211service.com
Google forsøger at gøre maskinlæring lidt mere menneskelig
Googles administrerende direktør Sundar Pichai fortalte investorerne i sidste måned, at fremskridt inden for maskinlæringsteknologi snart ville få indflydelse på hvert produkt eller hver tjeneste, som virksomheden arbejder på. Vi gentænker alt, hvad vi gør, sagde han.
En del af dette skub for at gøre dets tjenester smartere involverer at gentænke den måde, den anvender maskinlæring på, som gør det muligt for computere at lære på egen hånd fra data. Kort sagt arbejder Google på at lære disse systemer at være lidt mere menneskelige.
Google diskuterede nogle af disse bestræbelser på en briefing tirsdag i sit hovedkvarter i Mountain View, Californien. Vi er på Commander Data-stadiet, sagde stabsforskningsingeniør Pete Warden i en henvisning til den følelsesløse android i tv-showet Star Trek: Den næste generation. Men vi prøver at få lidt mere Counselor Troi ind i systemet - rumskibet Enterprise 's empatiske rådgiver.
Warden arbejder på det team, der udviklede Google Fotos, som lader dig søge efter ting som strand eller hund på dine snaps. Den underliggende teknologi opstod fra en lang forskningsindsats for at gøre det muligt for software at identificere objekter på fotos. Men Warden og hans kolleger opdagede, at det ikke var nok at få øje på f.eks. børn, æg eller kurve. Folk ville søge efter påskeæggejagt. Ligeledes skulle systemet trænes til at forstå, at billeder med en kalkun og tallerkener taget sidst i november skulle forbindes med Thanksgiving.
Et andet Google-projekt, kaldet GlassBox, forsøger at stoppe software, der lærer af et begrænset udvalg af data, i at få det til at se ud for mennesker som simple, dumme fejl. Ledet af seniorforsker Maya Gupta, sigter det mod at give softwaren noget af den sunde fornuft, der gør det muligt for mennesker at se bort fra vildledende eksempler.
For eksempel kunne en person, der viste nogle få eksempler på huse og deres tilknyttede priser, straks se, at større huse generelt koster mere - også selvom der var en afvigende værdi, såsom et lille hus tilbudt for 1,8 millioner dollars i den dyre by Palo Alto, Californien. Men den samme afviger kan få et maskinlæringssystem, der leder efter et forhold i den samme prøve af data, til at tilskrive høje priser til en anden faktor, såsom husfarve. Gupta har udviklet matematiske metoder til at udjævne indflydelsen fra sådanne afvigere, der kan udløse et maskinlæringssystem. Vi forsøger at lægge så meget af den menneskelige viden tilbage, som vi kan, fortalte Gupta MIT Technology Review .
Google har øget sin investering i maskinlæringsforskning i de senere år, efter fremkomsten af en teknologi kendt som deep learning, som bruger netværk af groft simulerede neuroner (se 10 Breakthrough Technologies 2013: Deep Learning). Det har frembragt slående forbedringer inden for talegenkendelse og billedgenkendelse. Facebook, Google, IBM, Microsoft og Baidu undersøger alle, hvordan dyb læring kan sætte maskiner i stand til at forstå sprog og måske endda tale med os (se Lære maskiner at forstå os).
I den seneste uge har Google bekræftet, at dets kernesøgetjeneste nu behandler en stor del af forespørgsler ved hjælp af et nyt dybt læringsdrevet system kaldet RankBrain . Og tirsdag den debuterede en tjeneste kaldet Smart Reply, der bruger maskinlæring til automatisk at tilbyde flere korte svarmuligheder på e-mail-beskeder.
Greg Corrado, seniorforsker og medstifter af Googles deep-learning-team, siger, at e-mail-skrivningssoftwaren blot er et tidligt eksempel på, hvordan maskinlæring nu skaber helt nye produkter, ikke blot forbedrer eksisterende produkter, såsom spamfiltrering eller søg.