谷歌今天推出了神经结构学习(NSL)，这是一个开放源代码框架，使用神经图学习方法来训练具有图和结构化数据的神经网络。

NSL可与TensorFlow机器学习平台配合使用，适合经验丰富和经验不足的机器学习从业人员使用。NSL可以为计算机视觉建模，执行NLP并根据图形数据集(例如病历或知识图)运行预测。

TensorFlow工程师在今天的博客中说：“ 在训练过程中利用结构化信号可使开发人员获得更高的模型准确性，尤其是在标记数据量相对较小的情况下。” “使用结构化信号进行训练还可以建立更强大的模型。这些技术已在Google中广泛用于改善模型性能，例如 学习图像语义嵌入。”

NSL可以在有监督，半监督或无监督学习的情况下进行训练，以创建在训练期间使用图形信号进行正则化的模型，在某些情况下，代码少于五行。

新框架还包括一些工具，可帮助开发人员构建数据和API，从而以很少的代码创建对抗性训练示例。

4月，Google Cloud推出了针对结构化数据的其他解决方案，例如BigQuery和AutoML Tables中的连接表。

在其他AI新闻中，上周Google AI(以前称为Google Research)开源SM3，SM3是针对大规模语言理解模型(例如Google的BERT和OpenAI的GPT2)的优化器。