211service.com
Dit is wat ontwikkelaars doen met Google's AI Brain
Een kunstmatige-intelligentie-engine die Google in veel van zijn producten gebruikt en die vorige maand gratis beschikbaar werd gesteld, wordt nu door anderen gebruikt om een aantal handige trucs uit te voeren, waaronder het vertalen van Engels naar het Chinees, het lezen van handgeschreven tekst en zelfs het genereren van originele illustraties.
Jeff Dean spreekt op een Google-evenement in 2007.
De AI-software, genaamd TensorFlow , biedt gebruikers een eenvoudige manier om computers te trainen om taken uit te voeren door ze grote hoeveelheden gegevens te verstrekken. De software bevat verschillende methoden voor het efficiënt bouwen en trainen van gesimuleerde deep learning neurale netwerken over verschillende computerhardware.
Deep learning is een uiterst effectieve techniek om computers te trainen in het herkennen van patronen in afbeeldingen of audio, waardoor machines met menselijke vaardigheden nuttige taken kunnen uitvoeren, zoals het herkennen van gezichten of objecten in afbeeldingen. De laatste tijd is deep learning ook veelbelovend gebleken voor het ontleden van natuurlijke taal, door machines in staat te stellen op zinvolle manieren te reageren op gesproken of geschreven vragen.
Spreken bij de Neurale informatieverwerkingsmaatschappij (NIPS) conferentie in Montreal deze week, Jeff Dean , de computerwetenschapper bij Google die de TensorFlow-inspanning leidt, zei dat de software wordt gebruikt voor een groeiend aantal experimentele projecten buiten het bedrijf.
Deze omvatten software die bijschriften genereert voor afbeeldingen en code dat de documentatie voor TensorFlow in het Chinees vertaalt. Een ander projecteren gebruikt TensorFlow om kunstmatige illustraties te genereren. Het is nog vrij vroeg, zei Dean na het gesprek. Mensen proberen te begrijpen waar ze het beste in zijn.
TensorFlow is ontstaan uit een project bij Google, Google Brain genaamd, dat gericht was op het toepassen van verschillende soorten machine learning op basis van neurale netwerken op producten en diensten in het hele bedrijf. Het bereik van Google Brain is de afgelopen jaren enorm gegroeid. Dean zei dat het aantal projecten bij Google waarbij Google Brain betrokken is, is gegroeid van een handvol begin 2014 tot meer dan 600 vandaag.
Meest recentelijk heeft Google Brain geholpen bij de ontwikkeling Slim antwoord , een systeem dat automatisch een snelle reactie op berichten in Gmail aanbeveelt nadat het de tekst van een inkomend bericht heeft gescand. De neurale netwerktechniek die is gebruikt om Smart Reply te ontwikkelen, werd vorig jaar door Google-onderzoekers gepresenteerd op de NIPS-conferentie.
Dean verwacht dat deep learning en machine learning een vergelijkbare impact zullen hebben op veel andere bedrijven. Er is een breed scala aan manieren waarop machine learning veel verschillende producten en industrieën beïnvloedt, zei hij. Zo wordt de techniek getest in veel branches die voorspellingen proberen te doen uit grote hoeveelheden data, van retail tot verzekeringen.
Google kon de code voor TensorFlow weggeven omdat de gegevens die het bezit een veel waardevoller bezit zijn voor het bouwen van een krachtige AI-engine. Het bedrijf hoopt dat de open-sourcecode het zal helpen zich te vestigen als een leider op het gebied van machine learning en relaties met medewerkers en toekomstige werknemers te bevorderen. TensorFlow geeft ons in zekere zin een gemeenschappelijke taal om te spreken, zei Dean. We halen voordelen uit het hebben van mensen die we aannemen die TensorFlow gebruiken. Het is niet alsof het volledig altruïstisch is.
Een neuraal netwerk bestaat uit lagen virtuele neuronen die als reactie op input in een cascade vuren. Een netwerk leert als de gevoeligheid van deze neuronen is afgestemd op bepaalde input en output, en met veel lagen is het mogelijk om meer abstracte kenmerken te herkennen, zoals een gezicht op een foto.
TensorFlow is nu een van de vele open-source deep learning-softwarebibliotheken en de prestaties blijven momenteel achter bij sommige andere bibliotheken voor bepaalde taken. Het is echter ontworpen om gemakkelijk te gebruiken te zijn en het kan gemakkelijk worden geporteerd tussen verschillende hardware. En Dean zegt dat zijn team hard aan het werk is om de prestaties te verbeteren.
In de race om machine learning te domineren en het beste talent aan te trekken, kunnen andere bedrijven echter zelf concurrerende AI-engines uitbrengen.