收藏:左路Deep Learning+右路Knowledge Graph,谷歌引爆大数据
发表于2013-01-18
11:35| 8827次阅读|
来源sina微博 条评论|
作者邓侃
各大公司重兵集结。虎视眈眈。Google 兵分两路。左路以 Jeff Dean 和 Andrew Ng 为首。重点突破 Deep Learning 等等算法和应用,右路军由Amit Singhal领军,目标是构建Knowledge Graph基础设施。而在攻克技术难题之后。就是动用资本和商业的强力手段。跑马圈地了。
文章来自邓侃的博客。数据革命迫在眉睫。不仅学术意义巨大,并且离钱非常近。所以,各大公司重兵集结。虎视眈眈。Google 兵分两路,左路以 Jeff
Dean 和 Andrew Ng 为首。重点突破 Deep Learning 等等算法和应用,右路军由Amit Singhal领军,目标是构建Knowledge Graph基础设施。而在攻克技术难题之后。就是动用资本和商业的强力手段。跑马圈地了。
Google的Amit Singhal
下面为全文:
2013年1月15日。新浪微博@王威廉发了一条消息,说机器学习领域的大牛,Alex Smola入盟CMU,讲授机器学习入门课程,该课程的视频将在网上公开。
我回应了几个帖子,聊聊 CMU 与机器学习的研究进展。@老师木回复说,“机器学习是伪科学”。网友 @y_y_n_i_l 则说,“整天在实验室里面折腾算法,不如实际搞大系统”。
两个人的观点。都有出处。
图灵在1950年的论文里,提出图灵试验的设想,即,隔墙对话。你将不知道与你谈话的,是人还是电脑 [1]。
这无疑给计算机,尤其是人工智能。预设了一个非常高的期望值。可是半个世纪过去了,人工智能的进展,远远没有达到图灵试验的标准。这不仅让多年翘首以待的人们,心灰意冷,觉得人工智能是忽悠,相关领域是“伪科学”。
2008年6月,“连线”杂志主编Chris Anderson发表文章。题目是 “理论的终极,数据的泛滥将让科学方法过时”。而且文中还引述经典著作“人工智能的现代方法”的合著者。时任Google研究总监的Peter Norvig的言论,说:“一切模型都是错的。进而言之。抛弃它们,你就会成功”[2]。
言下之意。静止的算法是无意义的。面对海量数据。即便仅仅用简单的算法。也能得到出色的结果。
与其钻研算法,不如研究云计算。处理大数据。
假设这番言论,发生在2006年曾经。可能我不会强力反驳。可是自2006年以来。机器学习领域,取得了突破性的进展。
图灵试验,至少不是那么可望而不可即了。至于技术手段,不只依赖于云计算对大数据的并行处理能力,并且依赖于算法。
这个算法就是,Deep Learning。
借助于Deep Learning 算法。人类最终找到了怎样处理 “抽象概念”这个亘古难题的方法。
于是学界忙着延揽相关领域的大师。Alex Smola加盟CMU,就是这个背景下的插曲。
悬念是Geoffrey Hinton 和 Yoshua Bengio 这两位牛人,最后会加盟哪所大学?
Geoffrey Hinton以前转战Cambridge、CMU,眼下任教University of Toronto。相信挖他的名校一定不少。
Yoshua Bengio 经历比較简单。McGill University 获得博士后,去MIT追随Mike Jordan做博士后。眼下任教University of Montreal。
Deep Learning 引爆的这场革命,不仅学术意义巨大。并且离钱非常近。实在太近了。假设把相关技术难题比喻成一座山,那么翻过这座山。山后就是特大露天金矿。
技术难题解决以后,剩下的事情,就是动用资本和商业的强力手段。跑马圈地了。
于是各大公司重兵集结,虎视眈眈。Google 兵分两路,左路以 Jeff Dean 和 Andrew Ng 为首,重点突破 Deep Learning 等等算法和应用 [3]。
Jeff Dean在Google诸位 Fellows 中,名列榜首,GFS就是他的杰作。Andrew Ng本科时,就读CMU。后来去MIT追随 Mike Jordan。Mike Jordan在MIT人缘不好,后来愤然出走UC Berkeley。Andrew Ng毫不犹豫追随导师,也去了Berkeley。
拿到博士后,任教Stanford,是Stanford新生代教授中的佼佼者,同一时候兼职 Google。
Google右路军由Amit Singhal领军,目标是构建Knowledge Graph基础设施。
1996年Amit Singhal从Cornell University拿到博士学位后,去Bell Lab工作,2000年加盟Google。
据说他去Google面试时,对Google创始人Sergey Brian说,“Your engine is excellent, but let me rewirte it!”[4]
换了别人,说不定一个大巴掌就扇过去了。可是Sergey Brian大人大量,不仅不怪罪小伙子的轻狂,反而真的让他从事新一代排名系统的研发。Amit Singhal眼下任职Google高级副总裁。掌管Google 最核心的业务,搜索引擎。
Google把王牌中之王牌,押宝在Deep Learning和Knowledge Graph上。目的是更快更大地夺取大数据革命的胜利果实。
Reference:
[1] Turing Test.
http://en.wikipedia.org/wiki/Turing_test
[2] The End of Theory: The Data Deluge Makes the Scientific Method Obsolete
http://www.wired.com/science/discoveries/magazine/16-07/pb_theory
[3] Introduction to Deep Learning.
http://en.wikipedia.org/wiki/Deep_learning
[4] Interview with Amit Singhal, Google Fellow.
http://searchengineland.com/interview-with-amit-singhal-google-fellow-121342
业内将有数场公开课,请关注!
来源:http://www.csdn.net/article/2013-01-18/2813813-Google-DeepLearningKnowledge-and-Graph
收藏:左路Deep Learning+右路Knowledge Graph,谷歌引爆大数据的更多相关文章
- Deep Learning 和 Knowledge Graph howto
领军大家: Geoffrey E. Hinton http://www.cs.toronto.edu/~hinton/ 阅读列表: reading lists and survey papers fo ...
- 关于深度学习(deep learning)的常见疑问 --- 谷歌大脑科学家 Caffe缔造者 贾扬清
问答环节 问:在finetuning的时候,新问题的图像大小不同于pretraining的图像大小,只能缩放到同样的大小吗?" 答:对的:) 问:目前dl在时序序列分析中的进展如何?研究思路 ...
- Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation(知识图谱)
知识图谱(Knowledge Graph,KG)可以理解成一个知识库,用来存储实体与实体之间的关系.知识图谱可以为机器学习算法提供更多的信息,帮助模型更好地完成任务. 在推荐算法中融入电影的知识图谱, ...
- Deep Learning 16:用自编码器对数据进行降维_读论文“Reducing the Dimensionality of Data with Neural Networks”的笔记
前言 论文“Reducing the Dimensionality of Data with Neural Networks”是深度学习鼻祖hinton于2006年发表于<SCIENCE > ...
- Deep Learning 11_深度学习UFLDL教程:数据预处理(斯坦福大学深度学习教程)
理论知识:UFLDL数据预处理和http://www.cnblogs.com/tornadomeet/archive/2013/04/20/3033149.html 数据预处理是深度学习中非常重要的一 ...
- 论文阅读 | DeepDrawing: A Deep Learning Approach to Graph Drawing
作者:Yong Wang, Zhihua Jin, Qianwen Wang, Weiwei Cui, Tengfei Ma and Huamin Qu 本文发表于VIS2019, 来自于香港科技大学 ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料
<Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.D ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料【转】
转自:机器学习(Machine Learning)&深度学习(Deep Learning)资料 <Brief History of Machine Learning> 介绍:这是一 ...
- Deep Learning(1)
深度学习是机器学习研究中的一个新的领域,其动机在于建立.模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本.深度学习是无监督学习的一种. 深度学习的概念源于人工神经网络的 ...
随机推荐
- UIWebViewでローカルにあるHTMLを表示する&iOS6からtextAlignmentで指定する値が変更になった
[objective-c]UIWebViewでローカルにあるHTMLを表示する xcode内にHTMLを格納して.そのHTMLをWebViewで表示する方法です. // UIWebViewの初期化UI ...
- 黑马程序员-- C语言交换两个整数变量值几种函数比较
总结了C语言中几种交换两个整数数值的函数,欢迎交流 #include <stdio.h> 使用多种交换变量值的函数比较 方法一:使用第三方临时变量 这种函数a,b只是值传递,实质上不能修交 ...
- 黑马程序员-- C语言变量作用域与代码块
这里通过变量作用域的两种错误用法来介绍一下C语言变量作用域 其次对代码块的使用进行了简单说明: #include <stdio.h> 1.变量的作用域(作用范围) 变量定义的那一行开始,直 ...
- 用不动点组合子解递归(python实现)
不动点组合子 Y = λf. (λx. f (x x)) (λx. f (x x)) θ = (λx. λy. (y(x x y))) (λx.λy.(y(x x y))) Y f = f (Y f) ...
- 4.java.lang.NumberFormatException(数据类型转换异常)
字符串转换为数字异常 当试图将一个String转换为指定的数字类型,而该字符串确不满足数字类型要求的格式时,抛出该异常.如现在讲字符型的数据“123456”转换为数值型数据时,是允许的. 但是如果字符 ...
- [摘]ASP.Net标准控件(TextBox控件)
TextBox控件 TextBox控件又称文本框控件,为用户提供输入文本的功能. 1.属性 TextBox控件的常用属性及说明如表1所示. 表1 TextBox控件常用属性及说明 属 性 说 ...
- Qt:基于TCP和UDP的局域网P2P(局域网)通讯封装
封装了一个类,可以进行在局域网进行P2P通讯(仅局域网可用) 也就是说,假设局域网中有10台电脑,那么从本机发出的数据,将依次派发到这10台电脑(目前的设计中包括自己这台) 在使用方面,构造的时候给端 ...
- java实现二维码生成的几个方法
1: 使用SwetakeQRCode在Java项目中生成二维码 http://swetake.com/qr/ 下载地址 或着http://sourceforge.jp/projects/qrcode/ ...
- [LeetCode][Python]Container With Most Water
# -*- coding: utf8 -*-'''https://oj.leetcode.com/problems/container-with-most-water/ Given n non-neg ...
- qt 5.1.1 on CentOS 6.4
Overview If you are trying to install Qt and Qwt [qwt.sourceforge.net] (Qt Widgets for Technical App ...