谷歌的兩位AI研究人員最近詳細介紹了他們如何創建用于文本分類的高級離線AI。該AI還可以在低端智能手機上運行，并且在簡單數據集上的準確性達到86.7%，而在更復雜和多方面的數據集上則達到83.1%。

測試是在本地進行的，還有實時培訓。該系統使用自治神經網絡來保持較低的占用空間并消除對云的需求。盡管損失定義的地面真實性有助于準確性和訓練，但算法工具可修改模型的基礎。

這基本上是一種有監督的學習形式，不需要人類的大量監督，并且可以教AI快速學習。AI在這里對文本進行分類，根據它們可能是句子，短語，數學方程式，標識號還是其他東西對文本進行分類。

由于機器學習和神經網絡功能正迅速成為旗艦智能手機的規范，因此像這樣的AI可以為具有AI功能的低端設備鋪平道路。文本分類聽起來似乎沒什么大不了的，但是當涉及實時翻譯，UI導航以及旨在幫助功能不同的用戶導航其項目的項目時，文本分類確實具有潛力。

在缺乏互聯網連接和笨重硬件的地方，該解決方案可能會派上用場。

此外，谷歌對基于AI的淋巴結助手（LYNA）的使用的研究表明，人工智能如何在現實生活中派上用場。該公司在其AI博客中詳細介紹了如何幫助人類病理學家診斷淋巴結幻燈片中的轉移性乳腺癌。

LYNA的使用使檢測癌細胞變得容易，從而幫助病理學家對其進行診斷。實際上，谷歌表示，它對每張幻燈片的審閱時間減少了一半。這項新的研究是今年早些時候報道的關于使用AI來檢測和診斷癌癥的研究的延續。早些時候，谷歌還展示了其DeppMind如何能夠幫助病理學家檢測癌細胞。