Tot ce trebuie să știți despre TensorFlow de la Google Brain

Oricine a încercat Google Photos ar fi de acord că acest serviciu gratuit de stocare și gestionare a fotografiilor de la Google este inteligent. Pachetul include diferite funcții inteligente, cum ar fi căutarea avansată, capacitatea de a vă clasifica imaginile în funcție de locații și date, de a crea automat albume și videoclipuri pe baza asemănărilor și de a vă plimba pe banda de memorie, arătându-vă fotografii din aceeași zi în urmă cu câțiva ani. Există multe lucruri pe care Google Photos le poate face, iar acum câțiva ani ar fi imposibil în mod automat. Google Photos este unul dintre numeroasele servicii „inteligente” de la Google care utilizează un tehnologie de învățare automată numit TensorFlow. Cuvantul învăţare indică faptul că tehnologia va deveni mai inteligentă în timp, până la punctul pe care cunoștințele noastre actuale nu îl pot imagina. Dar ce este TensorFlow? Cum poate învăța o mașină? Ce poți face cu el? Să aflăm.

Ce este TensorFlow?

TensorFlow este open-source și puternic Google software de inteligență artificială, care oferă mai multe servicii și inițiative de la Google. Este a doua generație a unui sistem pentru implementări de învățare automată pe scară largă, construit de echipa Google Brain. Această bibliotecă de algoritmi reușește DistBelief - prima generație.

Tehnologia reprezintă calculul ca grafice de flux de date cu stare. Ceea ce face TensorFlow unic este capacitatea sa de a modela calcule pe o gamă largă de hardware, de la dispozitive mobile la nivel de consumator până la servere multi-GPU de clasă mondială. Poate rula pe diferite GPU-uri și procesoare și promite scalabilitatea învățării automate între diferitele dispozitive și gadget-uri fără a fi nevoie să modificați o cantitate semnificativă de cod.

TensorFlow provine din nevoia Google de a instrui un sistem de calculator pentru a imita cum funcționează creierul uman în învățare și raționament. Sistemul, cunoscut sub numele de rețele neuronale, ar trebui să poată efectua pe matrice de date multidimensionale denumite „tensori”. Scopul final este de a antrena rețelele neuronale pentru a detecta și descifra tiparele și corelațiile.

În noiembrie 2015, Google a creat această tehnologie sursa deschisa și a permis ca acesta să fie adoptat în tot felul de produse și cercetări. Oricine, inclusiv cercetători, ingineri și pasionați, poate ajuta la accelerarea creșterii învățării automate și poate duce la un nivel superior în mai puțin timp.

Această mișcare sa dovedit a fi cea corectă, deoarece există atât de multe contribuții ale dezvoltatorilor independenți la TensorFlow încât depășesc cu mult contribuțiile Google. Wikipedia menționează că „există 1500 de depozite pe GitHub care menționează TensorFlow, dintre care 5 sunt de la Google. ” Acestea fiind spuse, una dintre discuțiile de la Quora suspectează că codul open-source lansat este versiunea „curățată” de cea pe care Google o folosește în serviciile sale..

Cum funcționează TenserFlow?

Folosind limbajul uman simplu și o simplificare grea, am putea vedea o parte a TensorFlow ca o tehnologie avansată de filtrare autonomă. În centrul său, tehnologia este o imensă bibliotecă software de învățare automată. Folosește baza de date pentru a-l ajuta să „ia decizii”.

De exemplu, cineva încarcă o fotografie în Google Foto. Tehnologia va compara toate detaliile din imagine cu baza de date și va decide dacă este o imagine a unui animal sau a unui om. Atunci, dacă este un om, va încerca să determine sexul, vârsta până la persoana respectivă. Același proces se repetă și pentru alte obiecte din fotografie.

De asemenea, folosește datele utilizatorului, cum ar fi identitatea persoanei din imagine și locația în care este realizată fotografia, pentru a-și îmbunătăți biblioteca, astfel încât să poată da rezultate mai bune în viitor - atât pentru persoana care a încărcat fotografia, cât și pentru toată lumea altceva. De aici și termenul „învățare”. Dar nu se oprește doar la cunoașterea și învățarea datelor din fotografii. Există atât de multe lucruri încât tehnologia poate face cu informațiile dintr-o fotografie. De exemplu, poate grupa fotografii cu detalii similare, cum ar fi aceeași persoană, aceeași locație, aceeași dată; vezi tiparul fețelor pentru a determina cărei familii și prieteni îi aparține persoana din fotografie și folosește informațiile pentru a face videoclipuri de vacanță în familie sau animație din fotografii continue.

Asta abia zgârie suprafața modului în care funcționează 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 pasionații de inteligență artificială de acolo, merită menționat faptul că Google a creat deja o tehnologie de cipuri de computer optimizată pentru învățarea automată și integrarea TensorFlow în ea. Se numeste Cipul ASIC al Unității de Procesare a Tensorului (TPU).

Cei care doresc să afle mai multe despre TensorFlow pot vizita pagina sa de tutoriale.

Aplicații ale TensorFlow

Suntem într-un stadiu incipient al tehnologiei de învățare automată, așa că nimeni nu știe unde ne va duce. Dar există câteva aplicații inițiale care ne-ar putea arunca o privire asupra viitorului. Deoarece provine de la Google, este evident că Google folosește tehnologia pentru multe dintre serviciile sale.

• Mai multe despre analiza imaginilor

Am discutat exemplul utilizării tehnologiei pentru analiza imaginilor în Google Photos. Dar aplicația de analiză a imaginii este utilizată și în funcția Street View a Google Maps. De exemplu, TensorFlow este utilizat pentru a conecta imaginea cu coordonatele hărții și pentru a estompa automat numărul plăcuței de înmatriculare a oricărei mașini care este inclusă accidental în imagine.

• Recunoaștere a vorbirii

Google folosește, de asemenea, TensorFlow pentru software-ul de asistență vocală de recunoaștere a vorbirii. Tehnologia care le permite utilizatorilor să rostească instrucțiuni nu este nouă, dar includerea bibliotecii TensorFlow în mix este posibil să aducă funcția la câteva crestături. În prezent, tehnologia de recunoaștere a vorbirii recunoaște peste 80 de limbi și variante.

• Traducere dinamică

Un alt exemplu al părții „învățare” a tehnologiei de învățare automată este funcția de traducere Google. Google le permite utilizatorilor să adauge vocabulare noi și să remedieze greșelile din Google Translate. Datele în continuă creștere pot fi utilizate pentru a detecta automat limba de introducere pe care alți utilizatori doresc să o traducă. Dacă aparatul face greșeli în procesul de detectare a limbii, utilizatorii le pot corecta. Și mașina va învăța din aceste greșeli pentru a-și îmbunătăți performanțele viitoare. Și ciclul continuă.

• Alpha Go

Un exemplu distractiv de utilizare a TensorFlow este Alpha Go. Este o aplicație programată pentru joacă Go. Pentru cei care nu sunt familiarizați cu Go, este un joc de masă abstract pentru doi jucători, originar din China, cu mai mult de cinci mii cinci sute de ani în urmă, și este cel mai vechi joc de societate care se joacă continuu și astăzi. În timp ce regulile sunt simple - pentru a înconjura mai mult teritoriu decât adversarul, jocul este incredibil de complex și, conform Wikipedia: „posedă mai multe posibilități decât numărul total de atomi din universul vizibil”.

Deci, este interesant ce poate face o tehnologie de învățare cu posibilitățile infinite. În meciurile sale împotriva lui Lee Sedol - campionul mondial de 18 ori Go, Alpha Go a câștigat 4 din 5 jocuri și a primit cel mai înalt rang onorific de Go Maestru Go.

• Proiectul Magenta

O altă aplicație interesantă a TensorFlow este Proiectul Magenta. Este un proiect ambițios de creat artă generată de mașini. Unul dintre primele rezultate tangibile ale experimentului este melodia de pian de 90 de secunde. Pe termen lung, Google speră să genereze artă mai avansată generată de mașini prin intermediul proiectului său Magenta și să construiască o comunitate de artiști în jurul său.

În februarie 2016, Google a organizat, de asemenea, o expoziție de artă și o licitație la San Fransisco, prezentând 29 de lucrări de artă generate de computer - cu puțin ajutor de la oameni. Șase dintre cele mai mari lucrări au fost vândute cu 8.000 de dolari. Este posibil ca computerul să aibă încă un drum foarte lung de parcurs înainte să poată imita un artist real, dar suma de bani pe care oamenii sunt dispuși să o plătească pentru artă ne arată cât de departe a mers tehnologia.

Suport pentru iOS

Deși am văzut deja capacitățile TenserFlow pe Android, cu cea mai recentă versiune, TensorFlow adaugă în cele din urmă suporturi pentru dispozitivele iOS. Deoarece există o mulțime de aplicații mobile excelente disponibile exclusiv pentru iOS sau lansate mai întâi pe iOS, înseamnă că ne putem aștepta la mai multe aplicații mobile excelente care adoptă învățarea automată în viitorul apropiat. Același lucru se poate spune pentru posibilitățile adoptărilor și aplicațiilor mai largi ale TensorFlow.

Viitorul TensorFlow

Ce se poate face cu o mașină care este capabilă să învețe și să ia propria decizie? Ca persoană care se ocupă de mai multe limbi ca parte a vieții de zi cu zi, primul lucru care îmi apare în minte este traducerea în limbi. Nu la nivel de cuvânt cu cuvânt, ci mai mult la nivel de text mai lung, cum ar fi documente sau chiar cărți. Tehnologia de traducere de astăzi este limitată la vocabulare. Puteți afla cu ușurință ce „dormi” în chineză și invers, dar încercați să aruncați un capitol din Musashi al lui Eiji Yoshikawa în japoneza originală și să traduceți capitolul în engleză. Vei vedea la ce mă apuc.

Este, de asemenea, distractiv să vezi ce poate face viitorul inteligenței artificiale cu muzica. Deși este încă foarte de bază, aplicația Apple Music Memo poate oferi deja acompaniament automat de bas și tobe cântecului înregistrat. Îmi amintesc un episod dintr-o emisiune TV SciFi în care un personaj din emisiune a creat o mașină care analizează toate melodiile de top din topuri și capabilă să-și scrie propriile piese de succes. Vom ajunge vreodată acolo?

Și, ca gând de închidere, aș dori să menționez Răsăritul soarelui. Este un scurt film science fiction scris în întregime de un scenarist AI care s-a autointitulat Benjamin - care chiar a compus interludiul muzical pop-melodie. Filmul a fost realizat de regizorul Oscar Sharp pentru evenimentul de 48 de ore Film Challenge of Sci-Fi London.

Acum nu mă pot opri să mă gândesc la Terminator. Bine ați venit în viitor.

Credit de imagine: Wikipedia, TechInsider, The Verge, Wall Street Journal