新浪科技訊 北京時間6月20日早間消息，谷歌近期發表的一篇學術論文或許為機器學習未來的發展制定了藍圖。這篇論文題為“一種可以進行各種學習的模型”，為可處理多任務的單一機器學習模型提供了模板。

　　谷歌研究員將其稱作“MultiModel”（多任務模型），并訓練該模型完成一系列任務，包括翻譯、語言分析、語音識別、圖像識別和對象探測等。盡管結果相對于當前方法并沒有質的飛躍，但這表明，用多種任務去訓練機器學習系統將提升其整體性能。

　　例如，如果用可以勝任的所有任務來進行訓練，那么相對于用單一任務進行訓練，MultiModel在機器翻譯、語音和分析任務方面的準確性會更高。

　　谷歌的論文為未來機器學習系統的開發提供了模板。這種系統可以得到更廣泛的應用，或許也會更準確。這將與當前的狹義解決方案不同。更重要的是，這些技術（及其衍生技術）有助于減少機器學習算法所需的訓練數據量。

　　該團隊的研究結果表明，在用可以勝任的所有任務來進行訓練時，準確性會隨著訓練數據的減少而提高。這點很重要，因為某些領域很難積累起足夠多的訓練數據。

　　然而，谷歌并沒有宣稱已找到一種可以學會所有任務的“主算法”。正如名稱所暗示的，MultiModel網絡包含為解決不同挑戰而訂制的系統，以及協助直接向這些專家算法提供輸入的系統。谷歌采取的方法將有助于未來開發類似的系統，以解決不同領域的問題。

　　需要指出，這方面仍有許多測試需要去做。谷歌的研究結果尚未得到證實，目前也很難弄清，這項研究能否拓展至其他領域。作為TensorFlow開源項目的一部分，谷歌大腦團隊已經發布了MultiModel的代碼，而其他人可以嘗試這個模型。