Будь-хто, хто спробував Google Фото, погодиться, що ця безкоштовна служба зберігання фотографій і керування Google є розумною. Вона вміщує різні розумні функції, такі як розширений пошук, можливість категоризувати фотографії за місцем розташування та дати, автоматично створює альбоми та відео на основі схожості, а також проходить по смузі пам'яті, показуючи фотографії того самого дня кілька років тому. Є багато речей, які Google Photos може зробити, що кілька років тому було б неможливим. Google Фото - одна з багатьох "розумних" служб від Google, яка використовує технологію машинного навчання під назвою TensorFlow. Слово навчання вказує на те, що технологія буде розумнішою в часі до того, що наші сучасні знання не можуть собі уявити. Але що таке TensorFlow? Як можна навчитися машині? Що ви можете зробити з нею? Давай дізнаємось.
Що таке TensorFlow?
TensorFlow - це програмне забезпечення Google з відкритим вихідним кодом та потужне програмне забезпечення для штучного інтелекту, який надає багато послуг та ініціатив від Google. Це друге покоління системи для реалізації великомасштабного машинного навчання, побудованого командою Google Brain. Ця бібліотека алгоритму успішно завершує DistBelief - перше покоління.
Технологія являє собою обчислення як графіки потоків даних, що є станами. Що робить TensorFlow унікальним є його здатність моделювати обчислення на великому діапазоні апаратних засобів, від мобільних пристроїв рівня до серверів світового класу з кількома GPU. Він може працювати на різних графічних процесорах і процесорах і обіцяє масштабованість машинного навчання серед різних пристроїв і гаджетів без необхідності змінювати значну кількість коду.
TensorFlow виникла з потреби Google, щоб інструктувати комп'ютерну систему імітувати, як людський мозок працює в процесі навчання і міркування. Система, відома як нейронна мережа, повинна мати можливість виконувати багатовимірні масиви даних, які називаються «тензорами». Кінцевою метою є підготовка нейронних мереж для виявлення та розшифрування моделей і кореляцій.
У листопаді 2015 року компанія Google зробила цю технологію з відкритим вихідним кодом і дозволила її використовувати у всіх видах продуктів і досліджень. Будь-хто, включаючи дослідників, інженерів і любителів, може допомогти прискорити зростання машинного навчання і вивести його на більш високий рівень за менший час.
Цей крок виявився правильним, оскільки існує так багато внесків незалежних розробників до TensorFlow, що вони значно перевершують внески Google. У Вікіпедії згадується, що "на GitHub існує 1500 репозитаріїв, у яких згадується TensorFlow, з яких 5 з Google". При цьому, одна з дискусій у Quora підозрює, що випущений відкритий код є "очищеною" версією з той, який Google використовує у своїх службах.
Як працює TenserFlow?
Використовуючи просту нормальну людську мову та важке спрощення, ми можемо бачити одну сторону TensorFlow як передової автономної технології фільтрації. За своєю суттю технологія являє собою величезну програмну бібліотеку машинного навчання. Він використовує базу даних, щоб допомогти йому прийняти рішення.
Наприклад, хтось завантажує фотографію до Google Фото. Технологія буде порівнювати всі деталі з картинки з її базою даних і вирішувати, чи це картина тварини або людини. Тоді, якщо це людина, вона намагатиметься визначити стать, вік усім, хто є людиною. Цей же процес повторюється для інших об'єктів на фотографії.
Він також використовує дані користувача, такі як особистість особи на зображенні та місце, де знімок зроблено, щоб покращити його бібліотеку, щоб вона могла дати кращі результати в майбутньому - як для особи, яка завантажила фотографію, так і для всіх інше. Звідси й термін «навчання». Але це не зупиняється лише на знанні та вивченні даних з фотографій. Є так багато, що технологія може зробити з інформацією з фото. Наприклад, він може групувати фотографії з подібними деталями, наприклад, однією особою, тим самим місцем розташування, тією ж датою; перегляньте малюнок облич, щоб визначити, до якої сім'ї та друзів належить особа на фотографії, і використовуйте цю інформацію, щоб зробити відео сімейного відпочинку або анімації з безперервних знімків.
Це ледве подряпає поверхню, як працює TensorFlow, але я сподіваюся, що це може дати загальну картину технології. Крім того, використання лише одного прикладу не може виправдати того, на що вона здатна.
І для всіх ентузіастів Artificial Intelligence там варто згадати, що Google вже створив технологію комп'ютерного чіпа, оптимізовану для машинного навчання та інтеграції TensorFlow в нього. Це називається Tensor процесор (TPU) чіп ASIC .
Ті, хто хоче дізнатися більше про TensorFlow, можуть відвідати його сторінку підручника.
Застосування TensorFlow
Ми знаходимося на ранній стадії техніки машинного навчання, тому ніхто не знає, де він нас візьме. Але є кілька початкових заявок, які можуть дати нам погляд на майбутнє. Оскільки Google походить від Google, очевидно, що Google використовує цю технологію для багатьох своїх служб.
Детальніше про аналіз зображень
Ми обговорили приклад використання технології аналізу зображень у Google Фото. Проте додаток для аналізу зображень також використовується в функції "Перегляд вулиць" на Картах Google. Наприклад, TensorFlow використовується для з'єднання зображення з координатами карти і автоматично розмиває номерний знак будь-якого автомобіля, який випадково включений у зображення.
Розпізнавання мови
Google також використовує TensorFlow для свого голосового асистента. Технологія, яка дозволяє користувачам розмовляти з інструкціями, не нова, але включення постійно зростаючої бібліотеки TensorFlow в суміш може принести функцію до декількох зазубок. В даний час технологія розпізнавання мови розпізнає понад 80 мов і варіантів.
Динамічний переклад
Іншим прикладом “навчальної” частини технології машинного навчання є функція перекладу Google. Google дозволяє користувачам додавати нові словники та виправляти помилки в Google Translate. Дані, що постійно зростають, можна використовувати для автоматичного визначення мови введення, яку інші користувачі хочуть перекласти. Якщо апарат робить помилки в процесі виявлення мови, користувачі можуть їх виправити. І машина буде вчитися на цих помилках, щоб поліпшити свою майбутню роботу. І цикл триває.
Alpha Go
Одним з цікавих прикладів використання TensorFlow є Alpha Go. Це програма, запрограмована на відтворення Go . Для тих, хто незнайомий з Go, це абстрактна настільна гра для двох гравців, що виникла в Китаї більше п'яти тисяч п'ятсот років тому, і це найдавніша настільна гра, яка до цих пір постійно грається сьогодні. Хоча правила прості - оточити більше території, ніж супротивник, гра неймовірно складна і, згідно з Вікіпедією: "має більше можливостей, ніж загальна кількість атомів у видимій всесвіті".
Отже, цікаво, що технологія навчальної машини може зробити з нескінченними можливостями. У своїх матчах з Лі Седолом - 18-ти кращим чемпіоном світу Go, Alpha Go виграв 4 з 5 ігор і отримав почесний найвищий Гранд-гросмейстер.
Пурпуровий проект
Іншим цікавим додатком TensorFlow є проект Magenta. Це амбітний проект по створенню машинно-генерованого мистецтва . Одним з ранніх відчутних результатів експерименту є мелодія фортепіано на 90 секунд. У довгостроковій перспективі, Google сподівається створити більш просунуте мистецтво, створене машиною, через свій проект Magenta і побудувати спільноту художників навколо нього.
У лютому 2016 року Google також провела в Сан-Франциско художню виставку і аукціон, що демонструє 29 комп'ютерів - з невеликою допомогою від людини - творів мистецтва. Шість найбільших робіт були продані за цілих 8 тисяч доларів. Комп'ютер все ще може пройти ще довгий шлях, перш ніж він зможе наслідувати справжнього художника, але кількість грошей, яку люди готові платити за мистецтво, показує нам, наскільки далеко технологія пішла.
Підтримка iOS
Хоча ми вже бачили можливості TenserFlow на Android, з його останньою версією, TensorFlow остаточно додає підтримку для пристроїв iOS. Оскільки існує безліч чудових мобільних додатків, доступних виключно для iOS, або випущених першими на iOS, це означає, що ми можемо очікувати більших мобільних додатків, що приймають машинне навчання найближчим часом. Те ж саме можна сказати про можливості більш широкого застосування і застосування TensorFlow.
Майбутнє TensorFlow
Що можна зробити з машиною, здатною вчитися і приймати власне рішення? Як людина, яка займається більш ніж однією мовою як частиною повсякденного життя, перша річ, яка виникає на мою думку, - це переклад мови. Не в слові на рівні слова, а в більш довгому текстовому рівні, як документи або навіть книги. Сьогоднішня технологія перекладу обмежена словниками. Ви можете легко дізнатися, що таке «сплячий» на китайській мові, і навпаки, але спробуйте викинути в одній главі Мусасі Еджі Йосікави в оригінальному японському і перекласти цю главу англійською мовою. Ви побачите, що я отримую.
Також цікаво бачити, що майбутнє штучного інтелекту може зробити з музикою. Хоча це все ще дуже просто, додаток Music Memo від Apple вже може надавати автоматичне бас-і барабанне супровід вашого записаного співу. Я пам'ятаю один епізод телевізійного шоу SciFi, де персонаж шоу створив машину, яка аналізує всі найпопулярніші пісні на графіках і може писати свої власні хіти. Чи ми приїдемо туди?
І, як завершальна думка, я хотів би згадати про Sunspring . Це короткий науково-фантастичний фільм, написаний повністю сценаристом AI, який називав себе Бенджаміном - який навіть склав музичну інтерподу з поп-пісні. Фільм був зібраний режисером Оскаром Шарпом на 48-годинний виклик фільму Sci-Fi London.
Тепер я не можу перестати думати про Термінатора. Ласкаво просимо в майбутнє.
Зображення: Вікіпедія, TechInsider, The Verge, Wall Street Journal
