Kuka tahansa, joka on kokeillut Google-valokuvia, olisi samaa mieltä siitä, että tämä ilmainen Google-valokuvien tallennus ja hallinta on älykäs. Se sisältää erilaisia älykkäitä ominaisuuksia, kuten edistynyttä hakua, kyky luokitella kuvia sijaintisi ja päivämäärän mukaan, luo automaattisesti albumeita ja videoita samankaltaisuuksiin perustuen ja kuljettaa sinut muistiradalle näyttämällä samana päivänä valokuvia jo useita vuosia sitten. On monia asioita, joita Google Photos voi tehdä, että useita vuosia sitten olisi koneellisesti mahdotonta. Google Photos on yksi monista "älykkäistä" Googlen palveluista, jotka käyttävät TensorFlow-nimistä koneen oppimistekniikkaa . Sana oppiminen viittaa siihen, että teknologia saa aikanaan älykkäämpiä siihen pisteeseen, että nykyiset tietomme eivät voi kuvitella. Mutta mikä on TensorFlow? Miten kone voi oppia? Mitä voit tehdä sen kanssa? Otetaan selvää.
Mikä on TensorFlow?
TensorFlow on Googlen avoimen lähdekoodin ja tehokkaan keinotekoisen älykkyyden ohjelmisto, joka käyttää monia Googlen palveluita ja aloitteita. Se on toisen sukupolven järjestelmä suurten koneiden oppimisen toteuttamiseksi, jonka Google Brain -tiimi on rakentanut. Tämä algoritmikirjasto läpäisee DistBeliefin - ensimmäisen sukupolven.
Teknologia edustaa laskennan tilavina datavirtauskuvioina. TensorFlow on ainutlaatuinen, koska se kykenee mallinnamaan laskennan laajan valikoiman laitteistoja kuluttajatason mobiililaitteista maailmanluokan moniprosessoripalvelimiin. Se voi toimia eri GPU: eissa ja CPU-laitteissa ja lupaa koneen oppimisen skaalautuvuutta eri laitteiden ja gadgeteiden välillä ilman, että tarvitsee muuttaa huomattavaa määrää koodia.
TensorFlow syntyi Googlen tarpeesta ohjata tietokonejärjestelmää jäljittelemään, miten ihmisen aivot toimivat oppimisessa ja päättelyssä. Järjestelmän, joka tunnetaan hermoverkoina, pitäisi pystyä suorittamaan moniulotteisissa tietoryhmissä, joita kutsutaan "tensoreiksi". Lopullisena tavoitteena on kouluttaa hermoverkot havaitsemaan ja salaamaan kuvioita ja korrelaatioita.
Marraskuussa 2015 Google teki tämän teknologian avoimen lähdekoodin ja antoi sen käyttöön kaikenlaisiin tuotteisiin ja tutkimuksiin. Kuka tahansa, mukaan lukien tutkijat, insinöörit ja harrastajat, voi nopeuttaa koneen oppimisen kasvua ja viedä sen korkeammalle tasolle vähemmän aikaa.
Tämä muutos osoittautui oikeaksi, koska riippumattomien kehittäjien panos on niin paljon, että TensorFlowille ne ylittävät Googlen maksut. Wikipedia mainitsee, että "GitHubissa on 1500 arkistoa, joissa mainitaan TensorFlow, joista 5 on Googlesta." Tästä huolimatta yksi Quoran keskusteluista epäilee, että julkaistu avoimen lähdekoodin versio on "puhdistettu" versio yksi, jota Google käyttää palveluissaan.
Miten TenserFlow toimii?
Käyttämällä yksinkertaista normaalia ihmisen kieltä ja voimakasta yksinkertaistamista, saatamme nähdä TensorFlowin yhden puolen kehittyneenä itsenäisenä suodatusteknologiana. Tärkein teknologia on koneen oppimisen valtava ohjelmistokirjasto. Se käyttää tietokantaa "päätöksentekoon".
Esimerkiksi joku lataa valokuvan Google-valokuviin. Teknologia vertaa kaikkia kuvan tietoja sen tietokantaan ja päättää, onko kuva eläimestä tai ihmisestä. Sitten jos se on ihminen, se yrittää määrittää sukupuolen, iän aina siihen, kuka henkilö on. Sama prosessi toistetaan muiden valokuvan objektien kohdalla.
Se käyttää myös käyttäjän tietoja, kuten kuvan henkilöllisyyttä ja kuvaa, jossa kuva on otettu, parantamaan sen kirjastoa niin, että se voi antaa parempia tuloksia tulevaisuudessa - sekä valokuvan lähettäjä että kaikille muuta. Näin ollen termi "oppiminen". Mutta se ei pysähdy pelkästään valokuvien tiedosta ja oppimisesta. On niin paljon, että tekniikka voi tehdä valokuvan tiedoilla. Se voi esimerkiksi ryhmitellä samankaltaisia tietoja, kuten samaa henkilöä, samaa paikkaa, samana päivänä; katso kasvojen kuvio, jotta voit määrittää, mikä perhe ja ystävät kuvassa olevaan henkilöön kuuluvat, ja käytä tietoja tehdäksesi videoita perhelomasta tai animaatiosta jatkuvista kuvista.
Se tuskin naarmuttaa TensorFlowin toimintaa, mutta toivon, että se antaa sinulle yleiskuvan tekniikasta. Vain yhden esimerkin käyttäminen ei voi tehdä oikeutta siihen, mitä se pystyy.
Ja kaikkien keinotekoisen älykkyyden harrastajille on syytä mainita, että Google on jo luonut koneen oppimiseen optimoidun tietokonepiiriteknologian ja integroinut sen TensorFlowiin. Sitä kutsutaan Tensor Processing Unit (TPU) ASIC-siruksi .
Ne, jotka haluavat oppia lisää TensorFlowista, voivat vierailla opetusohjelmassa.
TensorFlowin sovellukset
Olemme koneiden oppimisen tekniikan varhaisessa vaiheessa, joten kukaan ei tiedä, mihin se vie meidät. Mutta on olemassa muutamia ensimmäisiä sovelluksia, jotka saattavat antaa meille kurkistusta tulevaisuudessa. Koska se on peräisin Googlesta, on selvää, että Google käyttää teknologiaa moniin sen palveluihin.
Lisää kuva-analyysistä
Olemme keskustelleet esimerkistä tekniikan käyttämisestä kuvien analysointiin Google-valokuvissa. Kuvan analysointisovellusta käytetään myös Google Mapsin katunäkymässä. Esimerkiksi TensorFlow-toimintoa käytetään yhdistämään kuva karttakoordinaatteihin ja hämärtämään automaattisesti vahingossa mukana olevan auton rekisterikilven numero.
Puheentunnistus
Google käyttää myös TensorFlowia ääniohjauspuheentunnistusohjelmistoon. Teknologia, jonka avulla käyttäjät voivat puhua ohjeita, ei ole uusi, mutta TensorFlow'n jatkuvasti kasvanut kirjasto voi sekoittaa ominaisuuden muutaman loven ylöspäin. Tällä hetkellä puheentunnistustekniikka tunnistaa yli 80 kieltä ja muunnosta.
Dynaaminen käännös
Toinen esimerkki koneopiskelutekniikan "oppimisesta" on Googlen käännösominaisuus. Google sallii käyttäjien lisätä uusia sanastoja ja korjata Google-kääntäjän virheet. Kasvavia tietoja voidaan käyttää automaattisesti tunnistamaan syöttökieli, jota muut käyttäjät haluavat kääntää. Jos kone tekee virheitä kielentunnistusprosessissa, käyttäjät voivat korjata ne. Ja kone oppii näistä virheistä parantamaan tulevaa suorituskykyään. Ja sykli jatkuu.
Alpha Go
Yksi hauska esimerkki TensorFlow-käytöstä on Alpha Go. Se on sovellus, joka on ohjelmoitu toistamaan Go . Niille, jotka eivät tunne Goia, se on abstrakti lautapeli kahdelle pelaajalle, jotka ovat peräisin Kiinasta yli viisi tuhatta viisi vuotta sitten, ja se on vanhin lautapeli, jota toistetaan yhä jatkuvasti tänään. Vaikka säännöt ovat yksinkertaisia - ympäröivät enemmän aluetta kuin vastustaja, peli on uskomattoman monimutkainen ja Wikipedian mukaan: ”sillä on enemmän mahdollisuuksia kuin näkyvän maailmankaikkeuden atomien kokonaismäärä.”
Joten on mielenkiintoista, mitä oppimiskoneen tekniikka voi tehdä äärettömiin mahdollisuuksiin. Hänen ottelussaan Lee Sedolia vastaan - 18-kertaista Go-maailmanmestaria - Alpha Go voitti 4 viidestä pelistä ja sai korkeimman Go-grandmaster-listan.
Magenta-projekti
Toinen mielenkiintoinen TensorFlow-sovellus on Magenta-projekti. Se on kunnianhimoinen hanke, jolla luodaan koneen tuottama taide . Yksi kokeilun varhaisista konkreettisista tuloksista on 90 sekunnin piano-melodia. Pitkällä aikavälillä Google toivoo tuottavansa kehittyneempää konekohtaista taidetta Magenta-projektinsa kautta ja rakentamaan sen ympärille taiteilijoiden yhteisöä.
Helmikuussa 2016 Google järjesti San Fransiscossa myös taidenäyttelyn ja huutokaupan, jossa oli 29 tietokonetta, joissa oli vähän apua ihmisen taideteoksista. Kuusi suurimmista teoksista myytiin jopa 8 000 dollaria. Tietokoneella saattaa olla vielä hyvin pitkä matka ennen kuin se voi jäljitellä todellista taiteilijaa, mutta rahan määrä, jonka ihmiset ovat valmiita maksamaan taiteesta, osoittavat meille, kuinka pitkälle tekniikka on mennyt.
Tuki iOS: lle
Vaikka olemme jo nähneet TenserFlowin ominaisuudet Androidissa, sen uusin versio, TensorFlow lisää lopuksi iOS-laitteiden tuet. Koska on olemassa runsaasti suuria mobiilisovelluksia, jotka ovat käytettävissä vain iOS: lle tai julkaistu ensin iOS: lla, se tarkoittaa, että voimme odottaa suuria mobiilisovelluksia, jotka ottavat koneen oppimisen lähitulevaisuudessa. Sama pätee TensorFlowin laajempien adoptioiden ja sovellusten mahdollisuuksiin.
TensorFlowin tulevaisuus
Mitä voi mahdollisesti tehdä koneella, joka pystyy oppimaan ja tekemään oman päätöksensä? Henkilö, joka käsittelee useampaa kuin yhtä kieltä osana jokapäiväistä elämää, on ensimmäinen asia, joka mielessäni on kielen kääntäminen. Ei sanasanalla tasolla, mutta pidemmässä tekstitasossa, kuten asiakirjoissa tai jopa kirjoissa. Tämän päivän käännöstekniikka rajoittuu sanastoihin. Voit helposti selvittää, mitä "nukkuu" kiina ja päinvastoin, mutta yritä heittää Eiji Yoshikawan Musashin yhteen lukuun alkuperäisessä japanissa ja kääntää luku englanniksi. Näet, mitä saan.
On myös hauskaa nähdä, mitä tekoäly voi tulevaisuudessa tehdä musiikin kanssa. Vaikka se on edelleen hyvin yksinkertainen, Applen Music Memo -sovellus voi jo antaa automaattisen basso- ja rumpuosion tallennetulle lauluksellesi. Muistan yhden jakson SciFi TV -esityksestä, jossa esityksessä oleva merkki loi koneen, joka analysoi kaikki kaavion parhaat kappaleet ja pystyy kirjoittamaan omia osumia. Tulemmeko koskaan saapumaan?
Ja kuten suljettu ajatus, haluaisin mainita Sunspringin . Se on lyhyt scifi-elokuva, jonka on kirjoittanut kokonaan AI-käsikirjoittaja, joka kutsui itseään Benjaminiksi - joka jopa koostui pop-laulun musiikista interludeestä. Elokuvan koonnut ohjaaja Oscar Sharp Sci-Fi London -tapahtuman 48-tunnin elokuvan haasteeseen.
Nyt en voi lopettaa ajattelua terminaattorista. Tervetuloa tulevaisuuteen.
Kuvaluotto: Wikipedia, TechInsider, The Verge, Wall Street Journal
