Her er, hvad udviklere gør med Googles AI-hjerne

En kunstig intelligens-motor, som Google bruger i mange af sine produkter, og som den gjorde frit tilgængelig i sidste måned, bliver nu brugt af andre til at udføre nogle smarte tricks, herunder at oversætte engelsk til kinesisk, læse håndskrevet tekst og endda generere originale illustrationer.

Jeff Dean taler ved en Google-begivenhed i 2007.

AI-softwaren, kaldet TensorFlow , giver en ligetil måde for brugere at træne computere til at udføre opgaver ved at tilføre dem store mængder data. Softwaren inkorporerer forskellige metoder til effektivt at opbygge og træne simulerede deep learning neurale netværk på tværs af forskellig computerhardware.

Dyb læring er en ekstremt effektiv teknik til at træne computere til at genkende mønstre i billeder eller lyd, hvilket gør det muligt for maskiner at udføre nyttige opgaver med menneskelignende kompetencer som at genkende ansigter eller objekter i billeder. For nylig har dyb læring også vist et betydeligt løfte om at analysere naturligt sprog ved at gøre det muligt for maskiner at reagere på talte eller skrevne forespørgsler på meningsfulde måder.

Taler ved Neural informationsbehandlingssamfund (NIPS) konference i Montreal i denne uge, Jeff Dean , datalogen hos Google, der leder TensorFlow-indsatsen, sagde, at softwaren bliver brugt til et stigende antal eksperimentelle projekter uden for virksomheden.

Disse omfatter software der genererer billedtekster til billeder og kode der oversætter dokumentationen for TensorFlow til kinesisk. En anden projekt bruger TensorFlow til at generere kunstigt kunstværk. Det er stadig ret tidligt, sagde Dean efter snakken. Folk forsøger at forstå, hvad det er bedst til.

TensorFlow voksede ud af et projekt hos Google, kaldet Google Brain, der havde til formål at anvende forskellige former for maskinlæring i neurale netværk til produkter og tjenester på tværs af virksomheden. Rækkevidden af ​​Google Brain er vokset dramatisk i de seneste år. Dean sagde, at antallet af projekter hos Google, der involverer Google Brain, er vokset fra en håndfuld i begyndelsen af ​​2014 til mere end 600 i dag.

Senest var Google Brain med til at udvikle sig Smart svar , et system, der automatisk anbefaler et hurtigt svar på beskeder i Gmail, efter det har scannet teksten i en indgående besked. Den neurale netværksteknik, der blev brugt til at udvikle Smart Reply, blev præsenteret af Google-forskere på NIPS-konferencen sidste år.

Dean forventer, at deep learning og maskinlæring vil have en lignende indvirkning på mange andre virksomheder. Der er en bred vifte af måder, hvorpå maskinlæring påvirker mange forskellige produkter og industrier, sagde han. For eksempel bliver teknikken testet i mange brancher, der forsøger at lave forudsigelser ud fra store mængder data, lige fra detailhandel til forsikring.

Google var i stand til at give koden til TensorFlow væk, fordi de data, det ejer, er et langt mere værdifuldt aktiv til at bygge en kraftfuld AI-motor. Virksomheden håber, at open source-koden vil hjælpe den med at etablere sig som førende inden for maskinlæring og fremme relationer med samarbejdspartnere og fremtidige medarbejdere. TensorFlow giver os et fælles sprog at tale i en eller anden forstand, sagde Dean. Vi får fordele ved at have folk, vi ansætter, som har brugt TensorFlow. Det er ikke sådan, at det er fuldstændig altruistisk.

Et neuralt netværk består af lag af virtuelle neuroner, der affyrer i en kaskade som reaktion på input. Et netværk lærer, når følsomheden af ​​disse neuroner er indstillet til at matche bestemt input og output, og at have mange lag gør det muligt at genkende mere abstrakte træk, såsom et ansigt på et fotografi.

TensorFlow er nu et af flere open source-deep learning-softwarebiblioteker, og dets ydeevne halter i øjeblikket efter nogle andre biblioteker til visse opgaver. Den er dog designet til at være nem at bruge, og den kan nemt porteres mellem forskellig hardware. Og Dean siger, at hans team arbejder hårdt på at forbedre deres præstationer.

I kapløbet om at dominere maskinlæring og tiltrække de bedste talenter, kan andre virksomheder dog frigive deres egne konkurrerende AI-motorer.

skjule