Google Crams在AI推动中学习Smartwatches

谷歌为整个新的设备带来了人工智能，包括Android Wear 2.0 Smartwatches和Raspberry Pi Board，今年晚些时候。

很酷的是这些设备Don“T需要一套强大的CPU和GPU来执行机器学习任务。

谷歌研究人员反而试图减轻硬件负载来执行基本的AI任务，如上一周的Android佩戴2.0用于可穿戴物的操作系统所展示。

Google已添加一些基本的AI功能，可使用Android Wead 2.0进行SmartWatch，并且这些功能可以在有限的内存和可穿戴物的CPU限制范围内工作。

Android Wear 2.0具有“智能回复”功能，它提供对话的基本响应。它的工作方式很像预测性词典如何工作，但它可以根据对话的上下文自动回复邮件。

谷歌使用一种新方法来分析空蝇的数据而不逐步挖掘SmartWatch。在传统的机器学习模型中，需要对大量数据进行分类和标记以提供准确的答案。相反，Android佩戴2.0使用“半监督”学习技术来提供近似答案。

“我们”对谷歌在一个博客条目中的资源非常有限的Android可穿戴设备，即使在Android可穿戴设备上，它也有效地兴起它甚至有效。

例如，撇去的下扫描机器学习模型可以基于情绪和其他线索来分类一些单词 - 并创建答案。机器学习模型引入流媒体算法来处理数据，并且它提供了经过训练的响应，也是以前的交互，词关系和矢量分析的因素。

该过程更快，因为基于位阵列或以1S和0的形式进行分析和比较数据。这有助于在飞行中分析数据，从而大大减少了内存占用空间。它不会通过涉及丰富的词汇模型的传统过程，这需要很多硬件。AI功能不适用于复杂的答案或对大量复杂词的分析。

研究人员指出，该功能可与第三方消息应用一起使用。它基于Google“S Messaging Allo App中的相同智能回复技术，该技术是由公司的”S扩展器“半监督学习工具建造的。

Ravi表示，Android佩戴团队最初达到谷歌的研究人员，并对智能设备直接实施“智能回复”技术表示感兴趣。

AI在智能手机，电脑和电子等电子产品中变得普遍存在亚马逊的回声点，但它在很大程度上依赖于在云中进行的机器学习。云中的机器学习模型培训，一个名为学习的过程，识别图像或语音。传统的机器学习依赖于算法，超快速硬件和大量数据以获得更准确的答案。

谷歌的技术与高通公司的移动设备中机器学习的粗略实施不同，它与数字信号处理器（DSP）挂钩了图像识别或自然语言处理的算法。Qualcomm在即将到来的Snapdragon 835中调整了DSP，以在更高的速度下处理语音或图像，因此AI任务更快地进行。

谷歌拥有一个雄心勃勃的计划，可以通过其整个业务应用机器学习。Google Assistant - 也在Android Wear 2.0中 - 是智能手机，电视和其他消费设备的可见AI。搜索公司拥有Tensorflow，一个开源机器学习框架，并拥有自己的推理芯片，称为张量处理单元。