kalchbrenner, Nal; Kavukcuoglu, Koray (2016-06-11). "Pixel Recurrent Neural Networks". Международная конференция по машинному обучению . PMLR: 1747–1756. arXiv : 1601.06759 . Архивировано из оригинала 2021-10-01 . Получено 2021-04-09 .
  19. ^ "Google использует ИИ для повышения резкости изображений с низким разрешением". engadget.com . 7 февраля 2017 г. Архивировано из оригинала 2021-05-02 . Получено 2017-05-15 .
  20. ^ "Google только что сделал 'масштабирование и улучшение' реальностью – своего рода". cnet.com . Архивировано из оригинала 2021-09-05 . Получено 2017-05-15 .
  21. ^ abcd Кастельвекки, Давиде (2016). «Глубокое обучение повышает эффективность инструмента Google Translate». Nature News . doi :10.1038/nature.2016.20696. S2CID  64308242. Архивировано из оригинала 2020-11-08 . Получено 2021-04-08 .
  22. ^ ab Льюис-Краус, Гидеон (2016-12-14). «Великое пробуждение ИИ». The New York Times . ISSN  0362-4331. Архивировано из оригинала 2017-05-05 . Получено 2021-04-08 .
  23. ^ Джонсон, Мелвин; Шустер, Майк; Ле, Куок В.; Крикун, Максим; Ву, Йонгхуэй; Чэнь, Жифэн; Торат, Нихил; Виегас, Фернанда; Ваттенберг, Мартин; Коррадо, Грег; Хьюз, Макдафф (2017-10-01). «Многоязычная нейронная система машинного перевода Google: обеспечение перевода с нуля». Труды Ассоциации компьютерной лингвистики . 5 : 339–351. arXiv : 1611.04558 . doi : 10.1162/tacl_a_00065 . ISSN  2307-387X.
  24. ^ Рейнольдс, Мэтт. «Google использует нейронные сети для перевода без транскрибирования». New Scientist . Архивировано из оригинала 18 апреля 2021 г. Получено 15 мая 2017 г.
  25. ^ Метц, Кейд; Доусон, Брайан; Феллинг, Мег (2019-03-26). «Внутри перезагруженной программы робототехники Google». The New York Times . ISSN  0362-4331. Архивировано из оригинала 2021-09-16 . Получено 2021-04-08 .
  26. ^ ab "Google Cloud Robotics Platform coming to developers in 2019". The Robot Report . 2018-10-24. Архивировано из оригинала 2021-08-26 . Получено 2021-04-08 .
  27. ^ ab Zeng, A.; Song, S.; Lee, J.; Rodriguez, A.; Funkhouser, T. (август 2020 г.). «TossingBot: учимся бросать произвольные объекты с помощью остаточной физики». IEEE Transactions on Robotics . 36 (4): 1307–1319. arXiv : 1903.11239 . doi : 10.1109/TRO.2020.2988642 . ISSN  1941-0468.
  28. ^ Gu, S.; Holly, E.; Lillicrap, T.; Levine, S. (май 2017 г.). «Глубокое обучение с подкреплением для роботизированной манипуляции с асинхронными обновлениями вне политики». Международная конференция IEEE по робототехнике и автоматизации (ICRA) 2017 г. стр. 3389–3396. arXiv : 1610.00633 . doi :10.1109/ICRA.2017.7989385. ISBN 978-1-5090-4633-1. S2CID  18389147. Архивировано из оригинала 2021-05-13 . Получено 2021-04-08 .
  29. ^ ab Sermanet, P.; Lynch, C.; Chebotar, Y.; Hsu, J.; Jang, E.; Schaal, S.; Levine, S.; Brain, G. (май 2018 г.). «Сети с сопоставлением времени: самоконтролируемое обучение по видео». Международная конференция IEEE по робототехнике и автоматизации (ICRA) 2018 г. . стр. 1134–1141. arXiv : 1704.06888 . doi :10.1109/ICRA.2018.8462891. ISBN 978-1-5386-3081-5. S2CID  3997350. Архивировано из оригинала 2021-05-04 . Получено 2021-04-08 .
  30. ^ ab Tanwani, AK; Sermanet, P.; Yan, A.; Anand, R.; Phielipp, M.; Goldberg, K. (май 2020 г.). «Motion2Vec: полуконтролируемое обучение репрезентации на основе хирургических видео». Международная конференция IEEE по робототехнике и автоматизации (ICRA) 2020 г. . стр. 2174–2181. arXiv : 2006.00545 . doi :10.1109/ICRA40945.2020.9197324. ISBN 978-1-7281-7395-5. S2CID  219176734. Архивировано из оригинала 2021-05-04 . Получено 2021-04-08 .
  31. ^ ab Левин, Сергей; Пастор, Питер; Крижевский, Алекс; Ибарц, Джулиан; Квиллен, Дейрдре (2018-04-01). «Изучение координации рук и глаз для роботизированного хватания с помощью глубокого обучения и крупномасштабного сбора данных». Международный журнал исследований робототехники . 37 (4–5): 421–436. arXiv : 1603.02199 . doi : 10.1177/0278364917710318 . ISSN  0278-3649.
  32. ^ abc Seurin, Mathieu; Strub, Florian; Preux, Philippe; Pietquin, Olivier (2020-10-25). "Машина из немногих слов: интерактивное распознавание говорящего с подкреплением". Interspeech 2020 . ISCA: ISCA: 4323–4327. arXiv : 2008.03127 . doi :10.21437/interspeech.2020-2892. S2CID  221083446. Архивировано из оригинала 2021-05-12 . Получено 2021-04-09 .
  33. ↑ Голдман, Шэрон (20 марта 2024 г.). «Создатели «Внимания — это все, что вам нужно» смотрят дальше Трансформеров в поисках ИИ на Nvidia GTC: «Миру нужно что-то лучшее»». VentureBeat . Архивировано из оригинала 5 апреля 2024 г. . Получено 14 апреля 2024 г. .
  34. ^ Максвелл, Томас. «Патенты Google покрывают технологию в ChatGPT. Но судебные тяжбы с конкурентами того не стоят, говорят юристы». Business Insider . Архивировано из оригинала 24.01.2024 . Получено 14.04.2024 .
  35. ^ Жаворонков, Алекс (23 января 2023 г.). «Может ли Google бросить вызов OpenAI с помощью патентов Self-Attention?». Forbes . Архивировано из оригинала 28.03.2023 . Получено 14.04.2024 .
  36. ^ Винсент, Джеймс (24 мая 2022 г.). «Все эти изображения были созданы новейшим ИИ Google для преобразования текста в изображение». The Verge . Vox Media. Архивировано из оригинала 15 февраля 2023 г. . Получено 28 мая 2022 г. .
  37. ^ Хан, Имад. «Google’s Parti Generator использует 20 миллиардов входных данных для создания фотореалистичных изображений». CNET . Архивировано из оригинала 18 июня 2023 г. Получено 23 июня 2022 г.
  38. ^ Эдвардс, Бендж (2022-10-05). «Новейший генератор искусственного интеллекта от Google создает HD-видео из текстовых подсказок». Ars Technica . Архивировано из оригинала 2023-02-07 . Получено 2022-12-28 .
  39. ^ "Как Google переделал Android с помощью вашего мозга". Wired . ISSN  1059-1028. Архивировано из оригинала 27.07.2021 . Получено 08.04.2021 .
  40. ^ "Google открывает исходные коды технологий машинного обучения, лежащих в основе поиска Google Photos, умных ответов и многого другого". TechCrunch . 9 ноября 2015 г. Архивировано из оригинала 2021-05-12 . Получено 2021-04-08 .
  41. ^ «Это план Google по спасению YouTube». Time . 18 мая 2015 г. Архивировано из оригинала 30 июля 2021 г. Получено 18 мая 2015 г.
  42. ^ ab Levy, Steven (25 апреля 2013 г.). «Как Рэй Курцвейл поможет Google создать идеальный мозг с искусственным интеллектом». Wired . Архивировано из оригинала 10 февраля 2014 г. Получено 11 февраля 2014 г.
  43. ^ Wohlsen, Marcus (27 января 2014 г.). «Грандиозный план Google сделать ваш мозг неактуальным». Wired . Архивировано из оригинала 14 февраля 2014 г. Получено 11 февраля 2014 г.
  44. ^ Эрнандес, Даниэла (7 мая 2013 г.). «Человек, стоящий за мозгом Google: Эндрю Нг и поиски нового искусственного интеллекта». Wired . Архивировано из оригинала 8 февраля 2014 г. Получено 11 февраля 2014 г.
  45. ^ ab "Рэй Курцвейл и мозги, стоящие за мозгом Google". Big Think . 8 декабря 2013 г. Архивировано из оригинала 27 марта 2014 г. Получено 11 февраля 2014 г.
  46. ^ abc "Мы прочитали статью, которая вынудила Тимнита Гебру уйти из Google. Вот что в ней говорится". MIT Technology Review . Архивировано из оригинала 2021-10-06 . Получено 2021-04-08 .
  47. ^ Бендер, Эмили М.; Гебру, Тимнит; Макмиллан-Мейджор, Анджелина; Шмитчелл, Шмаргарет (2021-03-03). «Об опасностях стохастических попугаев». Труды конференции ACM 2021 года по справедливости, подотчетности и прозрачности . Виртуальное мероприятие в Канаде: ACM. стр. 610–623. doi : 10.1145/3442188.3445922 . ISBN 978-1-4503-8309-7.
  48. ^ abc Шиффер, Зои (2021-02-19). «Google увольняет второго исследователя этики ИИ после внутреннего расследования». The Verge . Архивировано из оригинала 2021-09-29 . Получено 2021-04-08 .
  49. ↑ Изменение, Google Walkout For Real (15.12.2020). «Standing with Dr. Timnit Gebru — #ISupportTimnit #BelieveBlackWomen». Medium . Архивировано из оригинала 07.10.2021 . Получено 08.04.2021 . {{cite web}}: |first=имеет общее название ( помощь )
  50. ^ Дэйв, Джеффри Дастин, Пареш (2021-02-04). "Два инженера Google ушли в отставку из-за увольнения исследователя этики ИИ Тимнита Гебру". Reuters . Архивировано из оригинала 2021-05-05 . Получено 2021-04-08 .{{cite news}}: CS1 maint: несколько имен: список авторов ( ссылка )
  51. ^ Вакабаяси, Дайсуке; Метц, Кейд (2022-05-02). «Еще один увольнительный выпуск среди Google’s AI Brain Trust и еще больше разногласий». The New York Times . ISSN  0362-4331. Архивировано из оригинала 2022-06-12 . Получено 2022-06-12 .
  52. ^ Саймонит, Том. «Напряженность внутри Google из-за поведения уволенного исследователя ИИ». Wired . ISSN  1059-1028 . Получено 12 июня 2022 г.
  53. ^ Азалия Мирхосейни, Анна Голди, Мустафа Язган (2021). «Методология размещения графов для быстрого проектирования чипов». Nature . 594 (7862): 207–212. arXiv : 2004.10746 . Bibcode :2021Natur.594..207M. doi :10.1038/s41586-021-03544-w. PMID  34108699.{{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка )
  54. ^ Cheng, Chung-Kuan, Andrew B. Kahng, Sayak Kundu, Yucheng Wang и Zhiang Wang (март 2023 г.). «Оценка обучения с подкреплением для макроразмещения». Труды Международного симпозиума по физическому проектированию 2023 г. . стр. 158–166. arXiv : 2302.11014 . doi : 10.1145/3569052.3578926. ISBN 978-1-4503-9978-4.{{cite book}}: CS1 maint: несколько имен: список авторов ( ссылка )
  55. ^ Игорь Л. Марков. «Ложный рассвет: переоценка обучения с подкреплением Google для размещения макросов чипов». arXiv : 2306.09633 .
  56. ^ Агам Шах (3 октября 2023 г.). «Противоречивая статья Google о чипе искусственного интеллекта снова под пристальным вниманием». Архивировано из оригинала 4 декабря 2023 г. Получено 14 января 2024 г.
  57. ^ Канг, Эндрю Б. (2021). «ОТЗЫВ СТАТЬИ: Система ИИ превосходит людей в проектировании планов этажей для микрочипов». Nature . 594 (7862): 183–185. Bibcode :2021Natur.594..183K. doi :10.1038/d41586-021-01515-9. PMID  34108693.
  58. ^ «Nature выражает сомнения по поводу исследования Google AI, отзывает комментарий». Retraction Watch. 26 сентября 2023 г.