https://bodybydarwin.com
Slider Image

כיצד גוגל שואלת לשלוט על בינה מלאכותית

2021

בנובמבר 2007 הניחה גוגל את היסודות לשלוט בשוק המובייל על ידי שחרור אנדרואיד, מערכת הפעלה קוד פתוח לטלפונים. שמונה שנים מאוחר יותר לחודש, אנדרואיד מחזיקה בנתח שוק של 80 אחוזים, וגוגל משתמשת באותו טריק - הפעם בבינה מלאכותית.

היום גוגל מכריזה על TensorFlow, פלטפורמת הקוד הפתוח שלה ללימוד מכונות, ומעניקה לכל אחד חיבור מחשב ואינטרנט (ורקע מזדמן באלגוריתמי למידה עמוקים) גישה לאחת מפלטפורמות הלמידה המכונות החזקות ביותר שנוצרו אי פעם. למעלה מ- 50 מוצרי גוגל אימצו את TensorFlow בכדי לרתום למידה עמוקה (למידת מכונה באמצעות רשתות עצביות עמוקות) ככלי, החל בזיהוי אתה וחבריך באפליקציית התמונות ועד לשכלול מנוע החיפוש הליבה שלה. גוגל הפכה לחברת למידת מכונות. עכשיו הם לוקחים את מה שהופך את השירותים שלהם למיוחדים, ומעניקים להם את העולם.

TensorFlow היא ספריית קבצים המאפשרת לחוקרים ומדעני מחשבים לבנות מערכות המפרקות נתונים, כמו תמונות או הקלטות קוליות, ולגרום למחשב לקבל החלטות עתידיות על בסיס מידע זה. זה הבסיס של למידת מכונה: מחשבים מבינים נתונים ואז משתמשים בהם כדי לקבל החלטות. כשמדורגים שהם מורכבים מאוד, למידת מכונה מהווה דקירה להפוך את המחשבים לחכמים יותר. זה התחום הרחב והמוגדר יותר של בינה מלאכותית. TensorFlow מורכב בצורה יוצאת דופן, בגלל הדיוק והמהירות שלו בעיכול וביצוע נתונים, וניתן להציב באופן חד משמעי בתחום כלי הבינה המלאכותית.

להלן הפרטים הזעירים: מערכת TensorFlow משתמשת בתרשימי זרימת נתונים. במערכת זו מועברים נתונים עם מספר רב של ממדים (ערכים) החל מחישוב מתמטי לחישוב מתמטי. אותם פיסות נתונים מורכבות נקראות טנסורים. סיביות המתמטיקה- y נקראות צמתים, והדרך בה הנתונים משתנים מצומת לצומת מציגה את יחסי המערכת הכוללים בנתונים. טנסורים אלה זורמים דרך גרף הצמתים, וכאן מקור השם TensorFlow.

TensorFlow באמצעות המקור הפתוח מאפשר לחוקרים ואפילו לסטודנטים לדרג את ההזדמנות לעבוד עם תוכנה שנבנתה בצורה מקצועית, בטוח, אך האפקט האמיתי הוא הפוטנציאל ליידע את כל המחקרים של חברת לימוד מכונות בכל רחבי העולם. כעת ארגונים מכל הגדלים - החל מסטארט-אפים קטנים ועד חברות ענק בשווה ל- Google - יכולים לקחת את מערכת TensorFlow, להתאים אותה לצרכים שלהם ולהשתמש בה כדי להתחרות ישירות מול גוגל עצמה. יותר מהכול, השחרור מעניק לחברת האינטרנט הגדולה בעולם סמכות בתחום הבינה המלאכותית.

לפרופסור למדעי המחשב בסטנפורד, כריסטופר מאנינג, ניתן TensorFlow לפני קצת יותר משלושה חודשים, ולסטודנטים שלו הייתה הזדמנות להתעסק עם המערכת. לאחר מספר שבועות של שימוש בו בעצמו, מאנינג החליט שהוא הולך ליישם את זה בתכנית הלימודים שלו.

מלבד אנדרואיד, הוא גם משווה את הפלטפורמה לג'ימייל, אפליקציית הדואר האלקטרוני המופיעה של גוגל. ישנם מתחרים, אך Gmail נקי יותר והגיוני יותר ברוב היישומים.

"זה לא שלפני כן לא היו ספריות ברמה גבוהה זמינות ללמידה עמוקה", אומר מאנינג. "אבל באופן כללי הספריות האחרות הללו הן דברים של שלושה אנשי אקדמיה ותלמיד תואר שני."

"אנו מקווים, בעצם, להאיץ מחקר ופריסה של למידת מכונה"

בעוד שלאחרים, בעיקר הבולט לפיד ותיאנו, קבוצות קטנות מעדכנות אותן, זה לא כמו כוחם המלא של היזמים העובדים על תשתית למידת המכונות של גוגל. מאנינג אומר שלמרות ש TensorFlow הוא מתנה ענקית לקהילה (כזו שמסוגלת להפחית פי 100 את אופטימיזציה של הרשתות העצביות), הם עשויים להפיק תועלת בעקיפין מכלי הפתיחה של כלי העבודה שלהם.

"כמות קטנה מאוד של חברות מנסה להעסיק אחוז גדול מאוד מהאנשים המוכשרים בתחום הבינה המלאכותית בכלל, ולמידה עמוקה בפרט." גוגל אינה צדקה, אני בטוח שזה גם עלה בדעתם שעל ידי סיום זה יהיו לנו הרבה סטודנטים לתואר שלישי אשר יהיו באוניברסיטאות וכבר אוהבים את כלי הלמידה העמוקים של גוגל. "

ג'ף דין, אחד המהנדסים הבכירים של גוגל ואחד משני האנשים שיכולים להיות רשומים כסופר עבור TensorFlow (השני הוא ראג'אט מונגה), זהיר באומדן האימוץ בקהילה. הוא אומר שלמרות שזה משהו שגוגל מצאה שימושי לאין ערוך בעבודה שלהם, המבחן האמיתי הוא האם הקהילה תמצא את זה כביכול. הרעיון הוא לספק כלי כך שהקהילה כולה תוכל לעבור לא רק מרעיונות, אלא מיישומים בפועל של הדברים בצורה מהירה יותר.

"אנו מקווים, בעצם, להאיץ מחקר ופריסה של למידת מכונה, " אומר דין. ואף שמדובר במתנה גדולה לקהילה, התרחיש האידיאלי הוא שהקהילה מחזירה ומשתפת את מה שהם עשו עם חוקרים אחרים (וגם בגוגל). "קהילת למידת המכונות הייתה ממש טובה בהברקת רעיונות וזה דבר טוב באמת, אבל זה לא אותו דבר כמו ליטוש קוד עבודה הקשור לרעיונות מחקר", אומר דין.

הוא גם מזכיר כי TensorFlow תעזור למתמחים בגוגל כאשר הם יחזרו לבתי הספר שלהם, מכיוון שהם יכולים כעת לגשת למערכות הקנייניות שהיו בעבר בפרויקטים שאולי לא סיימו במהלך תקופתם בחברה.

מערכת TensorFlow היא חבילה די שלמה עבור חוקר בודד. המערכת היא ספרייה שלמה ועצמאית שלמה הקשורה לכלים ורישיון Apache 2.0, כך שניתן להשתמש בה בהגדרות מסחריות. ניתן להרכיב אותו בשולחן העבודה או במחשבים ניידים, או לפרוס אותו בנייד (אנדרואיד תחילה, באופן טבעי, ואז iOS שיבוא אחר כך). זה מגיע גם עם הדרכות ותיעוד כיצד לשנות ולשחק עם הפלטפורמה.

מאנינג מציע כי היכולת להריץ אלגוריתמי למידה עמוקים במכשירים ניידים תהיה גורם חשוב המפריד בין TensorFlow למערכות קוד פתוח אחרות.

למי שרוצה להשתמש במערכת כפי שהיא, גוגל מספקת גרסה שחוקרים יכולים להתחיל להשתמש בה כרגע (כבינאריות מובנות מראש). יש גם ממשק תכנות יישומים (API), למפתחי תוכנה להכשיר ולשלוט בדגמי TensorFlow שלהם. וזה לא נוקאוף - זו המערכת המילולית המשמשת באפליקציית גוגל, ולמעלה מ- 50 מוצרים אחרים.

גוגל רוצה את ה- AI שלו בכל מקום

למידת המכונה והבינה המלאכותית של גוגל (או בינה מכונה, כמו שהחברה אוהבת לקרוא לזה) משפיעים על רבים ממוצרי החתימה שלה. "השאיפות של הבינה המלאכותית עצומות.

גוגל פותחת פלטפורמה זו לעולם, שנותנת לנו הזדמנות שווה להציץ פנימה ולראות כיצד החברה חושבת על פיתוח מערכות למידת מכונות.

באופן פנימי, גוגל בילתה את שלוש השנים האחרונות בבניית פלטפורמה אדירה לבינה מלאכותית וכעת הם משחררים אותה מהעולם. אם כי, גוגל מעדיפה שתקרא לזה בינה מכונה. הם מרגישים שהמילה בינה מלאכותית טומנת בחובה יותר מדי קונוטציות, ובאופן בסיסי, הם מנסים ליצור אינטליגנציה אמיתית - רק במכונות.

זה המודל בו הם השתמשו בחברה במשך שנים: שם כל מהנדס שרוצה לשחק עם רשת עצבית מלאכותית יכול למחוק אותו מהמערכת ומתעסק. זהו סוג המבנה הפתוח המאפשר למאה צוותים בחברה לבנות טכניקות עוצמתיות למידת מכונה.

"למידת מכונה היא דרך מהותית וטרנספורמטיבית בה אנו חושבים מחדש כיצד אנו עושים את כל מה שמנכ"ל גוגל, סנדר פיצ'אי, אמר בשיחת הרווחים של החברה באוקטובר 2015." אנו מיישמים זאת בהתחשב בכל המוצרים שלנו, יהיה זה חיפוש, מודעות, YouTube או Play. ואנחנו בימים הראשונים, אבל אתם תראו אותנו - באופן שיטתי - מיישמים למידת מכונה בכל התחומים הללו. "

קשה לפרסם דיאגרמה קונקרטית של מחקרי מודיעין מכונות אצל גוגל, מכיוון שהיא תמיד משתנה, ורוויה כמעט כל צוות בחברה.

סמנכ"ל ההנדסה של גוגל, ג'ון ג'אנאנדריאה, מכנה זאת "מודל משובץ." פגשתי אותו באחד המודרנים המודרניים הרבים והמתוחכמים במטה גוגל בסניף Mountain View, קליפורניה, בסתיו 2015.

הייתי בקומה טכנית לא פתוחה לקהל, וכששאר נשארתי ללא השגחה לרגע, ניגש אלי מהנדס, שהבחין שאני לא עונד טלאי עובד. הוא שאל מי אני, ואמר שאני סופר לא החליק את המצב. גוגל מתגאה בכך שהמחקר שלה יהיה פתוח לציבור, אך העבודה במעבדות מוחזקת תחת כריכות כבדות.

גוגל מתגאה בכך שהמחקר שלה יהיה פתוח לציבור, אך העבודה במעבדות מוחזקת תחת כריכות כבדות.

עבורי המודל המשובץ של גוגל פירושו הרבה הליכה. Googleplex מכיל שטח של משרדים של 3.5 מיליון רגל רבוע על שטח של כשבעה דונמים. צוות גוגל רוכב על אופניים בין בניינים, המוקפים בפארקים מטופחים שבהם גוגלרים יושבים עם מחשבים ניידים, ללא ספק מתמודדים עם קונבומי מידע מורכבים במדעי המחשב או משחקים Minecraft בהפסקת הצהריים שלהם. צוותים שונים עובדים בבניינים שונים, וחוקרי מודיעין מכונות משובצים מחליפים בניינים כאשר הם מחליפים צוותים.

בפנים, רוב מה שראיתי נראה כמו בניין משרדים רגיל. יש תאים, מחשבים עם המוני צגים, ואנשים דנים בעבודה בגוונים מנומרים תוך שהם מביטים בעצבנות לעיתונאית. יש חורים שנחתכים בקיר כדי לתפוס תנומה מהירה שאתה יודע, דברים במשרד.

מבחינה ארגונית, מאגר חוקרים שפועל תמיד על בעיות מודיעיניות כלליות, ועבודה זו ניזונה במוצרי הליבה של גוגל, כמו אפליקציית התמונות, חיפוש קולי וחיפוש עצמו. יש כמה פרויקטים שמתחילים כמשהו שגוגל רוצה להשתפר בו. ג'אנאנדריאה מציע כתב יד כדוגמא.

אנו, כחברה, רוצים להבין איך אנשים היו כותבים מילה. כך שזה משהו שהיינו משקיעים בו לנצח, גם אם לא היה לנו מוצר, הוא אומר.

אך מכיוון שגוגל כל כך רחבה בהיצעיה, יש בדרך כלל כלי שיכול להשתמש בכל מרכיב מחקר. (כתב היד הסתיים ב- Google Keep, התוכנה לרישום הערות.)

אין שום עולם שבו גוגל לא רוצה שזיהוי דיבור טוב יותר, תרגום שפה, הבנת שפה. "

כאשר נעשה שימוש בעניין זה, החוקר מדלג על צוות המוצר כדי לעזור ביישום. צוותי מוצרים מפתחים אפליקציות ספציפיות בהן כולנו משתמשים, כמו אפליקציית התמונות או Google Translate.

במחקר כללי, הקבוצות מחולקות לפי תחום העניין שלהם. יש צוות שמתמקד בהוראת מחשבים לראות, צוות הפועל להבנת שפה, צוות הבוחן זיהוי קולי טוב יותר וכן הלאה.

"אין עולם שבו גוגל לא רוצה שזיהוי דיבור טוב יותר, תרגום שפה, הבנת שפה - אז גבולות המחקר הללו במדעי המחשב הם דברים שאנחנו משקיעים בהם כל הזמן, " אומר ג'אנאנדריאה.

ישנם יותר מ- 1000 חוקרים בגוגל העובדים על יישומי בינה מכונה אלה, המסתובבים כל העת בין מחקר יישומי ותיאורטי. חלק מהחוקרים הללו עובדים על בעיות פשוטות יותר שלא ייחשבו בבינה מלאכותית, במובן הקפדני של המילה, אך הן שיטות ניבוי סטטיסטיות יותר.

חברת האם החדשה של גוגל, אלפבית, אינה משפיעה רבות על המשך מחקר המודיעין של גוגל, כך על פי דובר גוגל ג'ייסון פריידנפלדס. בעוד שצוות המחקר יישאר בתוך גוגל פרופר, לא יהיו שום חסמים לעבוד עם מדעי החיים או גוגל [x] ביישומי למידת מכונות.

כוכב עולה בקטלוג הכלים של גוגל הוא חיפוש קולי. בטח נתקלת בזה בעבר גם אם לא ידעת בדיוק מה זה: זה סמל המיקרופון הקטן בשורת החיפוש הראשית של גוגל, שכשאתה לוחץ עליו, בוא נדבר את שאילתת החיפוש שלך לגוגל במקום להקליד אותה אותו מיקרופון קטן מופיע באפליקציית החיפוש של גוגל לאייפון ולאנדרואיד, וניתן למצוא אותו בסרגל החיפוש של אנדרואיד בסמארטפונים רבים.

למרות שנחשבה באופן שטחי כמתחרה לסירי, חיפוש בגוגל קולי הפך למעשה לשער משני לבסיס הידע העצום של גוגל, ולשמחת צוות זיהוי השפה, הוא סוף סוף הופך להיות פופולרי יותר.

גוגל אמנם לא מפרסמת את אחוז החיפושים הקוליים ביחס לטקסט, אך היא מספקת חור ארנבים אמיתי של נתונים סטטיסטיים: חיפוש סלולרי פופולרי כעת יותר משולחן העבודה, אולם חיפוש קולי בנייד הוכפל בשנה האחרונה, בערך 50 אחוז מהאמריקנים משתמשי הטלפון והטאבלט יודעים שהם יכולים לשאול שאלות בגוגל, ושליש מהם אכן מבצע זאת.

זה משפט ארוך שאומר שלמרות שגוגל לא תגיד כמה חיפושים קוליים מבוצעים, אולם צוות העיתונאים של גוגל מבטיח לי שזה המון.

מלבד כמה מאות איטרציות של האלגוריתם לשנה, חיפוש עובד די דומה במשך שנים. אבל קבלת אנשים מספיק בטוחים בכדי לדבר עם המכשירים שלהם היה מאבק.

החוקרת הבכירה פרנסואז ביופייס עובדת על פיתוח מנוע זיהוי הקול שמאחורי חיפוש קולי, ואומרת כי אימוץ מוגבר נובע מכך שהתכונה פשוט עובדת טוב יותר כעת.

"כשהתחלנו לעשות זיהוי דיבור, המשתמשים לא היו בטוחים לחלוטין. הם השתמשו בזה, אבל אפשר היה לדעת שהיה היסוס, הטכנולוגיה לא הייתה טובה כמו שהיא עכשיו, "אומרת ביופייס. "קדימה מהירה בימינו, אנשים נוחים לעשות כל דבר אפשרי באמצעות הקול במשרד שלהם."

Beaufays מדברת במהירות במבטא צרפתי, והיא משולשת - מעבר לשטף שלה בארכיטקטורת הרשת העצבית. היא הובילה את צוות הדיבור פשוט קרעה את המנוע הישן של השירות שנהג לזהות צלילים, והחליפה במערכת חדשה ומתקדמת יותר המשתמשת במותג חדש של רשתות עצביות חוזרות.

כדי שמכונה תבין דיבור, עליה ללמוד תחילה כיצד נשמעות מילים וביטויים. זה אומר קבצי שמע, והרבה מהם. קבצים אלה מעובדים על ידי האלגוריתם, היוצרים גרף עצום אשר הצלילים שלו מתלווים לאילו צלילים, מילים וביטויים. כאשר מוצג קליפ שמע למחשב, הוא מנתח את הקליפ על ידי דחיפת צורת הגל השמע דרך הגרף, בניסיון למצוא נתיב שמסביר בצורה הטובה ביותר את השמע.

"הנתיב הזה בסוף יגיד 'עברנו את רצף הצלילים הזה, וזה ממפה לרצף המילים הזה, וזה הופך את המשפט הזה', " אומר באופיס.

בכל פעם שאתה מבצע חיפוש קולי, השמע מועלה לשרתי Google.

אך כל זה מסתמך על אותם קבצי שמע ראשוניים, הנקראים נתוני הדרכה. נתוני הדרכה אלו עשויים למעשה ממיליוני חיפושים קולייים אמיתיים על ידי משתמשי גוגל. בכל פעם שאתה מבצע חיפוש קולי, האודיו מועלה לשרתי גוגל, ואם בחרת לתת לגוגל להשתמש בו, ניתן לשלב אותו בתוך בנק הקליפים המשמשים לאימון המכונה.

אך לפני השימוש בהם, הנתונים עוברים כמה צעדים. ראשית (והכי חשוב לך), זה מקרצף את כל המידע שלך. זה אומר חותמות זמן, נתוני מיקום, פרופיל המשתמש שלך, הכל. צורת הגל הגלם נשלחת לאחר מכן לתעתיק אנושי, מכיוון שהאלגוריתם זקוק לטקסט אמין כדי לשייך לקליפ. כל קליפ זקוק למטא נתונים אלה, וקליפ "רע" הוא באמת רק כזה שלא תועתק כראוי. יש אפילו מקרים שבהם החוקרים מוסיפים רעש מלאכותי, על מנת שהמכונה תבין איך נשמע מילים שונות במצבים שונים.

Beaufays מדגיש כי תוכנית זו הינה הצטרפות. זה חשוב, בהתחשב בדאגות הפרטיות - שהן רציונאליות - המופיעות בקביעות ככל שגוגל ממשיכה לצבור מידע נוסף על העולם ועל חיינו. אבל אם אינך רוצה שגוגל תשתמש בקול שלך, אינך צריך לאפשר זאת. כמו כן, ישנן דרכים למחוק את החיפושים שלך לאחר מעשה.

אולם טכניקות אלו הפכו את החיפוש הקולי ליעיל יותר. לדברי גוגל, לפני שנתיים שיעור השגיאות היה 25 אחוז, מה שאומר שאחד מכל ארבעה חיפושים היה שגוי. כעת המספר הזה יורד ל -8 אחוזים.

אבל מה קורה כשגוגל לא יכולה להתאמן על הנתונים שלך?

בשבוע שעבר הודיעה גוגל כי היא מתחילה להשתמש בלימוד מכונות בהודעת הדוא"ל שלך (אם אתה משתמש באפליקציית Inbox, שהיא נפרדת מג'ימייל), וכן, היא בנויה על TensorFlow, לפי אלכס גאולי, מנהל המוצר בג'ימייל.

התחלנו לראות קצת מהכוח של הרשתות העצביות שצוות המחקר שלנו בנה, אומר גאולי. זה יכול להיות אפשרי לנו לעזור יותר מסתם הבנה והתארגנות. יתכן ונעשה לנו עזרה בדברים כמו כתיבת דואר .

הפיצ'ר נקרא תגובה חכמה, ובעצם רשת עצבית אחת חוזרת קוראת את הדוא"ל שלך ומעבירה אותו לשנייה, מה שמייצר שלוש תגובות פוטנציאליות. אתה בוחר, והדוא"ל נשלח. אבל דוא"ל רגיש בדיוק כמו תמונות, אם לא יותר במקרים מסוימים.

אף אחד בגוגל אינו קורא את הדוא"ל שלך, וזה חשוב לזכור. עם זאת, נתונים על הבחירה שבחרת אכן נשלחים בחזרה ליידע את המודל העולמי. ככה זה לומד. מכאן החוקרים יכולים לבקש מהמכונה לענות על שאלות מסוימות, ומשם להבין מה יכול להיות שצריך לתקן ברשתות העצביות. התוכנה זהה גם לכולם, וזה משהו

תגובה חכמה נותנת לנו גם הצצה לאופן שבו מוצרי למידת מכונות בנויים בגוגל. צוות תיבת הדואר הנכנס פרסם תכונה זו באופן פנימי, כדי לבדוק ולהאכיל את המכונה כמה רעיונות של מה נכון ולא נכון, תהליך שנקרא מזון לכלבים. (הביטוי בא מהרעיון לאכול אוכל כלבים משלך, והוא דוגמא לכך שהטכנולוגיה מוזרה.)

כל הצוות משתמש בו ומתעד באגים ומספק לו יותר ויותר מידע שאפשר להזין ממנו. כאשר האפליקציה מתנהגת נכון בסביבה המבוקרת, וניתנת להרחבה, היא משוחררת.

זה המטרה הסופית בסמארטפון עם אינטליגנציה מכונה: העוזר האישי הדיגיטלי האמיתי, בסופו של דבר חזוי ובעל ידע רב ?

בדיקות פנימיות נותנות לחוקרים סיכוי לחזות באגים פוטנציאליים כאשר הרשתות העצביות נחשפות לכמויות נתונים אדירות. למשל, על תשובה החכמה הראשונה רציתי לספר לכולם שאני אוהב אותך. אבל זה היה רק ​​בגלל על מיילים אישיים, אני אוהב אותך היה ביטוי נפוץ מאוד, כך מכונה חשב שזה היה חשוב.

כל זה הוא ניסיון להקל על העבודה שלך וזה מה שרוב המוצרים של החברה מכוונים לעשות, במיוחד גוגל עכשיו, העוזרת האישית של גוגל. ביטוי התפיסה של הצוות הוא הjust את המידע הנכון בזמן הנכון. אפרנה צ'נאפרגאדה, ראש גוגל עכשיו, אומר שצריך לקחת בחשבון מחשבים על מודיעין מכונות כשנבנים בתוך הרציף, בתוך כדי להשלים את המוח האנושי.

אתה רוצה לבחור בעיות שקשות לבני אדם, וקלות למכונות, ולא להפך, אומר צ'נאפרגאדה. .

נכון לעכשיו, המוצר הוא רק בחינה כיצד להשתמש בשיטות אלה כדי להקל על חייך. Chennapragada משווה את זה למקום בו המחקר ישב עם זיהוי קולי לפני 5 שנים. זה היה בסדר, אבל לא עבד בכל פעם.

הם בוחנים כעת כיצד למנף שלושה סוגים שונים של נתונים בכדי לספק לך מידע רב. הם רואים בטלפון מכשיר תשומת לב חלקי ושירות אידיאלי לא אמור להעמיס עליכם מידע.

אם אתה מסתכל איך כל אחד מאיתנו משתמש בטלפון, זה בין דברים שאתה עושה בחיים שלך. זה נשך מידע בגודל שאותו אתם מחפשים, אומר Chennapragada. אחד הדברים שאנו חושבים עליהם הוא כיצד אנו יכולים לעבוד בשמך, באופן יזום, כל הזמן .

זה המטרה הסופית בסמארטפון עם אינטליגנציה מכונה: העוזר האישי הדיגיטלי האמיתי, בסופו של דבר חזוי ובעל ידע רב ?

אז כדי להגיע לשם, הטלפון שלך זקוק לנתונים אודותיך: לוח הזמנים שלך, מה אתה מחפש, איזו מוזיקה אתה מקשיב ולאן אתה הולך. זהו המידע הקל ביותר להשיג, מכיוון שהוא כבר נמצא במכשיר.

אחד הדברים שאנו חושבים עליהם הוא כיצד אנו יכולים לעבוד בשמך, באופן יזום, כל הזמן .

אבל כשאתה משלב מידע אישי זה עם ידע על העולם, באמצעות KnowledgeGraph של גוגל (מידע נוסף על זה בהמשך), ונתונים שמקורם ממשתמשים אחרים, העולם מובא לקצות אצבעותיך. אולי אינך יודע לנווט בשדה תעופה, אך הטלפון שלך כן.

דוגמה נוספת לאופן שבו גוגל משתמשת בנתונים של הרבה אנשים היא איתור תנועה בכבישים. על ידי משיכת נתוני מיקום אנונימיים מטלפונים בכביש המהיר, גוגל יכולה לדעת שמכוניות מתקדמות לאט מהרגיל. כך גם ביכולת לדעת מתי מסעדה או בית קפה עסוקים.

Google Now מייצג את הדרך בה גוגל ניגשת למודיעין מכונות. הם מודעים לכך שמודל אינטליגנציה כללי שיכול לתרגם ולספר לכם מה שיש בתמונה נמצא שנים על גבי שנים, כך שבינתיים הם יוצרים פסיפס של כלים הפועלים בהרמוניה כדי לספק את החוויה הטובה ביותר האפשרית.

אוקיי, אז ציינתי שגוגל עכשיו עובדת עם KnowledgeGraph. מה זה?

ג'ון ג'אנאנדריאה, ראש המחקר של גוגל מקודם, הוכנס לגוגל בשנת 2010. הוא הקים חברה בשם Metaweb, שקשורה טקסט וחפצים באינטרנט. זה היה מקביל הגיוני לחיפוש ולא רק למצוא דברים, אלא למצוא פיסות ופרטי מידע דומים. הוא עבד על הנושא הזה עוד לפני כן, כשהיה סמנכ"ל הכספים של נטסקייפ. (זוכר את נטסקייפ?)

אבל כל זה בא לידי ביטוי ב- KnowledgeGraph, שעלה לראשונה בשנת 2012 כקטעי המידע והטקסט שצצים אוטומטית כשאתה מחפש עובדות. אם אתה מחפש מתי הוקמה מדע פופולרי? גוגל תספק את התשובה (שהיא 1872).

זו הדרך של גוגל לבצע לא רק לקטלג את האינטרנט, אלא להפוך אותו לנגיש ושימושי יותר למשתמשים בו. זו הייתה גם הדליפה הראשונה של בינה מלאכותית למוצר העיקרי, חיפוש. מאז, גוגל העבירה 15 אחוז מתעבורת החיפוש היומית שלה למודל של בינה מלאכותית בשם RankBrain. מערכת זו היא המובן השכיח של חיפוש שמטרתו לתפוס את השאלות שאלגוריתמים מסורתיים לא יכולים להבין.

מעבר לשילוב באלגוריתמי החיפוש העיקריים שלה, וההתרחבות למוצרים, יש לגוגל גם כמה תמונות ירח בעבודות. לשם כך הם סומכים על ג'וף הינטון.

הינטון הוא אחד החשובים המובילים בתחום הבינה המלאכותית והוא מופיע לעתים קרובות באותו משפט כמו חוקרים אחרים בדרגה גבוהה כמו יאן לקון בפייסבוק, אנדרו נג של גוגל ויושוע בנגיו. (למעשה, LeCun, Hinton ובנגיו כתבו ביקורת ב- Nature במאי הקרוב על למידה עמוקה, הנקראת כמו ספר הלימוד המילולי ב- AI.)

"יש קו דק בין קסם לתעלומה, ואנחנו רוצים להיות בצד הימני של זה."

לדבר עם הינטון זה כמו לדבר עם מישהו שחי חמש שנים בעתיד. שיחתנו התמקדה סביב הפיכת מסמכים לווקטורי מחשבה, כך שמכונות יוכלו להבין ולזכור גרסאות ארוכות, ולהנדס לאחור את האלגוריתם שהמוח שלנו משתמש בו כדי ללמוד.

תוכנות מחשב רבות כיום, למשל, מכריחות את הבעיה לנתח את המשמעות של מסמך טקסט על ידי חיפוש ההגדרות המילוניות של מילים במסמך ואת הדקדוק. אך על מנת להבין את המסמך כמו בן אנוש, מחשב באופן אידיאלי יוכל לפרק את המסמך לסדרה של מחשבות מובחנות.

גוגל הייתה שמחה להיות מסוגלת לקחת מסמך ולברר מה ההנמקה, מה המסמך אומר ואיך מחשבה אחת נובעת מהמחשבות הקודמות, אומר Hinton. אם היינו יכולים להתחיל לעשות את זה, אז זה יכול לתת לכם תשובות טובות הרבה יותר לשאילתות, מכיוון שהוא בעצם קורא את המסמכים ומבין אותם .

כשנשאל מדוע איננו עושים זאת כבר, היינטון אומר שאם אנו מנסים להתאים את ההבנה למוח, זה עניין של גודל. הרשתות העצביות המלאכותיות בהן חוקרים משתמשים כעת אין רק את המורכבות של המוח שלנו, אפילו כשהוא מוערך לגבולות הנוכחיים שלהם. הטובים ביותר שיש לנו עשויים להיות עם מאות מיליוני משקולות שניתן לתפעל (LeCun משתמש באנלוגיה של קופסה שחורה עם מיליון ידיות מבחוץ כדי להסביר התעסקות במשקלים.) אבל לינטון מסביר שלמוחנו יש 100 טריליון מידע זה מאה אלף פעמים יותר.

לנוכח היותה מתגמדת בקנה מידה, היינטון עדיין אופטימי כי רצף המחקר הזה בנושא בינה מלאכותית לא התפזר כמו שהיה בעבר. (מחקר בינה מלאכותי ראה חורפים, שבו התקדמות hasnt ציפיות מתאימות והשקעות דהו.) גורם גדול לכך הוא הרעיון הפופולרי יותר ויותר של וקטורי מחשבה, כפי שהוזכר קודם לכן. אבל הדבר המנחם ביותר עבור הינטון הוא ההתקדמות בחמש השנים האחרונות, במיוחד זיהוי ודיבור של אובייקטים. בעיות אלה נתפסו לעיתים כמורכבות מדי בעבר, וכעת שיעור השגיאות ירד באופן דרסטי במבחנים סטנדרטיים.

הם מתקרבים לביצועים ברמה האנושית. "

הם מתקרבים לביצועים ברמה האנושית. לא בכל ההיבטים, אלא דברים כמו זיהוי אובייקטים. לפני כמה שנים אנשים עם חזון מחשבים היו אומרים לך sa sa sa sa sa sa sa sa הינטון אומר.

אבל לא משנה כמה מכונה עשויה להשלים או לחקות את המוח האנושי, זה לא אומר שום דבר אם האדם הממוצע לא יכול להבין כיצד להשתמש בו. כי התוכנית של גוגל מכוונת לשלוט בבינה מלאכותית והופכת אותה לפשוטה ככל האפשר. בעוד שהעבודות שמאחורי הווילונות מורכבות ודינמיות, התוצאה הסופית היא כלים בכל מקום שפועלים, והאמצעים לשיפור הכלים הללו אם אתם נוטים כל כך.

.

סיפור זהירות זה מראה עד כמה תותבות מסוכנות יכולות להיות

סיפור זהירות זה מראה עד כמה תותבות מסוכנות יכולות להיות

מה קורה במוחם של מטפסים חופשיים

מה קורה במוחם של מטפסים חופשיים

מדענים עקבו אחר צב עור מעור דרך הוריקן פירנצה - הנה מה שהם ראו

מדענים עקבו אחר צב עור מעור דרך הוריקן פירנצה - הנה מה שהם ראו