编者网按：本文是Google Brain负责人Jeff Dean在硅谷人工智能前沿论坛AI FronTIers的讲演。
在深度学习的历史上，神经网络的办法在1980-1990年之后开端明显地发挥效能，在数据量、计算力的推进下，用深度学习神经网络的办法使得咱们在研讨和开发上取得了比其它办法更高的准确率（在图画、语音等范畴）。在2011年之前，深度学习的办法能到达的图画误识率都是26%，而在今日这个数字超过了人类的误识率（5%），到达了3%。在Google今日的产品线中深度学习的办法运用十分广泛，包含Android渠道、各类App中、药物研讨、Gmail等等。
Google Brain团队现在有什么样的效果：
在研讨方面，有27个paper在各种尖端会议中宣布；
推进Google查找、广告、相册、翻译、Gmail等产品线的整合优化；
发布TensorFlow等在社区中高度盛行的开源东西。
谈到TensorFlow的开发，咱们开端的起点是需求创立一个适宜的深度学习东西。
这个东西需求满意下面的几个条件：
1. 适宜于机器学习考虑和算法的表达；
2. 运转效率高，可以快速地试验主意；
3. 兼容性好，试验能在不同渠道上运转；
4. 可在不同环境下共享和重现研讨的问题；
5. 适宜产品化：能很快从研讨阶段过渡到产品应用阶段；
总结一下TF的方针便是树立一个针对机器学习方面的考虑快速试验的通用体系，并且保证这个体系既是针对研讨也是对产品化最好的体系。最终，这个体系不仅是Google的，并且开源的，归于渠道上每一个人。
在2015年11月9日，咱们发布了TensorFlow的开端版别，而现在咱们现已取得了这样的效果：
1. TF当时有500+的代码贡献者；
2. 从发布至今，一共有12000次+的代码提交；
3. 100万以上的代码库下载；
4. 很多的校园和商业机构将他们的研讨和开发作业搭建在TF之上（伯克利、斯坦福、OpenAI、Snapchat）。
咱们在软硬件渠道的支撑上也不断更新。数据显现，咱们现已是GitHub上最遭到欢迎的深度学习东西。
深度学习在Google产生了哪些重要的影响？
在语音辨认上，咱们推进词语辨认的错误率降低了至少30%；
深度卷积神经网络使得直接对未符号的相片进行查找成为或许；
咱们用深度学习的办法，在街景相片中抓取辨认文字；
相同用深度学习的办法，在卫星俯视图中检索太阳能的房顶；
在医疗印象中，运用视网膜印象进行糖尿病的确诊；
机器人们现在能经过机器学习的办法进行环境和语义了解；
RankBrian乃至被用于Google查找中的排名优化；
在Inbox中，咱们经过语义剖析自动化地引荐或许的回复效果，当时Inbox中10%的回复都是经过引荐生成发送的；
在机器学习的其它方面：
在曩昔很的的模型都是从零开端练习取得的，这是十分低效的。咱们专门针对深度学习规划的硬件的TPU，将在未来20个月后进入大规模量产的阶段。
在咱们的想象里，未来的查找恳求或许是这样的：请帮我查找一切关于深度学习和机器人的文献，并用德文总结出来。
我以为未来3 – 5年内，经过语音辨认、语义了解的开展，机器人/自动驾驶轿车将会变得产业界十分重要的范畴。
PS：附PPT+文字版别。
在深度学习的历史上，神经网络的办法在1980-1990年之后开端明显地发挥效能，在数据量、计算力的推进下，用深度学习神经网络的办法使得咱们在研讨和开发上取得了比其它办法更高的准确率（在图画、语音等范畴）。
在2011年之前，深度学习的办法能到达的图画误识率都是26%，而在今日这个数字超过了人类的误识率（5%），到达了3%。
Google Brain团队现在有什么样的效果：
在研讨方面，有27个paper在各种尖端会议中宣布；
推进Google查找、广告、相册、翻译、Gmail等产品线的整合优化；
发布TensorFlow等在社区中高度盛行的开源东西。谈到TensorFlow的开发，咱们开端的起点是需求创立一个适宜的深度学习东西。
这个东西需求满意下面的几个条件：
适宜于机器学习考虑和算法的表达；
运转效率高，可以快速地试验主意；
兼容性好，试验能在不同渠道上运转；
可在不同环境下共享和重现研讨的问题；
适宜产品化：能很快从研讨阶段过渡到产品应用阶段；
总结一下TF的方针便是树立一个针对机器学习方面的考虑快速试验的通用体系，并且保证这个体系既是针对研讨也是对产品化最好的体系。最终，这个体系不仅是Google的，并且开源的，归于渠道上每一个人。
在2015年11月9日，咱们发布了TensorFlow的开端版别，而现在咱们现已取得了这样的效果：
TF当时有500+的代码贡献者；
从发布至今，一共有12000次+的代码提交；
100万以上的代码库下载；
很多的校园和商业机构将他们的研讨和开发作业搭建在TF之上（伯克利、斯坦福、OpenAI、Snapchat）。
咱们在软硬件渠道的支撑上也不断更新。数据显现，咱们现已是GitHub上最遭到欢迎的深度学习东西。
深度学习在Google产生了哪些重要的影响？
在语音辨认上，咱们推进词语辨认的错误率降低了至少30%；
深度卷积神经网络使得直接对未符号的相片进行查找成为或许；
咱们用深度学习的办法，在街景相片中抓取辨认文字；
相同用深度学习的办法，在卫星俯视图中检索太阳能的房顶；
在医疗印象中，运用视网膜印象进行糖尿病的确诊；
机器人们现在能经过机器学习的办法进行环境和语义了解；RankBrian乃至被用于Google查找中的排名优化；
在Inbox中，咱们经过语义剖析自动化地引荐或许的回复效果，当时Inbox中10%的回复都是经过引荐生成发送的；
在机器学习的其它方面：
在曩昔很的的模型都是从零开端练习取得的，这是十分低效的。咱们期望经过xxx的办法来处理这个问题；咱们的TPU将在，20个月之后进入大规模量产的阶段。
在咱们的想象里，未来的查找恳求或许是这样的：请帮我查找一切关于深度学习和机器人的文献，并用德文总结出来。
我以为未来3 – 5年内，经过语音辨认、语义了解的开展，机器人/自动驾驶轿车将会变得产业界十分重要的范畴。
