谷歌的两位人工智能研究人员最近详细介绍了他们是如何为文本分类创建高级离线人工智能的。该AI也可以在低端智能手机上运行，在简单数据集上的准确率为86.7%，在更复杂、多面的数据集上的准确率为83.1%。
测试在本地进行，并进行实时培训。该系统使用自主神经网络来保持低占用空间并消除对云的需求。虽然损失定义的基本事实有助于准确性和训练，但算法工具可以修改模型的基础。
这基本上是一种有监督的学习形式，不需要大量的人工监督，可以教AI快速学习。人工智能在这里根据文本是句子、短语、数学等式、识别号还是其他东西来分类。
随着机器学习和神经网络功能迅速成为旗舰智能手机的规格，像这样的AI可以为具备AI功能的低端设备铺平道路。文本分类听起来可能不是什么大事，但在实时翻译、UI导航和旨在帮助具有不同功能的用户导航其项目的项目方面，它确实有潜力。
在缺乏互联网连接和沉重的硬件的地方，这个解决方案可能会派上用场。
此外，谷歌关于使用基于AI的淋巴结助手(LYNA)的研究显示了人工智能如何在现实生活中使用。在其AI博客中，该公司详细介绍了如何帮助人类病理学家在淋巴结切片中诊断转移性乳腺癌。
LYNA使检测癌细胞变得容易，从而帮助病理学家诊断它们。事实上，谷歌表示，它将每张幻灯片的审查时间缩短了一半。这项新研究是今年早些时候报道的关于使用人工智能检测和诊断癌症的研究的延续。早些时候，谷歌还展示了其DeppMind如何帮助病理学家检测癌细胞。
