Oto, co programiści robią z mózgiem AI Google

Silnik sztucznej inteligencji, którego Google używa w wielu swoich produktach i który udostępnił za darmo w zeszłym miesiącu, jest teraz używany przez innych do wykonywania zgrabnych sztuczek, w tym tłumaczenia z angielskiego na chiński, czytania odręcznego tekstu, a nawet generowania oryginalnych dzieł sztuki.

Jeff Dean przemawia na konferencji Google w 2007 roku.

Oprogramowanie AI, zwane Przepływ Tensora , zapewnia użytkownikom prosty sposób uczenia komputerów do wykonywania zadań poprzez dostarczanie im dużych ilości danych. Oprogramowanie zawiera różne metody wydajnego budowania i trenowania symulowanych sieci neuronowych uczenia głębokiego na różnych urządzeniach komputerowych.

Głębokie uczenie to niezwykle skuteczna technika uczenia komputerów rozpoznawania wzorców na obrazach lub dźwiękach, umożliwiająca maszynom wykonywanie przydatnych zadań, takich jak rozpoznawanie twarzy lub obiektów na obrazach, z kompetencjami podobnymi do ludzkich. Ostatnio głębokie uczenie się dało również duże nadzieje w zakresie analizowania języka naturalnego, umożliwiając maszynom reagowanie na wypowiedziane lub pisemne zapytania w znaczący sposób.

Przemawiając w Neuronowe Społeczeństwo Przetwarzania Informacji (NIPS) konferencja w Montrealu w tym tygodniu, Jeff Dean , informatyk w Google, który kieruje projektem TensorFlow, powiedział, że oprogramowanie jest wykorzystywane w coraz większej liczbie eksperymentalnych projektów poza firmą.

Obejmują one oprogramowanie który generuje podpisy do obrazów i kod który tłumaczy dokumentację TensorFlow na język chiński. Inne projekt wykorzystuje TensorFlow do generowania sztucznej grafiki. Jest jeszcze dość wcześnie, powiedział Dean po rozmowie. Ludzie próbują zrozumieć, w czym jest najlepszy.

TensorFlow wyrósł z projektu w Google o nazwie Google Brain, którego celem było zastosowanie różnego rodzaju uczenia maszynowego sieci neuronowych w produktach i usługach w całej firmie. W ostatnich latach zasięg Google Brain znacznie się zwiększył. Dean powiedział, że liczba projektów w Google związanych z Google Brain wzrosła z kilku na początku 2014 roku do ponad 600 obecnie.

Ostatnio Google Brain pomógł się rozwinąć Inteligentna odpowiedź , system, który po przeskanowaniu tekstu wiadomości przychodzącej automatycznie poleca szybką odpowiedź na wiadomości w Gmailu. Technikę sieci neuronowych wykorzystaną do opracowania Smart Answer zaprezentowali badacze Google na zeszłorocznej konferencji NIPS.

Dean oczekuje, że uczenie głębokie i uczenie maszynowe będą miały podobny wpływ na wiele innych firm. Powiedział, że uczenie maszynowe wpływa na wiele różnych produktów i branż na wiele różnych sposobów. Na przykład technika ta jest testowana w wielu branżach, które próbują prognozować na podstawie dużych ilości danych, od handlu detalicznego po ubezpieczenia.

Google był w stanie rozdać kod dla TensorFlow, ponieważ dane, które posiada, są znacznie cenniejszym zasobem do budowy potężnego silnika AI. Firma ma nadzieję, że kod open source pomoże jej zdobyć pozycję lidera w uczeniu maszynowym i wzmocnić relacje ze współpracownikami i przyszłymi pracownikami. TensorFlow daje nam w pewnym sensie wspólny język, powiedział Dean. Zyskujemy dzięki zatrudnianiu osób, które korzystały z TensorFlow. To nie jest tak, że jest całkowicie altruistyczny.

Sieć neuronowa składa się z warstw wirtualnych neuronów, które uruchamiają się kaskadowo w odpowiedzi na dane wejściowe. Sieć uczy się, gdy czułość tych neuronów jest dostrajana, aby dopasować dane wejściowe i wyjściowe, a posiadanie wielu warstw umożliwia rozpoznawanie bardziej abstrakcyjnych cech, takich jak twarz na zdjęciu.

TensorFlow jest teraz jedną z kilku bibliotek oprogramowania do głębokiego uczenia typu open source, a jej wydajność jest obecnie w tyle za niektórymi innymi bibliotekami do niektórych zadań. Jest jednak zaprojektowany tak, aby był łatwy w użyciu i można go łatwo przenosić między różnymi urządzeniami. A Dean mówi, że jego zespół ciężko pracuje, próbując poprawić swoje wyniki.

Jednak w wyścigu o zdominowanie uczenia maszynowego i przyciągnięcie najlepszych talentów inne firmy mogą wypuszczać własne konkurencyjne silniki AI.

ukryć