Рекомендуем, 2024

Выбор редакции

Все, что вам нужно знать о Google Brain's TensorFlow

Любой, кто попробовал Google Photos, согласился бы, что эта бесплатная служба хранения и управления фотографиями от Google является умной. Он включает в себя различные интеллектуальные функции, такие как расширенный поиск, возможность классифицировать ваши фотографии по местоположениям и датам, автоматически создавать альбомы и видео на основе сходства, а также вывести вас на полосу памяти, показывая вам фотографии того же дня несколько лет назад. Google Photos может сделать много вещей, которые несколько лет назад были бы машинно невозможны. Google Photos - одна из многих «умных» служб от Google, использующая технологию машинного обучения под названием TensorFlow. Слово « обучение» указывает на то, что технология со временем станет умнее, и наши нынешние знания не смогут себе представить. Но что такое TensorFlow? Как машина может учиться? Что ты можешь сделать с этим? Давайте разберемся.

Что такое TensorFlow?

TensorFlow - это мощное программное обеспечение искусственного интеллекта от Google с открытым исходным кодом, которое поддерживает многие сервисы и инициативы Google. Это второе поколение системы для крупномасштабных реализаций машинного обучения, созданное командой Google Brain. Эта библиотека алгоритмов заменяет DistBelief - первое поколение.

Технология представляет вычисления в виде графиков потока данных с сохранением состояния. Уникальность TensorFlow заключается в его способности моделировать вычисления на широком спектре оборудования, от мобильных устройств потребительского уровня до серверов мирового класса с несколькими графическими процессорами. Он может работать на разных GPU и CPU и обещает масштабируемость машинного обучения среди различных устройств и гаджетов без необходимости изменения значительного объема кода.

TensorFlow возникла из-за того, что Google нужно было дать команду компьютерной системе имитировать, как человеческий мозг работает в обучении и рассуждениях. Система, известная как нейронные сети, должна быть способна работать с многомерными массивами данных, называемыми «тензорами». Конечная цель состоит в том, чтобы обучить нейронные сети обнаруживать и расшифровывать закономерности и корреляции.

В ноябре 2015 года Google сделал эту технологию открытым исходным кодом и позволила внедрить ее во все виды продуктов и исследований. Любой, включая исследователей, инженеров и любителей, может помочь ускорить рост машинного обучения и вывести его на более высокий уровень за меньшее время.

Этот шаг оказался правильным, потому что в TensorFlow столько независимых разработчиков, что они намного превосходят вклады Google. В Википедии упоминается, что «в GitHub имеется 1500 репозиториев, в которых упоминается TensorFlow, из которых 5 от Google». При этом одно из обсуждений в Quora подозревает, что выпущенный открытый исходный код является «очищенной» версией из тот, который Google использует в своих сервисах.

Как работает TenserFlow?

Используя простой нормальный человеческий язык и значительное упрощение, мы можем рассматривать одну сторону TensorFlow как передовую технологию автономной фильтрации. В основе этой технологии лежит огромная библиотека программного обеспечения машинного обучения. Он использует базу данных, чтобы помочь ей «принять решение».

Например, кто-то загружает фотографию в Google Фото. Технология будет сравнивать все детали изображения с его базой данных и решать, будет ли это изображение животного или человека. Тогда, если это человек, он будет пытаться определить пол, возраст до самого человека. Тот же процесс повторяется для других объектов на фотографии.

Он также использует данные пользователя, такие как личность человека на снимке и место, где делается снимок, чтобы расширить свою библиотеку, чтобы в будущем она могла дать лучшие результаты - как для человека, загрузившего фотографию, так и для всех остальное. Отсюда и термин «обучение». Но это не ограничивается только знанием и изучением данных из фотографий. Есть так много, что технология может сделать с информацией из фотографии. Например, он может группировать фотографии с похожими деталями, такими как один и тот же человек, одно и то же место, одна и та же дата; см. схему лиц, чтобы определить, к какой семье и друзьям принадлежит человек на фотографии, и использовать эту информацию для создания видеороликов о семейном отдыхе или анимации из непрерывных кадров.

Это едва царапает поверхность того, как работает TensorFlow, но я надеюсь, что это может дать вам общее представление о технологии. Кроме того, использование только одного примера не может отдать должное тому, на что он способен.

И для всех энтузиастов искусственного интеллекта, стоит упомянуть, что Google уже создал технологию компьютерных чипов, оптимизированных для машинного обучения и интегрирующих в нее TensorFlow. Он называется ASIC-чип Tensor Processing Unit (TPU) .

Те, кто хочет узнать больше о TensorFlow, могут посетить его страницу обучения.

Применение TensorFlow

Мы находимся на ранней стадии технологии машинного обучения, поэтому никто не знает, куда это нас приведет. Но есть несколько первоначальных приложений, которые могут дать нам возможность заглянуть в будущее. Поскольку он исходит от Google, очевидно, что Google использует эту технологию для многих своих сервисов.

  • Подробнее об анализе изображений

Мы обсудили пример использования технологии анализа изображений в Google Фото. Но приложение для анализа изображений также используется в функции просмотра улиц Google Maps. Например, TensorFlow используется для соединения изображения с координатами карты и автоматического размытия номера автомобильного номера любого автомобиля, случайно включенного в изображение.

  • Распознавание речи

Google также использует TensorFlow для своей программы распознавания речи. Технология, которая позволяет пользователям произносить инструкции, не нова, но включение в состав постоянно растущей библиотеки TensorFlow может поднять эту функцию на несколько ступенек вверх. В настоящее время технология распознавания речи распознает более 80 языков и вариантов.

  • Динамический перевод

Другим примером «обучения» части технологии машинного обучения является функция перевода Google. Google позволяет своим пользователям добавлять новые словари и исправлять ошибки в Google Translate. Постоянно растущие данные могут использоваться для автоматического определения языка ввода, который хотят перевести другие пользователи. Если машина делает ошибки в процессе определения языка, пользователи могут исправить их. И машина будет учиться на этих ошибках, чтобы улучшить свои будущие характеристики. И цикл продолжается.

  • Альфа Го

Одним из забавных примеров использования TensorFlow является Alpha Go. Это приложение, которое запрограммировано для игры в Го . Для тех, кто не знаком с Go, это абстрактная настольная игра для двух игроков, появившаяся в Китае более пяти тысяч пятьсот лет назад, и это самая старая настольная игра, в которую до сих пор постоянно играют. Хотя правила просты - окружить больше территории, чем противник, игра невероятно сложна и, согласно Википедии: «обладает большими возможностями, чем общее количество атомов в видимой вселенной».

Итак, интересно, что технология машинного обучения может сделать с бесконечными возможностями. В своих матчах против Ли Седола - 18-кратного чемпиона мира по Го, Альфа Го выиграл 4 из 5 игр и получил почетное высшее звание гроссмейстера Го.

  • Пурпурный Проект

Еще одним интересным приложением TensorFlow является Magenta Project. Это амбициозный проект по созданию искусственного искусства . Одним из первых ощутимых результатов эксперимента является 90-секундная фортепианная мелодия. В долгосрочной перспективе Google надеется создать более продвинутое машинное искусство с помощью своего проекта Magenta и создать вокруг него сообщество художников.

В феврале 2016 года Google также провела художественную выставку и аукцион в Сан-Франциско, чтобы продемонстрировать 29 произведенных компьютером - с небольшой помощью - произведений искусства. Шесть крупнейших работ были проданы за целых 8 000 долларов. Компьютеру, возможно, еще предстоит пройти долгий путь, прежде чем он сможет подражать настоящему художнику, но сумма денег, которую люди готовы платить за искусство, показывает нам, насколько далеко зашла технология.

Поддержка iOS

В то время как мы уже видели возможности TenserFlow на Android, в последней версии TensorFlow наконец-то добавлена ​​поддержка устройств iOS. Поскольку существует множество отличных мобильных приложений, доступных исключительно для iOS или выпущенных первыми для iOS, это означает, что в ближайшем будущем мы можем ожидать появления еще более замечательных мобильных приложений, использующих машинное обучение. То же самое можно сказать о возможностях более широкого внедрения и применения TensorFlow.

Будущее ТензорФлоу

Что можно сделать с машиной, способной учиться и принимать собственные решения? Как человек, который имеет дело с более чем одним языком как часть повседневной жизни, первое, что приходит мне на ум, это языковой перевод. Не на уровне слово за словом, а больше на более длинном текстовом уровне, таком как документы или даже книги. Современные технологии перевода ограничены словарями. Вы можете легко узнать, что «спит» на китайском и наоборот, но попробуйте добавить одну главу «Мусаси» Эйдзи Йошикавы на оригинальном японском и перевести эту главу на английский. Вы увидите, к чему я клоню.

Также интересно посмотреть, что будущее искусственного интеллекта может сделать с музыкой. Хотя приложение Apple Music Memo по-прежнему очень простое, оно уже может автоматически сопровождать звучание басов и ударных на записанном пении. Я помню один эпизод телешоу SciFi, в котором персонаж в сериале создал машину, которая анализирует все лучшие песни в чартах и ​​может писать свои собственные хиты. Мы когда-нибудь приедем туда?

И как заключительная мысль, я хотел бы упомянуть Sunspring . Это короткометражный научно-фантастический фильм, написанный полностью сценаристом ИИ, который называл себя Бенджамином, - который даже сочинил музыкальную интерлюдию популярной песни. Фильм был составлен режиссером Оскаром Шарпом для 48-часового фильма «Вызов фильма Sci-Fi London».

Теперь я не могу перестать думать о Терминаторе. Добро пожаловать в будущее.

Изображение предоставлено: Википедия, TechInsider, The Verge, Wall Street Journal

Top