Google研究團隊由史丹佛大學的Andrew Y. Ng及Google員工Jeff Dea領軍，該團隊以1萬6千個處理器建造神經網路，共10億多個節點，然後不斷地透過1000萬筆Youtube視頻傳送隨機圖樣。
這些視頻都是隨機抽樣傳送的，但網路世代的神經網路研究卻和生物學家的神經研究有相近的結果：每個獨立的神經元都在腦內接受訓練，才會偵測到特定圖像。
Ng說：「我們丟海量的資訊給這個演算法系統，軟體會自動從資料中學習。」在訓練過程中，沒有人告訴這套軟體「你看到的圖片就是貓」，軟體最後自己發現了什麼是貓。
簡單來說，這顆Google腦袋在看了成千上萬張圖像後，透過記憶位置的階層模糊地在「腦海」中描繪出了「貓」的樣子，這個神經機械學的產物似乎可以成為大腦的視覺中樞的遠親。
開發工業用機器人「人腦」的加州公司Industrial Perception的神經科學家Gary Bradski說：「這就好比人類從反覆見面來認識一個朋友」。
Google腦袋的實驗結果震驚了科學界，現在這套仿人腦系統也能開始辨認人臉與身體的特定部分，這些記憶也儲存在運算模型中的特定位置。但Ng承認在將這套軟體系統類比於生物的腦袋時需要特別謹慎。
他認為一個簡陋的類比是這套參數類似神經突觸，但不論科學家多們認真地研究，仍舊比不上人腦突觸的連接與觸發特性。該研究室的其他研究員表示：「我們也必須承認這套仿人腦系統比真正人腦中的突觸和神經元少得多」。
不過，海量資訊對研究仿人腦有很大的幫助，這些資料讓演算法的成果大有斬獲。喬治亞理工學院院長David A. Bader稱讚這起史丹佛與Google的合作「將神經網路的研究規模推向新的境界」，他認為在十年內科學界就有可能以與人腦同等級的神經突觸與神經元規模做模擬。
Google科學家表示，目前這個專案已經從X實驗室搬出，轉往搜尋相關業務部門，可以預見的是包括影像搜尋、語音辨識及機器語言翻譯等相關應用將優化現有的搜尋服務。
但值得注意的是，Google對於是否接近開發出會自學的機器，態度仍相當保留。Ng說：「如果要讓機器自主學習只需要放大這個參數值就行了當然非常好，但我的直覺是...事情沒有這麼簡單。」
Google研究團隊由史丹佛大學的Andrew Y. Ng及Google員工Jeff Dea領軍，該團隊以1萬6千個處理器建造神經網路，共10億多個節點，然後不斷地透過1000萬筆Youtube視頻傳送隨機圖樣。
這些視頻都是隨機抽樣傳送的，但網路世代的神經網路研究卻和生物學家的神經研究有相近的結果：每個獨立的神經元都在腦內接受訓練，才會偵測到特定圖像。
Ng說：「我們丟海量的資訊給這個演算法系統，軟體會自動從資料中學習。」在訓練過程中，沒有人告訴這套軟體「你看到的圖片就是貓」，軟體最後自己發現了什麼是貓。
簡單來說，這顆Google腦袋在看了成千上萬張圖像後，透過記憶位置的階層模糊地在「腦海」中描繪出了「貓」的樣子，這個神經機械學的產物似乎可以成為大腦的視覺中樞的遠親。
開發工業用機器人「人腦」的加州公司Industrial Perception的神經科學家Gary Bradski說：「這就好比人類從反覆見面來認識一個朋友」。
Google腦袋的實驗結果震驚了科學界，現在這套仿人腦系統也能開始辨認人臉與身體的特定部分，這些記憶也儲存在運算模型中的特定位置。但Ng承認在將這套軟體系統類比於生物的腦袋時需要特別謹慎。
他認為一個簡陋的類比是這套參數類似神經突觸，但不論科學家多們認真地研究，仍舊比不上人腦突觸的連接與觸發特性。該研究室的其他研究員表示：「我們也必須承認這套仿人腦系統比真正人腦中的突觸和神經元少得多」。
不過，海量資訊對研究仿人腦有很大的幫助，這些資料讓演算法的成果大有斬獲。喬治亞理工學院院長David A. Bader稱讚這起史丹佛與Google的合作「將神經網路的研究規模推向新的境界」，他認為在十年內科學界就有可能以與人腦同等級的神經突觸與神經元規模做模擬。
Google科學家表示，目前這個專案已經從X實驗室搬出，轉往搜尋相關業務部門，可以預見的是包括影像搜尋、語音辨識及機器語言翻譯等相關應用將優化現有的搜尋服務。
但值得注意的是，Google對於是否接近開發出會自學的機器，態度仍相當保留。Ng說：「如果要讓機器自主學習只需要放大這個參數值就行了當然非常好，但我的直覺是...事情沒有這麼簡單。」
