Oricine a încercat Google Photos ar fi de acord că acest serviciu gratuit de stocare și gestionare a fotografiilor de la Google este inteligent. Se îmbină în diferite funcții inteligente cum ar fi căutarea avansată, abilitatea de a vă clasifica fotografiile după locații și date, de a crea automat albume și videoclipuri bazate pe asemănări și de a vă urmări în jos pe banda de memorie prezentând fotografii din aceeași zi cu câțiva ani în urmă. Există multe lucruri pe care Google Foto le poate face acum câțiva ani, fiind imposibil de realizat. Google Photos este una dintre numeroasele servicii "inteligente" de la Google care utilizează o tehnologie de învățare a mașinilor numită TensorFlow. Cuvântul de învățare indică faptul că tehnologia va deveni mai inteligentă în timp până la punctul în care cunoștințele noastre actuale nu ne putem imagina. Dar ce este TensorFlow? Cum poate învăța o mașină? Ce puteți face cu ea? Să aflăm.
Ce este TensorFlow?
TensorFlow este software-ul Google open-source și puternic de inteligență artificială, care permite multe servicii și inițiative de la Google. Este a doua generație a unui sistem pentru implementări de învățare pe scară largă, construit de echipa Google Brain. Această bibliotecă de algoritmi reușește DistBelief - prima generație.
Tehnologia reprezintă calculul ca grafice de flux al datelor statale. Ceea ce face ca TensorFlow să fie unic este capacitatea sa de a modela calcule pe o gamă vastă de hardware, de la dispozitive mobile de la consumatori la servere multi-GPU de clasă mondială. Acesta poate rula pe diferite unități de procesare grafică și procesoare și promite scalabilitatea procesului de învățare între diferite dispozitive și gadgeturi fără a modifica o cantitate semnificativă de cod.
TensorFlow provine de la necesitatea Google de a instrui un sistem informatic care să imite modul în care un creier uman lucrează în învățare și raționament. Sistemul, cunoscut sub numele de rețele neuronale, ar trebui să poată efectua pe rețele de date multidimensionale denumite "tensori". Scopul final este de a instrui rețelele neuronale pentru a detecta și descifra modele și corelații.
În noiembrie 2015, Google a făcut această tehnologie open-source și ia permis să fie adoptată în toate tipurile de produse și cercetări. Oricine, inclusiv cercetători, ingineri și pasionați, poate contribui la accelerarea creșterii procesului de învățare a mașinilor și poate duce la un nivel mai îndelungat în mai puțin timp.
Această mișcare sa dovedit a fi cea potrivită, deoarece există atât de multe contribuții din partea dezvoltatorilor independenți la TensorFlow încât depășesc cu mult contribuțiile Google. Wikipedia menționează că "există 1500 de depozituri pe GitHub care menționează TensorFlow, dintre care 5 sunt de la Google". Cu toate acestea, una dintre discuțiile de la Quora suspectează că versiunea "open-source" este versiunea "curățată" una utilizată de Google în serviciile sale.
Cum funcționează TenserFlow?
Folosind limbajul simplu normal al omului și o simplificare grea, am putea vedea o parte a TensorFlow ca o tehnologie avansată de filtrare autonomă. În inima sa, tehnologia este o bibliotecă vastă de software de învățare a mașinilor. Folosește baza de date pentru ao ajuta să "ia decizia".
De exemplu, cineva încarcă o fotografie în Google Foto. Tehnologia va compara toate detaliile din imagine cu baza sa de date și va decide dacă este o imagine a unui animal sau a unui om. Apoi, dacă este vorba despre un om, acesta va încerca să determine sexul, vârsta, până la cine este persoana. Același proces se repetă și pentru alte obiecte din fotografie.
De asemenea, utilizează datele utilizatorului, cum ar fi identitatea persoanei din imagine și locația în care se realizează fotografia, pentru a-și îmbunătăți biblioteca, astfel încât să poată oferi rezultate mai bune în viitor - atât pentru persoana care a încărcat fotografia, cât și pentru toată lumea altceva. Prin urmare, termenul "învățare". Dar nu se oprește doar la cunoașterea și învățarea datelor din fotografii. Există atât de multe lucruri pe care tehnologia o poate face cu informațiile de pe o fotografie. De exemplu, poate grupa fotografii cu detalii similare, cum ar fi aceeași persoană, aceeași locație, aceeași dată; a se vedea modelul de fețe pentru a determina ce familie și prieteni de persoana de la fotografie aparțin, și de a folosi informațiile pentru a face videoclipuri de vacanta de familie sau de animație de la fotografii continuu.
Acest lucru abia scarpină suprafața de funcționare a TensorFlow, dar sper că vă poate oferi o imagine generală a tehnologiei. De asemenea, folosirea unui singur exemplu nu poate face dreptate la ceea ce este capabil.
Și pentru toți entuziaștii din domeniul inteligenței artificiale, merită menționat faptul că Google a creat deja o tehnologie de chip computerizată optimizată pentru învățarea mașinilor și integrarea TensorFlow în ea. Se numește chip ASIC de procesare a tensorului (TPU) .
Cei care doresc să afle mai multe despre TensorFlow pot vizita pagina tutorial.
Aplicații ale TensorFlow
Suntem într-un stadiu incipient al tehnologiei de învățare a mașinilor, astfel încât nimeni nu știe de unde ne va lua. Dar există câteva cereri inițiale care ar putea să ne ofere o privire în viitor. Pe măsură ce provine de la Google, este evident că Google utilizează tehnologia pentru multe dintre serviciile sale.
Mai multe despre analiza imaginilor
Am discutat exemplul utilizării tehnologiei pentru analiza imaginilor în Google Foto. Aplicația de analiză a imaginii este, de asemenea, utilizată în caracteristica Street View din Hărți Google. De exemplu, TensorFlow este utilizat pentru a conecta imaginea cu coordonatele hărții și a bloca automat numărul plăcii de înmatriculare a oricărei mașini care a fost inclusă accidental în imagine.
Recunoaștere a vorbirii
Google utilizează, de asemenea, TensorFlow pentru software-ul de recunoaștere vocală a asistentului vocal. Tehnologia care permite utilizatorilor să vorbească cu instrucțiuni nu este nouă, însă includerea bibliotecii TensorFlow din ce în ce mai crescut în amestec ar putea aduce caracteristica până la câteva crestături în sus. În prezent, tehnologia de recunoaștere a vorbirii recunoaște peste 80 de limbi și variante.
Traducerea dinamică
Un alt exemplu de "învățare", parte a tehnologiei de învățare a mașinilor, este caracteristica de traducere a Google. Google permite utilizatorilor săi să adauge vocabularuri noi și să remedieze greșelile din Google Translate. Datele din ce în ce mai mari pot fi folosite pentru a detecta automat limba de introducere pe care alți utilizatori doresc să o traducă. Dacă mașina face greșeli în procesul de detectare a limbii, utilizatorii îi pot corecta. Și mașina va învăța din aceste greșeli pentru a-și îmbunătăți performanțele viitoare. Și ciclul continuă.
Alpha Go
Un exemplu amuzant de utilizare TensorFlow este Alpha Go. Este o aplicație programată să joace Go . Pentru cei necunoscuți cu Go, este un joc de bord abstract pentru doi jucători originari din China cu mai mult de cinci mii cinci sute de ani în urmă, și este cel mai vechi joc de bord care este încă continuu jucat astăzi. În timp ce regulile sunt simple - pentru a înconjura mai mult teritoriu decât adversarul, jocul este incredibil de complex și, potrivit Wikipedia: "posedă mai multe posibilități decât numărul total de atomi din universul vizibil".
Deci, este interesant ce poate face o tehnologie a mașinilor de învățare cu posibilitățile infinite. În meciurile sale împotriva lui Lee Sedol - campionul mondial Go de 18 ori, Alpha Go a câștigat 4 din 5 jocuri și a primit cel mai înalt titlu de onoare de la Grandmaster.
Proiectul Magenta
O altă aplicație interesantă a TensorFlow este Proiectul Magenta. Este un proiect ambițios de a crea arta generată de mașină . Unul dintre primele rezultate tangibile ale experimentului este melodia de piane de 90 de secunde. Pe termen lung, Google speră să genereze o artă mai avansată de mașini prin intermediul proiectului său Magenta și să construiască o comunitate de artiști în jurul acesteia.
În februarie 2016, Google a organizat, de asemenea, o expoziție de artă și o licitație în San Fransisco, prezentând 29 de calculatoare generate - cu un pic de ajutor de la opere de artă umane. Șase dintre cele mai mari opere au fost vândute pentru o sumă de 8.000 de dolari. Calculatorul ar putea avea încă un drum foarte lung de parcurs înainte de a putea imita un artist adevărat, dar suma de bani pe care oamenii sunt dispuși să o plătească pentru artă ne arată cât de departe tehnologia a trecut.
Suport pentru iOS
În timp ce am văzut deja capabilitățile TenserFlow pe Android, cu cea mai recentă versiune, TensorFlow adaugă în cele din urmă suporturi pentru dispozitivele iOS. Din moment ce există tone de aplicații mobile excelente disponibile exclusiv pentru iOS sau lansate în premieră pe iOS, înseamnă că ne putem aștepta la aplicații mobile mai mari care adoptă învățarea în mașină în viitorul apropiat. Același lucru se poate spune despre posibilitățile de adopții și aplicații mai largi ale TensorFlow.
Viitorul TensorFlow
Ce se poate face cu o mașină capabilă să învețe și să ia propria decizie? Ca persoană care se ocupă de mai multe limbi ca parte a vieții cotidiene, primul lucru care mi-a apărut în minte este traducerea limbajului. Nu în cuvânt după nivel de cuvânt, ci mai mult la nivel de text mai lung, cum ar fi documente sau chiar cărți. Tehnologia de traducere de azi este limitată la vocabular. Puteți afla cu ușurință ce este "dormit" în chineză și invers, dar încercați să aruncați într-un singur capitol Musashi-ul Eiji Yoshikawa în originalul său japonez și să traduceți capitolul în limba engleză. Veți vedea la ce mă ocup.
De asemenea, este distractiv să vezi ce poate face viitorul Inteligenței Artifice cu muzica. În timp ce este încă foarte de bază, aplicația Apple Music Memo poate da deja însoțirea automată a basului și tamburului la cântatul dvs. înregistrat. Îmi amintesc un episod dintr-un show SciFi TV în care un personaj din spectacol a creat o mașină care analizează toate melodiile de top din topuri și poate să-și scrie propriile melodii de succes. Vom ajunge vreodată acolo?
Și, în final, aș vrea să menționez Sunspring . Este un scurt film science-fiction scris în întregime de un scenarist AI care se numește Benjamin - care a compus și interludiul muzical pop-song. Filmul a fost realizat de regizorul Oscar Sharp pentru evenimentul de 48 de ore Film Challenge din Sci-Fi Londra.
Acum nu pot să mă mai gândesc la Terminator. Bine ați venit în viitor.
Credit de imagine: Wikipedia, TechInsider, The Verge, Wall Street Journal
