Soovitatav, 2020

Toimetaja Valik

Kõik, mida pead teadma Google Brain'i TensorFlow'ist

Igaüks, kes on proovinud Google'i fotosid, nõustub, et see tasuta Google'i fotode salvestamise ja haldamise teenus on arukas. See pakendab mitmesuguseid nutikaid funktsioone, nagu täiustatud otsing, võime kategoriseerida pilte asukohtade ja kuupäevade järgi, loob sarnasuste põhjal automaatselt albumeid ja videoid ning kõnnib teid mälupesast, näidates teile mitu päeva tagasi tehtud fotosid. On palju asju, mida Google Photos saab teha, et mitu aastat tagasi oleks masinat võimatu. Google'i fotod on üks paljudest nutikatest Google'i teenustest, mis kasutavad masinaõppetehnoloogiat TensorFlow. Sõna õpe näitab, et tehnoloogia muutub aja jooksul targemaks, kuni meie praegused teadmised ei suuda ette kujutada. Aga mis on TensorFlow? Kuidas saab masin õppida? Mida saab sellega teha? Uurime välja.

Mis on TensorFlow?

TensorFlow on Google'i avatud lähtekoodiga ja võimas tehisintellekti tarkvara, mis volitab paljusid Google'i teenuseid ja algatusi. See on teise põlvkonna süsteem suurte masinõppeprogrammide rakendamiseks, mille on ehitanud Google Brain meeskond. See algoritmi raamatukogu läbib DistBeliefi - esimese põlvkonna.

Tehnoloogia kujutab endast arvutamist kui statsionaarseid andmevoo graafikuid. Mis teeb TensorFlow ainulaadseks, on tema võime modelleerida arvutusi laias valikus riistvaras, alates tarbijataseme mobiilseadmetest maailmatasemel multi-GPU serveritele. See võib töötada erinevates GPU-des ja protsessorites ning lubab masinaõppimise skaleeritavust erinevate seadmete ja vidinate vahel ilma olulise hulga koodi muutmata.

TensorFlow pärineb Google'i vajadusest õpetada arvutisüsteemile, et jäljendada, kuidas inimese aju töötab õppimisel ja mõtlemisel. Süsteem, mida tuntakse närvivõrkudena, peaks suutma teostada mitmemõõtmelisi andmemaare, mida nimetatakse "tensoriteks". Lõppeesmärk on treenida neuraalseid võrke, et avastada ja dešifreerida mustrid ja korrelatsioonid.

2015. aasta novembris tegi Google selle tehnoloogia avatud lähtekoodiga ja lubas selle vastu võtta igasugusteks toodeteks ja uurimisteks. Igaüks, sealhulgas teadlased, insenerid ja harrastajad, võib aidata kiirendada masinaõppe kasvu ja viia selle kõrgemale tasemele vähem aega.

See samm osutus õigeks, sest sõltumatute arendajate panus TensorFlow'ile on nii suur, et nad ületavad Google'i panuseid. Wikipedia mainib, et „GitHubis on 1500 hoidlat, mis mainivad TensorFlow'd, millest 5 on Google'ist.” Ütlesin, et üks Quora aruteludest kahtlustab, et vabastatud lähtekood on „puhastatud” versioon üks, mida Google kasutab oma teenustes.

Kuidas TenserFlow toimib?

Kasutades lihtsat normaalset inimkeelt ja rasket lihtsustamist, näeme TensorFlow ühte külge täiustatud autonoomse filtreerimistehnoloogiana. Tehnoloogia on oma südames masinaõppe suur tarkvara. Ta kasutab andmebaasi, et aidata seda otsustada.

Näiteks laadib keegi pildi Google'i fotodesse. Tehnoloogia võrdleb kõiki pildi üksikasju oma andmebaasi ja otsustab, kas tegemist on loomade või inimeste pildiga. Siis, kui see on inimene, püüab ta kindlaks määrata sugu, vanuse, kes on inimene. Sama protsessi korratakse ka foto teiste objektide puhul.

Samuti kasutab see kasutaja andmeid, näiteks pildi isiku identiteeti ja pildi tegemise asukohta, et täiustada selle raamatukogu, et see saaks tulevikus paremaid tulemusi anda - nii fotot üles laadinud isikule kui ka kõigile muidu. Seega on mõiste „õppimine”. Kuid see ei piirdu lihtsalt fotode andmete tundmisega ja õppimisega. Seal on nii palju, et tehnoloogia saab teha fotoga saadud teavet. Näiteks saab rühmitada fotosid sarnaste detailidega, nagu sama isik, sama asukoht, sama kuupäev; vaadake nägude mustrit, et määrata, milline perekond ja sõbrad fotol olev isik kuulub, ning kasutage seda teavet perepuhkuse või animatsiooni videote tegemiseks pidevatest võtetest.

See kriimustab TensorFlow toimimise pinda, kuid loodan, et see annab teile üldise pildi tehnoloogiast. Samuti ei saa ainult ühe näite kasutamine õigustada seda, mida see suudab.

Ja kõigi sealsete kunstlike intelligentide entusiastide jaoks tasub mainida, et Google on juba loonud arvuti kiibi tehnoloogia, mis on optimeeritud masina õppimiseks ja TensorFlowi integreerimiseks sellesse. Seda nimetatakse Tensor Processing Unit (TPU) ASIC kiibiks .

Need, kes soovivad TensorFlowist rohkem teada saada, saavad külastada oma juhendajalehte.

TensorFlow rakendused

Me oleme masinaõppetehnoloogia varases staadiumis, nii et keegi ei tea, kuhu see meid viib. Kuid on olemas mõned esialgsed rakendused, mis võiksid meid tulevikus pilku tuua. Kuna see pärineb Google'ilt, on ilmne, et Google kasutab tehnoloogiat paljude oma teenuste jaoks.

  • Rohkem pildianalüüsi kohta

Oleme arutanud näiteid Google'i fotode pildianalüüsi tehnoloogia kasutamiseks. Kuid pildianalüüsi rakendust kasutatakse ka Google Mapsi tänavavaate funktsioonis. Näiteks kasutatakse TensorFlow'd kujutise ühendamiseks kaardikoordinaatidega ja automaatselt hägustamaks mis tahes autos, mis on juhuslikult pildile lisatud.

  • Kõnetuvastus

Google kasutab ka TensorFlow'i oma häälabi abistava kõnetuvastuse tarkvara jaoks. Tehnoloogia, mis võimaldab kasutajatel juhiseid välja öelda, ei ole uus, kuid TensorFlow'i pidevalt kasvava raamatukogu lisamine segusse võib tuua selle funktsiooni paaril kohal üles. Praegu tunneb kõnetuvastustehnoloogia üle 80 keele ja variandi.

  • Dünaamiline tõlge

Teine näide masinõppetehnoloogia “õppimisest” on Google'i tõlkefunktsioon. Google võimaldab oma kasutajatel lisada uusi sõnastikke ja parandada Google'i tõlkes vigu. Üha kasvavaid andmeid saab kasutada sisendkeele automaatseks tuvastamiseks, mida teised kasutajad soovivad tõlkida. Kui masin teeb keele tuvastamise käigus vigu, saavad kasutajad neid parandada. Ja masin õpib nendest vigadest, et parandada oma tulevast tegevust. Ja tsükkel jätkub.

  • Alpha Go

Üks lõbus näide TensorFlow kasutamisest on Alpha Go. See on rakendus, mis on programmeeritud mängima Go . Goile tundmatute jaoks on see abstraktne lauamäng kahele mängijale, kes on pärit Hiinast rohkem kui viis tuhat viissada aastat tagasi, ja see on vanim lauamäng, mida täna veel mängitakse. Kuigi reeglid on lihtsad - rohkem territooriumi ümbritseda kui vastane, on mäng uskumatult keeruline ja Wikipedia sõnul: „omab rohkem võimalusi kui nähtava universumi aatomite koguarv.”

Niisiis on huvitav, mida õppemasinatehnoloogia saab lõpmatu võimalusega teha. Oma mängudes Lee Sedoliga - 18-kordse maailmameistriga, võitis Alpha Go 4-st 5-st mängust ja talle anti au kõrgeim Go-suurmeister.

  • Magenta projekt

Teine huvitav rakendus TensorFlow on magenta projekt. See on ambitsioonikas projekt masinaga loodud kunsti loomiseks . Eksperimentide üheks varajasteks käegakatsutavaks tulemuseks on 90 sekundi pikkune klaver meloodia. Pikemas perspektiivis loodab Google Magenta projekti kaudu luua rohkem arenenud masinaga loodud kunsti ja ehitada selle ümber kunstnike kogukonna.

2016. aasta veebruaris korraldas Google San Fransiscos ka kunstinäituse ja oksjoni, kus oli 29 loodud arvutit - vähese abiga inimese kunstiteost. Kuus suurimaid teoseid müüdi nii palju kui 8 000 dollarit. Arvuti võib veel väga kaugele minna, enne kui suudab tõelist kunstnikku jäljendada, kuid rahasumma, mida inimesed on kunsti eest nõus maksma, näitavad meile, kui kaugele tehnoloogia on läinud.

IOS-i tugi

Kuigi me oleme juba näinud TenserFlow'i võimalusi Androidis, koos viimase versiooniga, lisab TensorFlow lõpuks iOS-seadmete tuge. Kuna on olemas palju suurepäraseid mobiilirakendusi, mis on saadaval ainult iOS-i jaoks või mis on esmakordselt välja antud iOS-is, tähendab see, et lähitulevikus võib oodata suuremaid mobiilirakendusi. Sama võib öelda TensorFlow laiemate vastuvõtude ja rakenduste võimaluste kohta.

TensorFlow tulevik

Mida on võimalik teha masinaga, mis on võimeline õppima ja ise otsustama? Isikuna, kes tegeleb rohkem kui ühe keelega igapäevaelu osana, on esimene asi, mis minu meelest on, keele tõlkimine. Mitte sõna-sõnalt tasandil, vaid pikemas tekstitasemes nagu dokumendid või isegi raamatud. Tänane tõlketehnoloogia piirdub sõnavara- dega. Saate hõlpsasti teada, mis on hiina keeles "magab" ja vastupidi, kuid proovige visata üks algus jaapani Eiji Yoshikawa Musashi peatükki ja tõlkida peatükk inglise keelde. Näete, mida ma saan.

Samuti on lõbus näha, mida tehisintellekti tulevik muusikaga saab teha. Kuigi see on endiselt väga lihtne, võib Apple'i muusikamälu rakendus juba anda teie salvestatud laulule automaatse bassi ja trumli saatmise. Mäletan, et SciFi telesaate üks episood, kus näitusel olev tegelane lõi masina, mis analüüsib kõiki tabelite parimaid laule ja suudab kirjutada oma tabamust. Kas me jõuame seal kunagi?

Ja nagu sulgemise mõte, tahaksin mainida Sunspringi . See on lühike teaduskirjandusfilm, mille on kirjutanud täielikult AI stsenarist, kes nimetas ennast Benjaminiks, mis isegi koosnes pop-laulu muusikalisest vahepeal. Filmi panid kokku režissöör Oscar Sharp Sci-Fi Londoni ürituse 48-tunnise filmi väljakutse jaoks.

Nüüd ei saa ma lõpetaja mõtlemist lõpetada. Tere tulemast tulevikku.

Pildikrediit: Wikipedia, TechInsider, The Verge, Wall Street Journal

Top