Bárki, aki megpróbálta a Google Fotókat, egyetértene abban, hogy ez az ingyenes fotótároló és -kezelő szolgáltatás a Google-tól okos. Különböző intelligens funkciókba csomagol, mint például a részletes keresés, a képek kategorizálása helyek és dátumok szerint, automatikusan létrehozza a hasonlóságok alapján albumokat és videókat, és néhány évvel ezelőtt ugyanazon a napon megjelenő képeket mutat be. Számos dolog van, amit a Google Fotók képesek tenni, ami több évvel ezelőtt lehetetlen lenne. A Google Fotók a Google egyik „intelligens” szolgáltatásának egyike, amelyek a TensorFlow nevű gépi tanulási technológiát használják. A tanulás szó azt jelzi, hogy a technológia idővel intelligensebb lesz ahhoz a ponthoz, hogy a jelenlegi tudásunk nem képzelhető el. De mi a TensorFlow? Hogyan tanulhat egy gép? Mit tehetsz vele? Találjuk ki.
Mi a TensorFlow?
A TensorFlow a Google nyílt forráskódú és hatékony mesterséges intelligencia szoftvere, amely számos szolgáltatást és kezdeményezést gyakorol a Google-tól. Ez a második generációs rendszer a Google Brain csapat által épített nagyszabású gépi tanulási implementációkhoz. Ez az algoritmus-könyvtár a DistBelief - az első generáció - sikeres.
A technológia számszerűsítést jelent, mint statikus adatfolyam-grafikonokat. Ami egyedülállóvá teszi a TensorFlow-t, az a képessége, hogy a hardverek széles skáláján, a fogyasztói mobileszközökről a világszínvonalú multi-GPU szerverekre modellezi a számításokat. Futtatható különböző GPU-k és CPU-k segítségével, és megígéri a gépi tanulás skálázhatóságát a különböző eszközök és modulok között anélkül, hogy jelentős mennyiségű kódot kellene megváltoztatnia.
A TensorFlow a Google azon igényéből származik, hogy utasítsa a számítógépes rendszert, hogy utánozza, hogyan működik az emberi agy a tanulásban és az érvelésben. A neurális hálózatoknak nevezett rendszernek képesnek kell lennie arra, hogy többdimenziós adat tömbökön „tenzoroknak” nevezzen. A végcél az, hogy a neurális hálózatokat kiképezze a minták és korrelációk kimutatására és megfejtésére.
2015 novemberében a Google ezt a technológiát nyílt forráskódúvá tette, és lehetővé tette, hogy mindenféle termékbe és kutatásba átvehessék. Bárki, beleértve a kutatókat, a mérnököket és a hobbistákat is, segíthet a gépi tanulás növekedésének felgyorsításában és kevesebb idő alatt magasabb szintre vinni.
Ez a lépés a megfelelőnek bizonyult, mert a független fejlesztők annyi hozzájárulást adnak a TensorFlow-nak, hogy messze felülmúlják a Google hozzájárulásait. A Wikipedia említi, hogy „a GitHub-on 1500 tároló található, amelyek a TensorFlow-t említik, ebből 5 a Google-ból.” Ezzel szemben a Quora egyik vita gyanítja, hogy a kiadott nyílt forráskódú kód a „megtisztított” változat a az egyiket, amelyet a Google a szolgáltatásaiban használ.
Hogyan működik a TenserFlow?
Az egyszerű normális emberi nyelv és az egyszerűsítés segítségével a TensorFlow egyik oldalát fejlett autonóm szűrési technológiának tekinthetjük. A technológia a géptanulás hatalmas szoftverkönyvtára. Az adatbázist használja a „döntéshozatal” érdekében.
Például valaki feltölt egy fényképet a Google Fotókba. A technológia összehasonlítja a kép összes részletét az adatbázisával, és eldönti, hogy ez egy állat vagy ember képe. Akkor, ha ez egy ember, akkor megpróbálja meghatározni a nemet, az életkorot, hogy a személy legyen. Ugyanez a folyamat megismétlődik a fotó egyéb objektumaiban is.
Használja a felhasználó adatait, mint például a képen szereplő személy azonosságát és a hely készítésének helyét, hogy a könyvtárat tovább javítsa, hogy a jövőben jobb eredményeket nyújthasson - mind a fotót feltöltő személy számára, mind mindenkinek. más. Ezért a „tanulás” kifejezés. De ez nem áll meg csak a képekről származó adatok ismeretében és tanulásában. Olyan sok van, hogy a technológia képes a fénykép információival. Például csoportosíthatja a hasonló részletekkel rendelkező fényképeket, mint például ugyanaz a személy, ugyanazon a helyen, ugyanazon a napon; tekintse meg az arcok mintáját annak meghatározásához, hogy melyik család és barátok tartoznak a fotóhoz tartozó személyhez, és használja az információt a családi nyaralás vagy animáció folyamatos felvételek készítéséhez.
Ez alig karcolja a TensorFlow működésének felületét, de remélem, hogy általános képet adhat a technológiáról. Egyetlen példa használatával nem lehet igazságot adni arra, amit képes.
És az összes mesterséges intelligencia rajongó számára érdemes megemlíteni, hogy a Google már létrehozott egy számítógépes chip technológiát, amely a gépi tanulásra optimalizált és a TensorFlow-t integrálja. Ez az úgynevezett Tensor Processing Unit (TPU) ASIC chip .
Azok, akik szeretnének többet megtudni a TensorFlow-ról, meglátogathatják a bemutató oldalát.
A TensorFlow alkalmazásai
A gépi tanulási technológia korai szakaszában vagyunk, így senki sem tudja, hová fog eljutni. De van néhány kezdeti alkalmazás, amelyek a jövőben megnézhetnének. Mivel a Google-tól származik, nyilvánvaló, hogy a Google számos szolgáltatásához használja a technológiát.
További információ a képelemzésről
Megvitattuk a Google Fotók képelemzésére szolgáló technológia példáját. A képelemző alkalmazás azonban a Google Térkép Utcakép funkciójában is használható. Például a TensorFlow-t arra használják, hogy a képet a térképkoordinátákhoz csatlakoztassa, és automatikusan elhomályosítsa a rendszámtábla számát a véletlenül a képen szereplő autókhoz.
Beszédfelismerés
A Google a TensorFlow-t is használja a beszédfelismerő szoftverének. A technológia, amely lehetővé teszi a felhasználók számára, hogy beszéljenek az utasításokról, nem új, de a TensorFlow állandóan növekvő könyvtárának a keverékbe történő beépítése pár másodpercre emelheti a funkciót. Jelenleg a beszédfelismerő technológia több mint 80 nyelvet és változatot ismeri fel.
Dinamikus fordítás
A gépi tanulási technológia „tanulási” részének másik példája a Google fordítási szolgáltatása. A Google lehetővé teszi a felhasználók számára, hogy új szókészleteket hozzanak létre, és javítsák a Google Fordító hibáit. Az egyre növekvő adatok felhasználhatók arra, hogy automatikusan felismerjék a bevitt nyelvet, amelyet a többi felhasználó le akar fordítani. Ha a gép hibás a nyelvi felismerési folyamatban, a felhasználók kijavíthatják azokat. És a gép megtanulja ezeket a hibákat a jövőbeni teljesítmény javítása érdekében. És a ciklus folytatódik.
Alpha Go
A TensorFlow használatának egyik jó példája az Alpha Go. Ez egy olyan alkalmazás, amely Go programra van programozva. Azok számára, akik nem ismerik a Go-ot, ez egy absztrakt társasjáték két játékos számára, akik Kínából erednek, több mint ötezer ötszáz évvel ezelőtt, és ez a legrégebbi társasjáték, amelyet ma is folyamatosan játszanak. Míg a szabályok egyszerűek - több területet foglalnak magukban, mint az ellenfél, a játék hihetetlenül összetett, és a Wikipedia szerint: „több lehetősége van, mint a látható világegyetemben lévő atomok teljes száma.”
Érdekes tehát, hogy a tanulási gép-technológia hogyan képes a végtelen lehetőségekkel. A Lee Sedol - 18-szoros világbajnok ellen - az Alpha Go nyerte az 5 játékból 4-et, és a legmagasabb Go grandmaster rangot kapott.
Magenta projekt
A TensorFlow másik érdekes alkalmazása a Magenta Project. Ez egy ambiciózus projekt a géppel létrehozott művészet létrehozására . A kísérlet egyik korai kézzelfogható eredménye a 90 másodperces zongora dallam. Hosszú távon a Google reméli, hogy a Magenta projekten keresztül fejlettebb géppel generált művészetet hoz létre, és a művészek közösségét építheti körül.
2016. februárjában a Google egy művészeti kiállítást és aukciót tartott a San Fransisco-ban, amely 29 számítógéppel generált - az emberi műalkotások kis segítségével. A legnagyobb művek közül hatot értékesítettek 8000 dollárért. A számítógépnek még egy nagyon hosszú útja van ahhoz, hogy valódi művészt imitálhasson, de a pénzért, amit az emberek hajlandóak fizetni a művészetért, megmutatják, milyen messzire ment a technológia.
Az iOS támogatása
Míg már láttuk a TenserFlow képességeit az Androidon, a legújabb verziójával, a TensorFlow végül is támogatja az iOS eszközök támogatását. Mivel rengeteg nagyszerű mobilalkalmazás érhető el kizárólag az iOS-hoz, vagy először az iOS-on jelenik meg, ez azt jelenti, hogy több nagyszerű mobilalkalmazást várhatunk a gépi tanulásra a közeljövőben. Ugyanez mondható el a TensorFlow szélesebb körű elfogadásának és alkalmazásának lehetőségeiről is.
A TensorFlow jövője
Mit tehet egy géppel, amely képes tanulni és saját döntést hozni? Olyan személyként, aki a mindennapi élet részeként egynél több nyelvvel foglalkozik, az első dolog, ami a fejemben jelenik meg, a nyelvfordítás. Nem a szó szerint, hanem a hosszabb szövegszintben, mint a dokumentumok vagy a könyvek. A mai fordítási technológia a szókincsekre korlátozódik. Könnyedén megtudhatja, hogy mi „alszik” a kínaiul, és fordítva, de próbálja meg dobni az Eiji Yoshikawa Musashi egyik fejezetébe az eredeti japán nyelven, és fordítsa le a fejezetet angolra. Látni fogod, mit kapok.
Érdekes látni, hogy a mesterséges intelligencia jövője miként tehető a zenével. Míg ez még mindig nagyon egyszerű, az Apple Music Memo alkalmazás már automatikus basszus és dob-kíséretet is adhat a felvett dalának. Emlékszem arra, hogy egy SciFi TV-műsor egy epizódja, ahol egy karakter a műsorban létrehozott egy olyan gépet, amely az összes top dalot elemzi a grafikonokban, és képes megírni saját slágereket. Megérkezünk valaha?
És ahogy a záró gondolat, szeretném megemlíteni a Sunspring-t . Ez egy rövid sci-fi film, amelyet teljes egészében egy AI forgatókönyvíró írt, amely Benjaminnek nevezte magát - amely még a pop-dal zenei közbejárást is alkotta. A filmet Oscar Sharp rendező állította össze a Sci-Fi London esemény 48 órás filmes kihívására.
Most nem tudom abbahagyni a Terminátort. Üdvözöljük a jövőben.
Képhitel: Wikipedia, TechInsider, The Verge, Wall Street Journal
