谷歌的兩位AI研究人員最近詳細介紹了他們如何創(chuàng )建用于文本分類(lèi)的高級離線(xiàn)AI。該AI還可以在低端智能手機上運行，??并且在簡(jiǎn)單數據集上的準確性達到86.7%，而在更復雜和多方面的數據集上則達到83.1%。

測試是在本地進(jìn)行的，還有實(shí)時(shí)培訓。該系統使用自治神經(jīng)網(wǎng)絡(luò )來(lái)保持較低的占用空間并消除對云的需求。盡管損失定義的地面真實(shí)性有助于準確性和訓練，但算法工具可修改模型的基礎。

這基本上是一種有監督的學(xué)習形式，不需要人類(lèi)的大量監督，并且可以教AI快速學(xué)習。AI在這里對文本進(jìn)行分類(lèi)，根據它們可能是句子，短語(yǔ)，數學(xué)方程式，標識號還是其他東西對文本進(jìn)行分類(lèi)。

由于機器學(xué)習和神經(jīng)網(wǎng)絡(luò )功能正迅速成為旗艦智能手機的規范，因此像這樣的AI可以為具有AI功能的低端設備鋪平道路。文本分類(lèi)聽(tīng)起來(lái)似乎沒(méi)什么大不了的，但是當涉及實(shí)時(shí)翻譯，UI導航以及旨在幫助功能不同的用戶(hù)導航其項目的項目時(shí)，文本分類(lèi)確實(shí)具有潛力。

在缺乏互聯(lián)網(wǎng)連接和笨重硬件的地方，該解決方案可能會(huì )派上用場(chǎng)。

此外，谷歌對基于A(yíng)I的淋巴結助手(LYNA)的使用的研究表明，人工智能如何在現實(shí)生活中派上用場(chǎng)。該公司在其AI博客中詳細介紹了如何幫助人類(lèi)病理學(xué)家診斷淋巴結幻燈片中的轉移性乳腺癌。

LYNA的使用使檢測癌細胞變得容易，從而幫助病理學(xué)家對其進(jìn)行診斷。實(shí)際上，谷歌表示，它對每張幻燈片的審閱時(shí)間減少了一半。這項新的研究是今年早些時(shí)候報道的關(guān)于使用AI來(lái)檢測和診斷癌癥的研究的延續。早些時(shí)候，谷歌還展示了其DeppMind如何能夠幫助病理學(xué)家檢測癌細胞。