S TensorFlow Google otevírá zdroje svého strojového učení

Google včera oznámil TensorFlow a vydal výzkum a úspěšné interní škálování strojového učení jako open source projekt pod licencí Apache 2.0. TensorFlow urychlí přijetí strojového učení tisíci tvůrčích týmů pro vývoj produktů, které nemají rozsáhlé zdroje výzkumu společnosti Google pro strojové učení.

Dobrým příkladem důsledků strojového učení prostřednictvím interakcí lidí a systémů je Tesla Autopilot beta. Protože řidiči komunikují s Autopilotem a opravují jej, řidiči hlásili, že se naváděcí systém sám zlepšuje.

Google investoval do pokročilého výzkumu v oblasti strojového učení, přičemž do společnosti Google Brain Project, kterou zahájil Andrew Ng a nyní pod John Giannandrea ve spolupráci s nejlepšími akademickými laboratořemi, jako jsou Stanford a Carnegie Mellon, použil špičkový umělý inteligenci / hluboký učební talent společnosti vylepšit produkty Google.

Google

Uživatelé mobilních zařízení přijali a očekávají přesné rozpoznávání řeči, jazykový překlad, interpretaci fotografií a videí podobnou člověku a očekávané výsledky vyhledávání. To vše je výsledkem strojového učení společnosti Google, což je produkt výzkumu neuronových sítí společnosti Google, který se dostal do titulků, když se naučil identifikovat kočky v netagovaných videích. Zpočátku se tato zkušenost může zdát hrůzostrašná, ale nakonec lidé prostě akceptují systémy, které předjímají potřeby a představují možnosti v souvislosti s metaforami „doporučení“..

Princip je jednoduchý - stroje naprogramované správným způsobem se mohou poučit z dat (čím více dat, tím lépe) a rozhodovat se bezprecedentními rychlostmi. Například lidské smysly se cítí stlačeny na své limity, když jedou rychlostí 70 mil za hodinu, ale Tesla Autopilot při těchto rychlostech dokáže snímat, počítat a rozhodovat se za zlomek času. Když se úspěšně konstruované systémy strojového učení setkají s lidskou interakcí, lidská inteligence je přenesena a systém se zlepší.

V roce 2011 Google vytvořil DistBelief pro své vědecké pracovníky v oblasti strojového učení a umělé inteligence, které mají použít při budování stále větších neuronových sítí tisíců jader, která se naučila z rozsáhlých komplexních datových sad k provádění složitých úkolů, jako je rozpoznávání obrázků a interpretace špatně artikulovaného jazyka. Společnost DistBelief prokázala, že strojové informace mohou fungovat u miliard uživatelů Google.

Vytvoření systému jako DistBelief pro použití v rámci Google bylo interním úspěchem, ale nemohlo být propuštěno do nezávislého strojového učení nebo obecně nezávislých komunit vývojářů. DistBelief byl úzce zaměřen na neuronové sítě, těžko konfigurovatelný a pevně propojený s interní infrastrukturou Google. Co chybělo, bylo zapojení komunity strojového učení, aby se učily jeden od druhého prostřednictvím sdílení kódu a dynamických experimentů, způsob, jakým se stroje učí z interakce s člověkem, rekurzivně zlepšující vývoj strojového učení prostřednictvím interakce vývojářů..

Systém výuky strojů s otevřeným zdrojovým kódem druhé generace společnosti Google TensorFlow byl speciálně navržen pro nápravu nedostatků společnosti DistBelief. Společnost Google postavila TensorFlow pro více obecných aplikací, aby byly flexibilnější, přenosnější a na dosah více vývojářů. Je navržen pro rychlé a škálovatelné aplikace pro výuku výrobních strojů. V některých měřítcích byl TensorFlow dvakrát rychlejší než DistBelief.

Hluboké učení, strojové učení a umělá inteligence jsou některé z klíčových kompetencí společnosti Google, kde společnost vede společnosti Apple a Microsoft. Pokud bude strategie úspěšná, bude strategie společnosti Google udržet tento náskok otevřením své technologie, aby se zlepšila na základě rozsáhlých adopcí a příspěvků kódů od celé komunity..

Připojte se ke komunitám World World na Facebooku a LinkedIn a přidávejte komentáře k tématům, která jsou na prvním místě.