谷歌推出新式神经网络可同时执行听说读写多任务

据报道，谷歌创建了一种新算法，它可以接收多种模式的输入，并可以多种方式生成输出。

目前，许多机器学习应用都集中在一个领域。机器翻译只能为一种语言对建立匹配模式(例如英译汉)，而图像识别算法只能执行一项任务(例如描述图像属于哪个类别，或者在图像中识别物体等)。然而，人类大脑在执行所有任务时都表现得很好，可迅速将知识从一个领域转移到另一个领域。人类大脑甚至可以通过倾听其他领域(比如我们看到或读到的东西)所学的东西进行转换。

谷歌建立了的新模型MultiModel可以同时执行多个领域的8项任务，包括语音识别、图像分类、添加字幕、句法分析、英德互译或英法互译等。这种神经网络由编码器、解码器以及“输入输出混合器”组成，它们可将先前的输入和输出馈送给解码器。在下面的图片中，MultiModel的每个“花瓣”表示一种模式(声音、文本或图像)。这个网络可以用这些输入和输出方式学习每项任务。

2016年11月份，谷歌发布了Zero-Shot翻译。该算法将所有句子转变成“中间语”，即输入语言和和输出语言相同。但谷歌只对它进行了英韩和英日翻译训练，他们的神经网络能够在从未见过类似句子的情况下，对英语和日语进行互译。

谷歌报告说，在使用MultiModel时，执行少量训练数据的任务表现更好。而机器学习模型通常使用较多的训练数据表现更好。采用MultiModel，你可以从多个领域获得额外数据。更重要的是，使用这种方法不会破坏标准任务中的任何现有记录。