Google biedt cloudgebaseerde leerengine

Van de productaanbevelingen van Amazon tot het vermogen van Pandora om nieuwe nummers voor ons te vinden die we leuk vinden, de slimste webservices vertrouwen op machine learning-algoritmen die software in staat stellen te leren hoe met een zekere mate van intelligentie te reageren op nieuwe informatie of gebeurtenissen.

Nu heeft Google een service gelanceerd die dergelijke smarts naar veel meer apps zou kunnen brengen. Google Voorspelling-API biedt een eenvoudige manier voor ontwikkelaars om software te maken die leert omgaan met inkomende gegevens. De door Google gehoste algoritmen kunnen bijvoorbeeld worden getraind om e-mails in categorieën voor klachten en lof te sorteren met behulp van een dataset die veel voorbeelden van beide soorten biedt. Toekomstige e-mails kunnen dan worden gescreend door software die die API gebruikt en dienovereenkomstig worden afgehandeld.

Momenteel hebben slechts honderden ontwikkelaars toegang tot de service, zegt Travis Green, Google's productmanager voor Prediction API, maar we kunnen nu al mensen geweldige dingen zien doen. Gebruikers variëren van ontwikkelaars van mobiele en webapps tot oliemaatschappijen, zegt hij. Velen willen productaanbevelingen doen, en er zijn ook interessante gebruiksscenario's van NGO's met ideeën zoals het extraheren van noodinformatie van Twitter of andere online bronnen.

Machine learning is geen gemakkelijke functie om in software in te bouwen. Verschillende algoritmen en wiskundige technieken werken het beste voor verschillende soorten gegevens. Gespecialiseerde kennis van machine learning is typisch nodig om te overwegen het in een product te gebruiken, zegt Green.

De service van Google biedt een soort machine-learning black box: gegevens gaan aan de ene kant en voorspellingen komen aan de andere kant. Er zijn drie basiscommando's: een om een ​​verzameling gegevens te uploaden, een andere om de service te vertellen wat ze ervan kunnen leren, en een derde om nieuwe gegevens in te dienen zodat het systeem kan reageren op basis van wat het heeft geleerd.

Ontwikkelaars kunnen het binnen 20 minuten op hun site of app implementeren, zegt Green. We proberen een heel gemakkelijke service te bieden waarbij ze niet maand na maand verschillende algoritmen moeten uitproberen. De zwarte doos van Google bevat eigenlijk een hele reeks verschillende algoritmen. Wanneer gegevens worden geüpload, worden alle algoritmen automatisch toegepast om erachter te komen welke het beste werkt voor een bepaalde taak, en het beste algoritme wordt vervolgens gebruikt om nieuwe ingediende informatie te verwerken.

Het is belangrijk om machine learning op Google-schaal te krijgen, zegt Joel Confino, een softwareontwikkelaar in Philadelphia die grootschalige web-apps bouwt voor banken en farmaceutische bedrijven, en een lid van het preview-programma. Hij gebruikte Prediction API om snel een eenvoudige maar effectieve te ontwikkelen spam e-mailfilter , en hij zegt dat de dienst een duidelijk commercieel potentieel heeft.

Een bank of creditcardmaatschappij die machine learning wil gebruiken om systemen te bouwen die beslissingen nemen op basis van historische transacties, heeft waarschijnlijk niet het gespecialiseerde personeel en de noodzakelijke infrastructuur voor een rekenintensieve benadering. Deze API zou een manier kunnen zijn om via een traditionele route goedkoop een mogelijkheid te krijgen die enorm veel zou kosten.

De nieuwe dienst van Google kan ook beter verteerbaar zijn voor bedrijven die op hun hoede zijn om hun gegevens aan cloudproviders over te dragen, zegt Confino. De gegevens kunnen volledig worden verduisterd en u kunt nog steeds gebruik maken van deze service. Google hoeft niet te weten of de cijfers die u verzendt aandelenkoersen of huizenprijzen zijn.

Google krijgt echter wel wat informatie die het kan gebruiken om zijn algoritmen voor machine learning te verbeteren. We kijken niet naar de gegevens van gebruikers, maar we zien wel dezelfde statistieken over voorspellingskwaliteit als zij, om ons te helpen de service te verbeteren, zegt Green. De technici die Prediction API gebruiken, weten of een bepaald algoritme zelden wordt gebruikt, of dat er een nieuw algoritme aan de mix moet worden toegevoegd om bepaalde soorten gegevens beter te verwerken.

Prediction API heeft het potentieel om een ​​leveller te zijn tussen gevestigde bedrijven en kleinere startups, zegt Pete Warden, een ex-Apple-ingenieur die nu aan zijn eigen startup werkt OpenHeatMap.com . Dat was een concurrentievoordeel voor grote bedrijven zoals Amazon, wiens productaanbeveling is gebaseerd op machine learning, legt hij uit. Nu moet je nog een behoorlijke set trainingsgegevens hebben, maar je hoeft niet hetzelfde niveau van expertise te hebben.

Warden heeft nog geen toegang tot Prediction API, maar heeft plannen om het te gebruiken om te verbeteren een service die hij heeft gebouwd die laat zien waar mensen die een bepaald woord of bepaalde zin op Twitter gebruiken, zich bevinden. Het zou heel interessant zijn om ook te zien waar ze positieve en negatieve dingen zeggen over een onderwerp, zegt Warden. Voorspellings-API zou kunnen worden getraind om onderscheid te maken tussen positieve en negatieve tweets om dat te doen, zegt hij.

Chris Bates, een datawetenschapper met online muziekservice Grooveshark en een lid van het preview-programma, is het ermee eens dat de zwarte doos van Google een breder gebruik van machine learning mogelijk zal maken, maar hij stelt dat de service volwassen moet worden. Tegenwoordig is het goed in het voorspellen in welke taaltekst zich bevindt en ook in sentimentanalyse, bijvoorbeeld om positieve en negatieve recensies eruit te pikken, zegt hij.

Uiteindelijk kan het echter zijn limieten hebben om de interne werking van de algoritmen niet te inspecteren en ze voor een specifiek gebruik af te stemmen. Het is goed voor gevallen die niet bedrijfskritisch zijn, waar je je een paar valse positieven kunt veroorloven, zegt Bates. Een spamfilter dat af en toe een ongewenste boodschap doorlaat, kan bijvoorbeeld nog steeds bruikbaar zijn, maar een creditcardmaatschappij kan eventuele fouten minder goed accepteren.

zich verstoppen