2001 年，谷歌通过机器学习技能来校正搜索查询中的单词拼写缺点。
本日，人工智能的运用越来越广泛，不仅可以优化拍照功能，还能够供应更适配的搜索结果，乃至可以警告人们何时何地会发生大水。

只管在很多方面已取得进展，但人工智能仍有潜力尚待挖掘，比如帮助人类应对一些当下所面临的严厉寻衅：公共卫生疾病、景象威胁等。

然而，要想应对这些寻衅，须要将已得到验证的方法与新的研究领域结合起来，提出一种功能更强大的全新人工智能系统。

在此背景下，谷歌的下一代人工智能架构 “Pathways” 初露头角。

据悉，Pathways 遵照新的人工智能研究思维，既优化了现有人工智能系统的许多不敷之处，又吸取了它们的上风。

当前，多数人工智能系统在面对新任务时，并不是对已演习出的模型进行扩展以学习新任务，而是重新演习出一个新的模型，乃至将通用模型专门用于特界说务。

想象一下，如果你每次学习一项新技能，就忘却了你之前所学的统统，再完备重新开始学习。
这样一来，有数千个任务，就开拓了数千个单独的模型。
不仅花费了更长的韶光，乃至还须要更多的数据来学习每个新任务。

事实上，最为得当的是演习出一种通用模型，既可以用来应对许多单独的任务，又可以在现有技能的根本长进步处理新任务的效率。
比如，基于通过航拍图像来预测景不雅观高度的演习任务，模型可以进一步学习另一项技能，比如预测大水流经地形的情形。

图 | 实时推断大水淹没的机器学习模型（来源：谷歌）

与现有人工智能系统消化信息的办法不同，人们常日利用多种感官来认识天下。
然而，对付大多数人工智能模型来说，它们虽然可以吸收文本、图像及语音等多种形式的信息，但一次却只能处理一种形式的信息，而不是同时吸收。

谷歌表示，Pathways 能够演习出可同时进行文本、图像及语音形式的多模态人工智能模型，达到更敏锐且更准确的效果。

并且，Pathways 能够处理抽象的数据，这将有助于科学家在难以占领的研究领域中找到更多有用信息。

此外，以 Pathways 架构创建的人工智能模型更加 “稀疏” 且高效。

大多数已有的人工智能模型都是“密集的”，意味着一项任务无论是非常大略还是繁芜，都须要激活全体神经网络才能完成该任务，这与人类处理某项任务时采纳的办法大不相同。

在人类的大脑中，有许多不同的部分，分别用于应对不同的任务，在特定情形下只调用干系部分。
换句话说便是，人类的大脑中有近千亿个神经元，但只需依赖个中的一小部分来进行某项行动。

实在，人工智能系统也能够以这样的办法运行，只需建立一个“稀疏”激活的模型，根据须要调用经由网络的小路径即可。
详细来讲，该模型会动态地学习网络中的哪些部分善于于哪些任务，以及如何通过模型中最干系的部分来完成路由任务。

这样一来，同一个人工智能模型将具备完成多种任务的能力，且运行速率更快，能源效率也更高。

图 | Pathways 事情模式（来源：谷歌）

谷歌先容，目前，他们建立的最大人工智能模型为 GShard 和 Switch Transformer ，两者都利用 “稀疏” 激活，极大地提高了能源效率，所花费的能量不到同样大小密集模型的十分之一，但达到的准确性相差无几。

谷歌高等研究员兼谷歌人工智能研究部门高等副总裁杰夫·迪恩（Jeff Dean）表示，“本日的机器学习模型每每在单个任务上过度专业化，而它们实在可以在许多任务中有出色表现。
当须要综合多种输入时，它们却只依赖于一种形式的输入；并且，当闇练和专业知识可以做到时，它们每每诉诸蛮力。
”

而 Pathways 不同，它以超高的效率使单个人工智能系统覆盖近百万个任务，并能对不同类型的数据进行解析，“从仅仅识别模式的单一用场模型时期推进到更通用的智能系统时期，适应新需求。
” 迪恩补充道。

也便是说，多数人工智能模型常日被演习为只做一件事，而 Pathways 可以演习单个模型做万万千万件事。

迪恩称，“我们熟习当今许多环球性寻衅，并致力于研究可帮助办理这些寻衅的技能。
同时，我们也确信未来还有一些尚未预见到的重大寻衅，都须要紧急办理方案。
因此，我们非常谨慎，并始终遵照我们的人工智能原则来打造下一代人工智能架构，其可以快速适应新需求并办理天下各地涌现的新问题，以帮助人类创造更好的未来。
”

-End-

参考：https://blog.google/technology/ai/introducing-pathways-next-generation-ai-architecture/