Google stara się uczynić uczenie maszynowe trochę bardziej ludzkim

Dyrektor generalny Google, Sundar Pichai, powiedział w zeszłym miesiącu inwestorom, że postęp w technologii uczenia maszynowego wkrótce będzie miał wpływ na każdy produkt lub usługę, nad którą pracuje firma. Przemyślamy wszystko, co robimy, powiedział.

Częścią tego dążenia do uczynienia swoich usług inteligentniejszymi jest przemyślenie sposobu, w jaki wykorzystuje uczenie maszynowe, które umożliwia komputerom samodzielne uczenie się na podstawie danych. Krótko mówiąc, Google pracuje nad nauczeniem tych systemów, aby były trochę bardziej ludzkie.

Google omówiło niektóre z tych wysiłków na wtorkowym briefingu w swojej siedzibie w Mountain View w Kalifornii. Jesteśmy na etapie Commander Data, powiedział inżynier ds. badań sztabowych Pete Warden w odniesieniu do pozbawionego emocji androida w programie telewizyjnym Star Trek: Następne pokolenie. Ale staramy się wprowadzić do systemu nieco więcej Troi Doradców — statek kosmiczny Przedsiębiorstwo empatyczny doradca.

Warden pracuje w zespole, który opracował Zdjęcia Google, które umożliwiają wyszukiwanie takich rzeczy, jak plaża lub pies w swoich zdjęciach. Podstawowa technologia wyłoniła się z długich badań nad umożliwieniem oprogramowania do identyfikacji obiektów na zdjęciach. Ale Warden i jego współpracownicy odkryli, że sama możliwość zauważenia, powiedzmy, dzieci, jajek lub koszyków nie wystarczy. Ludzie chcieli szukać polowania na jajka wielkanocne. Podobnie system musiał zostać przeszkolony, aby zrozumieć, że zdjęcia z indykiem i talerzami zrobione pod koniec listopada powinny kojarzyć się ze Świętem Dziękczynienia.

Inny projekt Google, o pseudonimie GlassBox, ma na celu powstrzymanie oprogramowania, które uczy się na podstawie ograniczonej próbki danych, przed popełnianiem przez ludzi prostych, głupich błędów. Jego celem jest nadanie oprogramowaniu czegoś w rodzaju zdrowego rozsądku, który umożliwi ludziom odrzucenie mylących przykładów.

Na przykład osoba, która pokazała kilka przykładów domów i związanych z nimi cen, mogła od razu zauważyć, że większe domy zazwyczaj kosztują więcej — nawet jeśli był jeden odstający obiekt, taki jak mały dom oferowane za 1,8 miliona dolarów w drogim mieście Palo Alto w Kalifornii. Ale ta sama wartość odstająca może spowodować, że system uczenia maszynowego, który szuka relacji w tej samej próbce danych, przypisze wysokie ceny do innego czynnika, takiego jak kolor domu. Gupta opracował metody matematyczne, aby złagodzić wpływ takich wartości odstających, które mogą potykać się o system uczenia maszynowego. Staramy się przywrócić jak najwięcej ludzkiej wiedzy, powiedział Gupta Przegląd technologii MIT .

W ostatnich latach Google zwiększyło inwestycje w badania nad uczeniem maszynowym, po pojawieniu się technologii znanej jako głębokie uczenie, która wykorzystuje sieci z grubsza symulowanych neuronów (patrz 10 Przełomowe technologie 2013: Głębokie uczenie ). Przyniosła uderzające ulepszenia w rozpoznawaniu mowy i rozpoznawaniu obrazów. Facebook, Google, IBM, Microsoft i Baidu badają, w jaki sposób głębokie uczenie może umożliwić maszynom rozumienie języka, a być może nawet konwersację z nami (patrz „Uczenie maszyn, aby nas zrozumieć”).

W zeszłym tygodniu firma Google potwierdziła, że ​​jej podstawowa usługa wyszukiwania przetwarza teraz dużą część zapytań przy użyciu nowego systemu opartego na głębokim uczeniu się o nazwie RangaBrain . A we wtorek to zadebiutowała usługa zwana Smart Reply, która wykorzystuje uczenie maszynowe do automatycznego oferowania kilku krótkich odpowiedzi na wiadomości e-mail.

Greg Corrado, starszy naukowiec i współzałożyciel zespołu głębokiego uczenia Google, mówi, że oprogramowanie do pisania e-maili to tylko wczesny przykład tego, jak uczenie maszynowe tworzy teraz zupełnie nowe produkty, a nie tylko ulepsza już istniejące, takie jak filtrowanie spamu lub szukaj.

ukryć