Све што требате знати о Гооглеовом мозгу ТенсорФлов

2019

Свако ко је покушао са Гоогле Пхотос се слаже да је ова бесплатна услуга за складиштење фотографија и управљање од Гооглеа паметна. Садржи разне паметне функције као што су напредно претраживање, могућност категоризације слика по локацијама и датумима, аутоматско креирање албума и видео записа на основу сличности, те ходање кроз траку меморије приказивањем фотографија истог дана прије неколико година. Постоје многе ствари које Гоогле Пхотос може да уради пре неколико година да би било немогуће. Гоогле Пхотос је једна од многих "паметних" Гооглеових услуга које користе технологију стројног учења названу ТенсорФлов. Реч учење значи да ће технологија временом постати паметнија до те мере да наше садашње знање не може да замисли. Али шта је ТенсорФлов? Како машина може да учи? Шта можете урадити с тим? Хајде да сазнамо.

Шта је ТенсорФлов?

ТенсорФлов је Гооглеов софтвер отвореног кода и моћан софтвер за вештачку интелигенцију, који покреће многе услуге и иницијативе од Гоогле-а. То је друга генерација система за имплементацију великих машинских учења, направљена од стране Гоогле Браин тима. Ова библиотека алгоритма успева са ДистБелиеф - првом генерацијом.

Технологија представља рачунање као графиконе протока података о стању. Оно што чини ТенсорФлов јединственим је његова способност моделирања рачунања на широком спектру хардвера, од мобилних уређаја на нивоу потрошача до мулти-ГПУ сервера светске класе. Може да ради на различитим графичким процесорима и процесорима и обећава скалабилност машинског учења међу различитим уређајима и гаџетима без потребе да мења значајну количину кода.

ТенсорФлов је настао из Гоогле-ове потребе да инструира компјутерски систем да имитира како људски мозак ради у учењу и расуђивању. Систем, познат као неуронске мреже, треба да буде у стању да ради на вишедимензионалним низовима података који се називају “тензори”. Крајњи циљ је да се обуче неуронске мреже да детектују и дешифрују обрасце и корелације.

У новембру 2015. године, Гоогле је ову технологију отворио са отвореним кодом и дозволио је да се усвоји у све врсте производа и истраживања. Свако, укључујући истраживаче, инжењере и хобисте, може помоћи да се убрза раст машинског учења и однесе га на виши ниво за мање времена.

Показало се да је овај потез прави, јер постоји велики број доприноса независних програмера ТенсорФлов-у који далеко надмашују Гооглеове доприносе. У Википедији се помиње да "на ГитХубу има 1500 спремишта која спомињу ТенсорФлов, од којих су 5 из Гоогле-а." То се може рећи да једна од дискусија на Куори сумња да је објављени опен-соурце "цлеан-уп" верзија од који Гоогле користи у својим услугама.

Како функционише ТенсерФлов?

Користећи једноставан обичан људски језик и велико поједностављење, можемо видјети једну страну ТенсорФлова као напредну технологију аутономног филтрирања. У свом срцу, технологија је огромна софтверска библиотека машинског учења. Она користи базу података како би јој помогла да “донесе одлуку”.

На пример, неко преноси фотографију у Гоогле фотографије. Технологија ће упоредити све детаље са слике са својом базом података и одлучити да ли је то слика животиње или човјека. Онда, ако је то људско биће, покушаће да одреди пол, старост до краја до кога је та особа. Исти процес се понавља и за друге објекте на фотографији.

Такође, користи податке корисника као што су идентитет особе на слици и локацију на којој се слика снима, како би побољшала своју библиотеку тако да може дати боље резултате у будућности - и за појединца који је учитао фотографију и за свакога друго. Отуда термин “учење”. Али не зауставља се само на познавању и учењу података са фотографија. Има толико тога што технологија може да уради са информацијама са фотографије. На пример, може груписати фотографије са сличним детаљима као што је иста особа, иста локација, исти датум; погледајте образац лица да бисте утврдили којој породици и пријатељима припада особа на фотографији, и користите информације да бисте направили видео снимке породичног одмора или анимације из континуираних снимака.

То једва да огреботине површину како ради ТенсорФлов, али се надам да ће вам дати општу слику технологије. Исто тако, употреба само једног примјера не може оправдати оно што је способно.

А за све ентузијасте Артифициал Интеллигенце-а, вриједно је споменути да је Гоогле већ створио технологију компјутерског чипа оптимизирану за стројно учење и интегрирајући ТенсорФлов у њу. То се зове Тензор процесорска јединица (ТПУ) АСИЦ чип .

Они који желе да сазнају више о ТенсорФлов-у могу да посете његову страницу са упутствима.

Апплицатионс оф ТенсорФлов

Ми смо у раној фази технологије машинског учења, тако да нико не зна где ће нас одвести. Али постоји неколико иницијалних апликација које би нам могле дати поглед у будућност. Како потиче од Гооглеа, очигледно је да Гоогле користи технологију за многе од својих услуга.

Више о анализи слике

Разговарали смо о примеру употребе технологије за анализу слика у Гоогле фотографијама. Али апликација за анализу слика се такође користи у функцији приказа улице Гоогле Мапс. На пример, ТенсорФлов се користи за повезивање слике са координатама мапе и за аутоматско замагљивање регистарског броја било којег аутомобила који је случајно укључен у слику.

Препознавање говора

Гоогле такође користи ТенсорФлов за свој софтвер за препознавање говора. Технологија која омогућава корисницима да изговарају инструкције није нова, али укључивање све веће библиотеке ТенсорФлов-а у мик може да доведе карактеристику на неколико места. Тренутно, технологија препознавања говора препознаје преко 80 језика и варијанти.

Динамиц Транслатион

Други пример “учења” технологије машинског учења је Гоогле-ова функција превођења. Гоогле дозвољава својим корисницима да додају нове речнике и поправљају грешке у Гоогле преводиоцу. Растући подаци могу се користити за аутоматско откривање језика уноса који други корисници желе превести. Ако машина направи грешке у процесу откривања језика, корисници их могу исправити. А машина ће научити из тих грешака да побољша своје будуће перформансе. И циклус се наставља.

Алпха Го

Један од забавних примера употребе ТенсорФлова је Алпха Го. То је апликација која је програмирана за репродукцију Го . За оне који нису упознати са Го-ом, то је апстрактна игра на плочи за два играча која је настала у Кини пре више од пет хиљада и пет стотина година, и то је најстарија игра на плочи која се и данас стално игра. Иако су правила једноставна - да окруже више територије од противника, игра је невероватно сложена и, према Википедији: "поседује више могућности од укупног броја атома у видљивом универзуму."

Дакле, интересантно је шта технологија машине за учење може да уради са бесконачним могућностима. У својим мечевима против Лее Седола - 18-часовног светског шампиона Го, Алпха Го освојио је 4 од 5 утакмица и добио почасни највиши ранг Го грандмастер.

Магента Пројецт

Још једна занимљива примена ТенсорФлова је Магента пројекат. То је амбициозан пројекат стварања машинерије . Један од првих опипљивих резултата експеримента је мелодија клавира од 90 секунди. Дугорочно, Гоогле се нада да ће генерирати напреднију машину генерисану машином преко свог пројекта Магента и изградити заједницу уметника око ње.

У фебруару 2016. Гоогле је такође одржао изложбу и аукцију у Сан Францисцу на којој су приказани компјутерски генерисани - уз малу помоћ људи - уметничких дела. Шест највећих радова продато је за чак 8.000 долара. Рачунару ће можда још требати још дуг пут прије него што може опонашати стварног умјетника, али количина новца коју су људи спремни платити за умјетност показују нам колико је технологија отишла.

Подршка за иОС

Иако смо већ видели могућности ТенсерФлов-а на Андроид-у, са својом најновијом верзијом, ТенсорФлов коначно додаје подршку за иОС уређаје. Будући да постоји много великих мобилних апликација које су доступне искључиво за иОС, или су објављене прво на иОС-у, то значи да можемо очекивати још сјајних мобилних апликација које усвајају стројно учење у блиској будућности. Исто се може рећи и за могућности ширег усвајања и примене ТенсорФлов-а.

Будућност ТенсорФлов

Шта се може учинити са машином која је способна да учи и донесе властиту одлуку? Као особа која се бави више од једног језика као дио свакодневног живота, прва ствар која ми се јави је пријевод језика. Не на нивоу речи по реч, већ у дужем нивоу текста као што су документи или чак књиге. Данашња преводилачка технологија је ограничена на речнике. Лако можете сазнати шта је “спавање” на кинеском и обрнуто, али покушајте да баците једно поглавље Еији Иосхикава Мусасхија у његовом оригиналном јапанском и преведите поглавље на енглески. Видећете на шта циљам.

Такође је забавно видети шта будућност вештачке интелигенције може да уради са музиком. Иако је и даље веома основна, Апплеова апликација Мусиц Мемо већ може дати аутоматско басс и бубањ пратњу вашем снимљеном певању. Сећам се једне епизоде СциФи ТВ емисије где је лик у представи створио машину која анализира све најбоље песме у графиконима и може да напише сопствене хитове. Хоћемо ли икада стићи тамо?

И као завршну мисао, желео бих да поменем Сунспринг . Ријеч је о кратком знанственофантастичном филму који је у потпуности написао сценарист АИ који се назвао Бењамин - који је чак компоновао поп музику. Филм је саставио редатељ Осцар Схарп за 48-сатни филмски изазов Сци-Фи Лондон догађаја.

Сада не могу престати да размишљам о Терминатору. Добро дошли у будућност.

Кредит за слике: Википедиа, ТецхИнсидер, Тхе Верге, Валл Стреет Јоурнал