本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
Jeff Dean亲笔盘点谷歌AI研究成果，已经成了一年一度的保留节目。
今年也不例外，还是他抽出一部分假期时间完成的。
过去一年，谷歌研发投入依然是全球最高，在一整年的时间里产出不少成果。
光论文数就达750+篇，让人眼花缭乱。
如果你担心自己错过了一些的话也不用担心，这位谷歌AI掌门人都帮你总结好了。
Jeff本人亲眼目睹了AI过去几十年的诸多进展，对当下最大的感触是：
早期机器学习方法往往不尽如人意，不过终于催生出了很多非常成功的现代方法，这些进步最终将惠及数十亿人的生活。
他把2021年机器学习进展总结成五大趋势，另外还给读者送上一份大礼包——
一年来谷歌发布的27个开源工具和数据集汇总。
涵盖多语言文本、医学、建筑、舞蹈动作、电影标题、文本到表格生成等众多领域。
如果你有需要可在公众号后台回复关键词“姐夫2021”获取。
下面就先来看一下，这个被誉为行业风向标，Jeff眼中的机器学习五大趋势都有哪些。
简单速览：
- 趋势1：模型更大让AI能力更通用
- 趋势2：机器学习效率持续提高
- 趋势3：AI应用对个人更有益
- 趋势4：AI推动科学研究和医学健康
- 趋势5：对机器学习的理解加深
趋势1：模型更大让AI能力更通用
过去一年中，语言模型的参数规模仍在不断增长，纷纷超过1750亿的GPT-3。
例如DeepMind的Gopher有2800亿，微软英伟达联合推出的威震天-图灵到了5300亿。
谷歌自己的GShard和GLaM模型更是达到6千亿和1.2万亿。
训练这些模型用到的数据集规模也在同步增长。
数据集和模型大小的增加让AI在传统NLP任务上的准确性显著提高，还在更多新能力上有所突破。
代表性的研究有Quoc Le团队提出新的微调方法Instruction Tuning。
新模型FLAN在没训练过的任务上的零样本学习能力超过GPT-3少样本版本的表现。
以及谷歌I/O大会上所演示的LaMDA模型，在开放式多轮对话上有所突破。
除了语言模型，图像、视频方面这一年都被Transformer架构同时刷新了模型规模和性能基准。
谷歌在这方面代表性的研究便是Vision Transformer（ViT）以及Video ViT。
另外还有一个重要的结论是，同时用图像和视频数据训练可以提高模型在视频任务的性能。
图像生成上，这一年里扩散模型 （Difusion Model）成了GAN的有力竞争对手。
级联（Cacade）扩散模型SR3以低分辨率图像为输入，便可从纯噪声中构建出对应的高分辨率图像。
多模态模型方面，模型规模的增大还让机器人get新能力。
机械臂只需要学会自然语言描述的“把葡萄放在碗中”这项任务，便可执行“把水瓶放在托盘中”的全新任务。
Jeff总结到，这些大模型通常使用自监督学习方法，这个趋势令人兴奋。
一方面可以大大减少工作量，另一方面在长尾任务中也能取得更好表现。
谷歌AI下一步的努力方向是研发一个叫Pathway的稀疏模型新架构，把它训练成可以执行成千上万种任务的通用模型。
趋势2：机器学习效率持续提高
参数规模和数据量的扩大，对模型的训练效率提出了新的挑战。
作为应对，谷歌在加速芯片、编译器、模型架构和算法方面分别取得了进展。
芯片方面，新发布的TPUv4与上一代相比性能提高2.7倍，用高速网络连接在一起可以支持超大模型的训练。
移动设备上，新一代Pixel6手机上搭载全新的Tensor处理器，在手机上做到4k60帧视频处理，以及实时机器翻译。
编译器方面，谷歌推出基于XLA编译器的自动并行化系统GSPMD。
即使硬件没有进步，也能做到在150种模型上性能全面提高5%-15%，甚至个别情况下提高了2.4倍。
这一成果已经用在了GShard-M4、LaMDA、ViT等多个大模型上。
架构方面，一种提升效率的方法是靠人类的创造力设计。
这里还是要说到Transformer的各类变体在这一年中大放异彩，同时在NLP和CV领域频频刷榜。
另一种方法便是机器驱动的神经架构搜索（NAS），大大减少算法开发的工作量。
虽然NAS本身的计算量很大、成本高昂，但总体上可以显著降低下游开发和生产环境中的计算量。
如NAS方法搜索出来的Evovled Transformer，在参数减少37.6%的情况下获得0.7%的英德翻译性能提升。
视觉任务上，NAS方法得到的Efficientnetv2模型训练速度比之前的SOTA模型提高了5-11倍。
除了模型架构，AutoML-Zero还使用NAS方法来寻找新的、更有效的强化学习/监督学习算法。
算法方面，增加对稀疏性（Sparsity）的利用是一个重要进展。
谷歌稀疏的Switch Transformers与密集的T5模型相比，训练效率提高了7倍。
GLaM模型把Transformer与Mixer of Expert风格的层结合起来，训练和推理成本与GPT-3相比分别减少了3倍和2倍。
另外，BigBird模型用稀疏性降低了Transformer的核心机制——注意力模块的计算成本。
尽管稀疏性取得如此多成绩，Jeff Dean还是认为目前的研究仅触及了这个方向上的皮毛。
未来更继续深入研究还有更高的潜在回报。
趋势3：AI应用对个人更有益
除此之外，Jeff Dean还关注到移动设备上的个性化AI应用。
得益于ML的发展与处理器的创新，手机可以更加连续有效地感知周围环境，用户体验也更加丰富。
对一些日常使用的功能，比如计算摄影、实时翻译等都带来了改变。与此同时，还加强了隐私保护。
以计算摄影HDR+功能为例，即便在非常暗的光线下拍照，也能展现更真实的情况。
跨语言实时交流也成为一大趋势。由于自监督学习、noisy student training自训练算法等技术的发展，语音识别的准确性继续取得重大进展，嘈杂、重叠语音等环境以及跨语言的效果有了明显改善。
日常交互也变得越来越自然，比如自动呼叫、机器学习代理，即使经常执行的简短任务，也可通过智能文本选择工具进行改进。
还有一些小例子也体现出AI的有益之处，比如注视识别技术，防止你看手机屏幕时变暗。
机器学习在确保个人和社区安全上也提供新方法。
比如“可疑信息警告”来应对疑似网络钓鱼攻击，“安全路线”可以帮助识别和检测什么时候该踩刹车，提示备用路线。
鉴于构成这些新功能的数据具有敏感性，隐私计算也就搬到了台前。
安卓系统可确保私有计算核心处理的数据不被任何APP共享，与此同时还阻止了其内部的任何功能直接访问网络。
趋势4：AI推动科学研究和医学健康
近年来，我们已经看到机器学习对基础科学的影响越来越大，从物理学到生物学，有很多令人兴奋的实际应用。
计算机视觉作为典型，已经应用于解决个人和全球范围的问题。
它既可以帮助医生进行日常工作，扩展对神经生理学的理解，也可以提供天气预报预测以及救灾工作的优化。
去年，谷歌与哈佛合作展开了第一个大规模人类大脑皮层突触连接的研究，重建了人类大脑组织成像。
ps：图中显示了成人大脑860亿个神经元中的6个
而若向外延伸，计算机视觉在应对全球挑战上也有突出的作用，比如基于深度学习的天气预测，预报12小时内的天气和降水，比传统的物理模型更准确。
还有像在文档、游戏，包括芯片上的自动化设计布局，以及在医学、人类健康、应对气候变化上的关键作用也不容忽视。
以医学健康为例，在基因组学的研究中机器学习可以帮助处理序列数据，看到基因组数据的隐藏特征，还能加速对个性化、健康的基因组信息的使用。
Jeff Dean还强调在疾病诊断，尤其是在医学成像上的应用，比如在改善乳腺癌筛检、检测肺癌、加速癌症的放射治疗、标记异常X射线和前列腺癌期活检等领域。
另一个值得关注的方向就是利用NLP技术来分析结构化数据与医疗记录，辅助临床医生提供更准确的诊断护理。
尽管机器学习对于扩大获取途径和提高临床诊断的准确性非常重要，但我们看到一个同样重要的新趋势正在出现：智能手机上的健康功能，帮助用户对自己的健康状况进行评估。
趋势5：做负责任的人工智能
随着机器学习越来越广泛地应用于社会中去，保证其更公平公正的使用正成为下一个技术出发点。
一个重点领域就是基于用户活动的推荐系统，最近工作揭示了如何提高单个组件和整个推荐系统的公平性。
在机器翻译上的应用也同样重要，因为大多数机器翻译系统是孤立地翻译单个句子的，没有附加的语境。
它们往往会加强与性别、年龄或其他领域有关的偏见。去年谷歌发布了个数据集，用于研究翻译维基百科传记时的性别偏见。
部署机器学习模型的另一个常见问题是分布转移。如果模型所依据的数据统计分布与所输入的数据统计分布不一致，那么模型的行为可能是不可预测的。
在最近的工作中，谷歌Deep Bootstrap框架可以帮助比较、理解模型在这两种情况下的表现，使得模型更好适应未知环境，并对固定的训练数据集不会产生太大的偏见。
除此之外在机器学习上游——数据收集和数据集管理上，也有相应的探索。
还有像处理网上辱骂行为、模型的交互式分析和调试、机器学习的可解释性（以AlphaZero国际象棋系统为典型），以及改善社区生活等维度都是谷歌解决的方向。
总之，再三强调一个愿景：做负责任的人工智能。
One More Thing
在这篇博文下互动区，看到了熟悉的身影。
那就是让Jeff Dean陷入歧视风波的那位前员工Timnit Gebru，她也转发了一波~
不过，这画风……嗯，就有点尴尬。
好了，感兴趣的旁友，可戳下方链接看详细报告~
以及别忘了到公众号后台回复“姐夫2021”，获取27个谷歌开源工具及数据集汇总。
直达链接：
https://ai.googleblog.com/2022/01/google-research-themes-from-2021-and.html
