211service.com
Mechanizm uczenia oparty na chmurze Google Offers
Od rekomendacji produktów Amazon po zdolność Pandory do znajdowania nam nowych piosenek, które nam się podobają, najinteligentniejsze usługi internetowe opierają się na algorytmach uczenia maszynowego, które umożliwiają oprogramowaniu nauczenie się, jak reagować z pewną inteligencją na nowe informacje lub zdarzenia.
Teraz Google uruchomił usługę, która może wnieść taką inteligencję do wielu innych aplikacji. Interfejs API prognoz Google zapewnia programistom prosty sposób tworzenia oprogramowania, które uczy się, jak obsługiwać przychodzące dane. Na przykład algorytmy hostowane przez Google można by wyszkolić do sortowania wiadomości e-mail na kategorie pod kątem skarg i pochwał przy użyciu zestawu danych, który zawiera wiele przykładów obu rodzajów. Przyszłe wiadomości e-mail mogą być następnie sprawdzane przez oprogramowanie korzystające z tego interfejsu API i odpowiednio obsługiwane.
Obecnie tylko setki programistów mają dostęp do tej usługi, mówi Travis Green, menedżer produktu Google ds. Prediction API, ale już teraz widzimy, jak ludzie robią niesamowite rzeczy. Jego użytkownicy to zarówno twórcy aplikacji mobilnych i internetowych, jak i firmy naftowe. Wiele osób chce robić rekomendacje produktów, istnieją również interesujące przypadki użycia organizacji pozarządowych z pomysłami, takimi jak wydobywanie informacji awaryjnych z Twittera lub innych źródeł online.
Uczenie maszynowe nie jest łatwą funkcją do wbudowania w oprogramowanie. Różne algorytmy i techniki matematyczne najlepiej sprawdzają się w przypadku różnych rodzajów danych. Specjalistyczna wiedza na temat uczenia maszynowego jest zazwyczaj potrzebna do rozważenia użycia go w produkcie, mówi Green.
Usługa Google zapewnia rodzaj czarnej skrzynki uczenia maszynowego – dane trafiają z jednej strony, a prognozy z drugiej. Istnieją trzy podstawowe polecenia: jedno, aby przesłać zbiór danych, drugie mówiące usłudze, aby dowiedział się, co może z nich skorzystać, a trzecie, aby przesłać nowe dane, aby system zareagował na podstawie tego, czego się dowiedział.
Deweloperzy mogą wdrożyć go w swojej witrynie lub aplikacji w ciągu 20 minut, mówi Green. Staramy się zapewnić naprawdę łatwą usługę, która nie wymaga od nich spędzania miesiąca na próbowaniu różnych algorytmów. Czarna skrzynka Google w rzeczywistości zawiera cały zestaw różnych algorytmów. Po przesłaniu danych wszystkie algorytmy są automatycznie stosowane, aby dowiedzieć się, który najlepiej sprawdza się w przypadku konkretnego zadania, a najlepszy algorytm jest następnie używany do obsługi wszelkich nowych przesłanych informacji.
Przystosowanie uczenia maszynowego do skali Google jest znaczące, mówi Joel Confino, programista z Filadelfii, który tworzy duże aplikacje internetowe dla banków i firm farmaceutycznych, a także członek programu podglądu. Wykorzystał Prediction API do szybkiego opracowania prostego, ale skutecznego filtr spamu e-mail i mówi, że usługa ma wyraźny potencjał komercyjny.
Na przykład bank lub firma obsługująca karty kredytowe, która chce wykorzystać uczenie maszynowe do budowania systemów podejmujących decyzje na podstawie transakcji historycznych, prawdopodobnie nie będzie dysponować wyspecjalizowanym personelem i niezbędną infrastrukturą do tego, co jest podejściem intensywnym obliczeniowo. Ten interfejs API może być sposobem na tanie uzyskanie możliwości, które kosztowałyby ogromne kwoty za pośrednictwem tradycyjnej trasy.
Nowa usługa Google może być również bardziej przyjemna dla firm, które obawiają się przekazywać swoje dane dostawcom chmury, mówi Confino. Dane mogą być całkowicie zaciemnione i nadal możesz korzystać z tej usługi. Google nie musi wiedzieć, czy liczby, które wysyłasz, to ceny akcji czy ceny mieszkań.
Google uzyskuje jednak pewne informacje, które może wykorzystać do ulepszenia swoich algorytmów uczenia maszynowego. Nie patrzymy na dane użytkowników, ale widzimy te same wskaźniki jakości prognoz, co oni, aby pomóc nam ulepszyć usługę, mówi Green. Inżynierowie korzystający z Prediction API będą wiedzieć, czy dany algorytm jest rzadko używany, czy też trzeba dodać nowy, aby lepiej przetwarzać określone typy danych.
Prediction API ma potencjał, aby zrównać ugruntowane firmy i mniejsze start-upy, mówi Pete Warden, były inżynier Apple, który pracuje obecnie nad własnym start-upem OpenHeatMap.com . To była przewaga konkurencyjna dla dużych firm, takich jak Amazon, których rekomendacje produktów opierają się na uczeniu maszynowym – wyjaśnia. Teraz nadal musisz mieć przyzwoity zestaw danych treningowych, ale nie musisz mieć tego samego poziomu wiedzy.
Warden nie uzyskał jeszcze dostępu do Prediction API, ale planuje wykorzystać go do poprawy usługa, którą zbudował pokazuje, gdzie znajdują się osoby używające określonego słowa lub frazy na Twitterze. Byłoby naprawdę interesujące zobaczyć, gdzie mówią pozytywne i negatywne rzeczy na dany temat, mówi Warden. Prediction API może zostać wyszkolony, aby rozróżniać między pozytywnymi i negatywnymi tweetami, aby to zrobić, mówi.
Chris Bates, analityk danych z internetowym serwisem muzycznym Grooveshark Członek programu podglądu zgadza się, że czarna skrzynka Google umożliwi szersze wykorzystanie uczenia maszynowego, ale twierdzi, że usługa musi dojrzeć. „Dzisiaj dobrze jest przewidywać, w jakim języku jest tekst, a także analizować nastroje, na przykład w celu wybrania pozytywnych i negatywnych recenzji”, mówi.
Ostatecznie jednak brak możliwości sprawdzenia wewnętrznego działania algorytmów i dostrojenia ich do konkretnego zastosowania może mieć swoje ograniczenia. To dobre w przypadkach, które nie są krytyczne dla misji, gdzie możesz sobie pozwolić na kilka fałszywych alarmów, mówi Bates. Na przykład filtr antyspamowy, który od czasu do czasu przepuszcza okazjonalną wiadomość-śmieci, nadal może być użyteczny, ale firma obsługująca karty kredytowe może być mniej zdolna do zaakceptowania wszelkich błędów.