„Google“ ai perrašymas: „Pastatymo apie mašinas mokymasis visko“

Makoto Koike yra agurkų augintojas Japonijoje. Koike yra buvęs įterptųjų sistemų dizaineris, ilgus metus dirbęs Japonijos automobilių pramonėje, tačiau 2015 m. Grįžo namo padėti į savo tėvų agurkų fermą. Jis netrukus suprato, kad rankinis agurkų rūšiavimas pagal spalvą, formą, dydį ir tokius požymius kaip „tirštumas“ dažnai buvo sudėtingesnis ir sunkesnis nei jų auginimas. Įkvėptas giluminio mokymosi „Google“ dirbtinio intelekto (AI) programinės įrangos „AlphaGo“ naujovių, jis pasiryžo automatizuoti užduotį.

Verslo įmonės visomis prasmėmis pradeda diegti praktinius PG, tačiau galima drąsiai teigti, kad niekas nematė Koike AI agurkų rūšiavimo sprendimo. Koike anksčiau niekada nebuvo dirbęs su AI metodais, tačiau, naudodamas atvirojo kodo „TensorFlow“ mašinų mokymosi (ML) biblioteką, jis pradėjo įvesti agurkų vaizdus. Dėka kompiuterinio matymo algoritmų, skirtų objektams atpažinti, ir giliai išmokęs mokyti „TensorFlow“ pagal įvairių agurkų niuansus, „Koike“ suprato, kad jis gali tiksliai identifikuoti ir rūšiuoti daržoves. Tuomet, nenaudodamas nieko kito, kaip tik „TensorFlow“ ir pigiu kompiuteriu „Raspberry Pi 3“, „Koike“ sukūrė automatinį rūšiavimo aparatą, kurį ūkis naudoja ir šiandien.

„TensorFlow“ yra vienas iš daugelio atvirojo kodo algoritmų ir įrankių, revoliucionuojančių tai, ką įmonės ir kūrėjai gali išspręsti naudodamiesi AI. Bendrovė išplėtė savo misiją „visiems suteikti AI pranašumus“ išleidusi „Google.ai“ savo „Google I / O“ konferencijoje, sujungdama visus savo AI išteklius į vieningą platformą. „Google“ taip pat įtraukia šiuos metodus ir programų programavimo sąsajas (API) į viską, ką daro, kepdama ML savo produktuose ir iš esmės apibrėždama, kaip jo programinė įranga veikia šiame procese.

PCMag neseniai lankėsi „Googleplex“ ir kalbėjosi su „G Suite“, „Google Cloud Platform“ (GCP) ir bendrovės „Machine Learning Advanced Solution Lab“ (ML ASL) vadovais apie tai, kaip „Google“ atstato save su AI.

Dirbtinis intelektas visur

Tarkime, kad vienas iš jūsų klientų turi problemų. Jūsų įmonės klientų aptarnavimo skyriaus agentas tiesiogiai bendrauja su klientu per pokalbių programą, kurioje duomenys saugomi „Google Cloud Platform“. Kad padėtų jiems išspręsti problemą, vartotojas turi nusiųsti agentui slaptus asmeninius duomenis. Dabar pasakyk, kad klientas yra tavo močiutė. Klientų aptarnavimo atstovas prašo močiutės pateikti kelis duomenis, tačiau močiutė siunčia daugiau informacijos, nei jai reikia, kai ji įkelia į pokalbį savo socialinės apsaugos kortelės nuotrauką.

Užuot „Google“ archyvavę tą asmenį identifikuojančią informaciją (PII), nuotraukoje rodomas socialinio draudimo numeris ir kitas automatiškai ištrinamas PII. Agentas niekada nemato jokios informacijos, kuri jiems nereikalinga, ir nė vienas iš šių duomenų nepatenka į „Google“ užšifruotą archyvą. „DLP API“ technologijos demonstravimo metu „Google“ būstinėje Mountain View mieste, Kalifornijoje, įmonė patraukė atgal uždangą, kaip ML algoritmai analizuoja tekstą ir vaizdus, ​​kad tai įvyktų.

Robas Sadowskis, „Google Cloud“ pasitikėjimo ir saugumo rinkodaros vadovas, paaiškino, kad automatinį redagavimą palaiko „Google“ duomenų praradimo prevencijos (DLP) API, veikianti po paviršiumi, kad klasifikuotų neskelbtinus duomenis. Algoritmas tą patį daro su tokiais duomenimis kaip kreditinių kortelių numeriai, be to, jis gali analizuoti modelius, kad aptiktų, kai numeris yra suklastotas. Tai tik vienas iš subtilių „Google“ strategijų, kaip integruoti AI į savo patirtį, pavyzdžių ir suteikti įmonėms bei kūrėjams, tokiems kaip „Koike“, resursų tą patį padaryti.

„Google“ yra toli gražu ne vienintelis technologijų milžinas, kuris savo programinėje įrangoje sukuria jungiamojo intelekto sluoksnį, tačiau kartu su „Amazon“ ir „Microsoft“, be abejo, „Google“ yra plačiausiai paplitęs debesų pagrindu sukurtų žvalgybos įrankių ir paslaugų plotas. Suskaidę bendrovės produktus galite rasti „Google Assistant“ ir įvairias ML ir kompiuterio matymo API, naudojamas beveik visur.

„Google“ paieška naudoja „ML“ algoritmus savo „RankBrain“ AI sistemoje, kad apdorotų ir patikslintų užklausas, perskirstytų duomenis ir kauptų duomenis remiasi daugybe kintančių veiksnių, kad nuolat tobulintų paieškos rezultatų kokybę. „Google“ nuotraukos naudoja kompiuterinį matymą, kad sujungtų susijusias nuotraukas į atmintį ir sujungtų kelis tos pačios vietos kadrus į panoramas. „Inbox“ suteikia vartotojams galimybę automatiškai sugeneruoti išmaniuosius atsakymus ir išskiria susijusius el. Laiškus, susiedami panašias kategorijas. Bendrovės naujojoje „Google Allo“ pokalbių programoje yra įmontuota „Google Assistant“. Sąrašas tęsiasi.

Visos šios programos veikia „Google“ debesų infrastruktūroje, ir įmonė netgi taiko ML savo duomenų centruose, kad sumažintų energijos sąnaudas, koreguodama aušinimo siurblius pagal apkrovos ir orų duomenis. Sadowskis teigė, kad tai taip pat yra galutinis „Google“ saugos strategijos gynybos sluoksnis, kai įmonė naudoja mašinų žvalgybą ir rizikos vertinimą savo saugos pakete, kad nustatytų, ar sistemai nepadaroma grėsmė, naudojant numatomą analizę.

„„ Google “imasi visų šių mūsų sukurtų ML ir AI modelių ir suderina juos su saugumu“, - aiškino Sadowskis. "Saugumas keičiasi daug radikaliau nei dauguma IT sektorių. Produktai, kurie prieš trejus ar ketverius metus buvo jūsų saugumo infrastruktūros pagrindas, pavyzdžiui, ugniasienės ir galinių taškų apsauga, vis dar yra svarbūs, tačiau mes norime užtikrinti gynybą nuodugniai, mastu ir numatytoji daugelio nuomininkų infrastruktūra, kai kasdien naudojasi milijonai aktyvių vartotojų.

„Tai prasideda nuo duomenų centro aparatūros“, - tęsė Sadowskis. "Be to, tai yra programų paslaugos ir autentifikavimas su visiškai užšifruotais duomenimis ir ryšiais. Be to, tai vartotojo tapatybė. Ir paskutinis gynybos sluoksnis yra tai, kaip mes dirbame su 24/7 stebėjimu, aptikimu ir reagavimu į įvykius. Tai yra tai, kaip mes išspręskite tokius dalykus, kaip saugi nuotolinė prieiga naudojant tapatybės suvokimo tarpinį serverį. Tai yra programinė DLP paslauga, leidžianti surasti ir užkirsti kelią duomenų nutekėjimui, padėti tvarkant duomenis ir užtikrinant saugumą. Mes siekiame, kad šios galimybės būtų lengvos, tinkamos naudoti, ir kad jos veiktų masto."

Išmanesnis G rinkinys

ML taip pat yra įterptas į visas „Google“ „G Suite“ produktyvumo programas. „G Suite“ produktų valdymo direktorius Allanas Livingstonas apžvelgė kai kuriuos būdus, kaip AI daro „G Suite“ protingesnį ir kontekstualesnį, net vartotojams to nesuvokiant.

„Pagalvokite, kaip„ G Suite “natūraliai integruotu būdu sujungia visas šias programas“, - sakė Livingstonas. "Pradėjote savo darbą viename iš jų ir einate pro šalį. Atidarote„ Gmail "priedą Diske, kuris nukreipia jus į dokumentus. Tai tikrai automatinė priemonė.

"Stengiamės, kad vartotojui tai neatrodytų, o tai taip pat apima mašininį mokymąsi. Pradėjome nuo intelektualių atsakymų„ Inbox “ir mums gerai sekėsi su„ Gmail “. Tai paskatino„ Naršyti “funkciją Dokumentuose, Skaičiuoklėse. ir skaidres “.

Praėjusį rudenį pasirodęs „Naršyti“ taiko natūralų kalbos apdorojimą (NLP), naudodamas produktyvumą programoje. Naudodamiesi „Docs“, „Naršyti“ suteikia tiesioginius pasiūlymus, pagrįstus dokumento turiniu, ir automatiškai rekomenduoja susijusias temas ir išteklius. Skaidrėse jis sukuria dizaino pasiūlymus, kaip sumažinti pateikimo formatą. Tačiau įdomiausias naudojimo atvejis yra „Sheets“. Livingstonas paaiškino, kaip „Explore“ naudoja ML, kad supaprastintų duomenų analizę ir verslo informacijos (BI) įžvalgas.

„Daugelis vartotojų nežino, kas yra„ suvestinė lentelė “arba kaip ją panaudoti vizualizuojant duomenų lapą“, - aiškino Livingstonas. Tarkime, kad jūs dirbate su kliento pardavimo duomenimis, kai kiekviena eilutė yra parduota prekė. Naudodami funkciją „Naršyti“ galite įvesti natūralių kalbų užklausas, pvz., „Kas yra populiariausia prekė per Juodąjį penktadienį?“ ir išspjauna tokį atsakymą: „Jūs pardavėte 563 poras kelnių“. Duomenų analizė nukreipiama taip, kad būtų sutaupyta laiko priimant duomenis grindžiamus sprendimus, naudojant kompiuterinį mokymąsi, siekiant natūraliai pagerinti bendrą problemą.

„Google Cloud NEXT“ konferencijos praėjusių metų kovą demonstracija apie funkciją Naršyti „Sheets“.

Pasak Livingstono, „Google“ planuoja išplėsti tokio tipo ML paremtą debesų paiešką trečiosioms šalims ir pradėti kurti aplink jį esančią ekosistemą. Visaapimanti idėja yra dažna praktinio AI tema: rankinių procesų automatizavimas, kad vartotojai būtų laisvesni kūrybingesniam darbui. Ši idėja yra daugumos „ML“ programų pagrindas: automatizuoti pakartojamus verslo procesus ir kasdienes užduotis, įskaitant agurkų rūšiavimą.

"Versle ir su vartotojais vartotojai turi šiuos natūralius sąveikos modelius. Perėjimas prie debesies ir mobiliųjų telefonų produktyvumas iš tikrųjų keičia žmonių darbo būdą. Šie taikomi mašininio mokymosi metodai yra esminiai", - teigė Livingstonas. "Dėl savo stiprumo mokantis mašinų, dėl mūsų produktų, kurie tarnauja kaip pagrindas, ir dėl visų duomenų debesyje, mes turime unikalią padėtį, kad galėtume pritaikyti tą skalę be galo".

Mašinos mokymosi revoliucija

Viso, ką „Google“ daro su AI, pagrindas yra jo API, algoritmai ir atvirojo kodo įrankiai. Bendrovės „TensorFlow“ biblioteka yra plačiausiai naudojamas „ML“ įrankis „GitHub“, neršiančioms programoms, tokioms kaip „Koike“ agurkų rūšiuoklė. API rinkinys, kuriuo grindžiamas „Google Cloud“, - algoritmai, aprėpiantys kompiuterio matymą, vaizdo žvalgybą, kalbą ir NLP, numatymo modeliavimą ir didelio masto ML naudojant „Google Cloud Machine Learning Engine“ - tai technologija, kuria užtikrinamos visos PG funkcijos, integruotos į „Google“ programas ir paslaugas, ir dabar ir „Google.ai“ platforma.

Francisco Uribe, „Google Cloud“ AI / ML komandos produktų vadovas, dirba variklio, perrašančio, kaip veikia „Google“, centre. Uribe prižiūri aukščiau minėtą „Google“ ML ASL - laboratoriją su įtraukiančia programa, kurioje „Google ML“ ekspertai tiesiogiai dirba su įmonėmis įgyvendindami AI sprendimus. Naudodama „Google“ API ir „Cloud ML Engine“ laboratorija bendradarbiauja su įmonėmis, kad mokytų ir diegtų savo modelius gamyboje.

Uribe daugiau nei dešimtmetį dirbo AI erdvėje. Jis įkūrė duomenų bazę „BlackLocus“, kuri sukūrė automatizuotą mažmenininkų kainų nustatymo variklį, kurį 2012 m. Įsigijo „Home Depot“. Po to jis prisijungė prie „Google“ ir ketverius metus dirbo paieškos skelbimų komandoje, taikančioje ML, kad pagerintų skelbimo patirtį.. 2016 m. Jis pradėjo vykdyti mokslinį vaidmenį, vykdydamas „ML ASL“ ir vykdydamas „Google“ „Launchpad Accelerator“ mentoriaus pareigas. Uribe teigė, kad jį nuolat stebina, kaip įmonės ir kūrėjai naudoja „Google“ įrankius.

„Mes matėme įvairių atvejų naudojimo atvejus - nuo sveikatos priežiūros ir finansų iki mažmeninės prekybos ir žemės ūkio“, - sakė Uribe. "Mes stengiamės padėti klientams patobulinti suvokimo galimybes. Kalbos vertimas, vaizdų analizė, vaizdo įrašų API, natūrali kalba: jie visi yra demokratizuojančios prieigos prie mašinų ir giluminio mokymosi algoritmų, kurie pagaliau tapo pritaikomi, dalis."

ML ASL bendradarbiavo su HSBC Bank plc - viena didžiausių bankų ir finansinių paslaugų organizacijų pasaulyje - dėl ML sprendimų kovoti su pinigų plovimu ir numatomu kredito įvertinimu. ML ASL taip pat bendradarbiavo su Jungtinių paslaugų automobilių asociacija (USAA), „Fortune 500“ finansinių paslaugų įmonių grupe, kad apmokytų organizacijos inžinierius apie ML metodus, taikomus pagal konkrečius draudimo scenarijus. „eBay“ naudojo „Google“ įrankius savo „ShopBot“ skaitmeniniam asistentui apmokyti. Kai ML ASL dirba su įmone, Uribe paaiškino keturis ramsčius, kurie sudaro procesą.

„Jums reikia stipraus skaičiavimo pasiūlymo, kad galėtumėte susidoroti su ypatingais ML užduočių reikalavimais, o GCP paskirstytas skaidulinės optikos stuburas labai efektyviai perkelia duomenis iš mazgo į mazgą“, - sakė Uribe. „Mes turime„ Cloud Machine Learning Engine “, kuris padeda klientams mokyti modelius. Mes padedame klientams vykdyti duomenis, naudodamiesi Kaggle bendruomene, kurioje yra daugiau nei 800 000 aktyvių duomenų mokslininkų. Pagaliau jums reikia talento, kad jis būtų, taigi, tirdami dalykus, turime „Smegenų rezidencijos programą, skirtą inžinieriams mokyti pagal sudėtingą ML mokymo programą. Mes matome, kad tai yra elementai, padedantys klientams kurti intelektualias programas“.

Visa tai panaudojama atvirojo kodo bendruomenei ir trečiųjų šalių ekosistemai, kurias „Google“ kuria savo AI technologija. Bendrovė net šiais metais paskelbė „ML“ startuolių konkursą, per kurį ML pradedantiesiems skiriama iki 500 000 USD investicijų. Uribe papasakojo apie kai kurias inovatyvias programas, kurias jis jau yra matęs „Google“ technologijose ir kur galėtų slypi kitos galimybės.

"Tarkime, kad esate klientų aptarnavimo analizės įmonė. Pagalvokite apie kalbų API, kad būtų galima perrašyti skambučių turinį, o tada - sentimentų analizę, kad pagerintumėte savo klientų aptarnavimo kokybę", - sakė Uribe. „Nufotografuokite gatvės iškabą užsienio valstybėje ir naudokite vertimo API, norėdami išversti tą turinį realiu laiku naudodami programą. Tai ne tik efektyvumo didinimas, bet ir naujos bei unikalios vartotojo patirties kūrimas."

„Uribe“ mato tokius įrankius kaip „TensorFlow“ kaip puikų įgalinimą didelio masto ML pritaikymui rinkoje. Šios technologijos ne tik tapo esminiu dalyku to, kas yra „Google“ ir kaip technologijų gigantai taiko produktų kūrimą, bet ir „Uribe“ įsitikinimu, plačiai prieinama ML technologija padės optimizuoti verslą, atverti naujas įplaukas ir sugalvoti naują intelektualiųjų programų klasę.

„Galvok apie tai kaip apie naują pramonės revoliuciją“, - sakė Uribe. "Matome, kad šios priemonės leidžia padidinti efektyvumo laipsnį ir patirtį, kurios jūs dar niekad nebuvote matę. Nuostabu matyti, kaip pradedančios įmonės tai taiko. Pažvelkite į agurkų augintoją Japonijoje. Jis panaudojo TensorFlow, kad sukurtų klasifikavimo modelį. ir rūšiuodami agurkus pagal modelius, dydį, faktūras ir tt, o tada sukūrėme specialią aparatūrą, kad tai atliktume. Tokį demokratizacijos lygį yra neįtikėtinai pastebima ir mes vos neišpūtėme paviršiaus."