为了说得明白一点，我们可以看看下面这张图表。这里有两张表：红色标记对应“好吃”回复，蓝色标记对应“美味”回复。“意粉”和“扁面”这两个节点没有标记，但是因为他们与红蓝两种标记都很近，算法可以学会这两个节点应该与“好吃”和“美味”回复联系起来。注意，通过这种方式，我们将“扁面”语义个体与“好吃”回复联系了起来，即便是图表中的所有扁面图片都没有直接与该回复有联系。Expander可以以超大的数量来进行此类学习，搞定包含几十亿个节点、几千亿个边界的图表。
图表例子。图片来自Google Research Blog。
Photo Reply是多模式学习的一个很棒的例子，在这种学习模式中，计算机视觉和自然语言处理结合起来，从而创造出一种非常好的用户体验。今年夏天晚些时候，Allo就会正式上线安卓和IOS平台。到时候记得用Allo发发照片，看看谷歌的人工智能到底会如何回复呢？
Via Google Research Blog
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！