Preporučeno, 2024

Izbor Urednika

Sve što trebate znati o Googleovom mozgu TensorFlow

Svatko tko je pokušao s Google Photos pristao bi da je ova besplatna Googleova pohrana fotografija i usluga upravljanja pametna. Sadrži razne pametne značajke kao što su napredno pretraživanje, mogućnost kategoriziranja slika po lokacijama i datumima, automatsko stvaranje albuma i videozapisa na temelju sličnosti te vas vodi kroz traku za pamćenje prikazivanjem fotografija istog dana prije nekoliko godina. Postoje mnoge stvari koje Google Photos može učiniti da bi prije nekoliko godina bilo strojno nemoguće. Google fotografije jedna je od mnogih "pametnih" Googleovih usluga koje koriste tehnologiju strojnog učenja nazvanu TensorFlow. Riječ učenje ukazuje da će tehnologija biti pametnija od vremena do točke koju naše sadašnje znanje ne može zamisliti. Ali što je TensorFlow? Kako stroj može naučiti? Što možete učiniti s njom? Hajde da vidimo.

Što je TensorFlow?

TensorFlow je Googleov open-source i moćan softver za umjetnu inteligenciju, koji pokreće mnoge usluge i inicijative od Googlea. To je druga generacija sustava za implementaciju velikih strojnih znanja, koju je izgradio Google Brain tim. Ova knjižnica algoritma uspijeva DistBelief - prva generacija.

Tehnologija predstavlja računanje kao grafikone protoka podataka o stanju. Ono što TensorFlow čini jedinstvenim je njegova sposobnost modeliranja izračuna na širokom rasponu hardvera, od mobilnih uređaja na razini potrošača do višestrukih GPU poslužitelja svjetske klase. Može se izvoditi na različitim grafičkim procesorima i procesorima te obećava skalabilnost strojnog učenja među različitim uređajima i gadgetima bez potrebe za mijenjanjem značajne količine koda.

TensorFlow potječe od Googleove potrebe da uputi računalni sustav da oponaša način na koji ljudski mozak radi u učenju i rasuđivanju. Sustav, poznat kao neuronske mreže, trebao bi biti u stanju izvoditi na višedimenzionalnim podatkovnim nizovima koji se nazivaju "tenzori". Krajnji je cilj osposobiti neuronske mreže za otkrivanje i dešifriranje uzoraka i korelacija.

U studenome 2015. Google je ovu tehnologiju otvorio s otvorenim izvorima i omogućio je da se prihvati u sve vrste proizvoda i istraživanja. Svatko, uključujući istraživače, inženjere i hobiste, može pomoći ubrzati rast strojnog učenja i odnijeti ga na višu razinu za manje vremena.

Pokazalo se da je ovaj potez pravi, jer postoji mnogo doprinosa nezavisnih programera TensorFlowu koji daleko nadmašuju Googleove doprinose. U Wikipediji se navodi da "na GitHubu ima 1500 spremišta koja spominju TensorFlow, od kojih su 5 iz Googlea." To je, međutim, jedna od rasprava u Quori za koju se sumnja da je objavljeni open-source "očišćena" verzija iz onaj koji Google koristi u svojim uslugama.

Kako funkcionira TenserFlow?

Korištenjem jednostavnog normalnog ljudskog jezika i teškog pojednostavljenja, možemo vidjeti jednu stranu TensorFlowa kao naprednu tehnologiju autonomnog filtriranja. U svom srcu, tehnologija je ogromna softverska knjižnica strojnog učenja. Ona koristi bazu podataka kako bi joj pomogla da donese odluku.

Na primjer, netko prenosi fotografiju u Google fotografije. Tehnologija će usporediti sve pojedinosti sa slike u svoju bazu podataka i odlučiti je li to slika životinje ili čovjeka. Onda, ako je ljudsko biće, pokušat će odrediti spol, dob i put do osobe. Isti se postupak ponavlja i za druge objekte na fotografiji.

Također koristi korisničke podatke kao što su identitet osobe na slici i mjesto gdje se slika snima, kako bi poboljšala svoju biblioteku kako bi mogla dati bolje rezultate u budućnosti - i za pojedinca koji je prenio fotografiju i za sve drugo. Otuda pojam “učenje”. Ali ne zaustavlja se samo na poznavanju i učenju podataka s fotografija. Ima toliko toga što tehnologija može učiniti s informacijama s fotografije. Na primjer, može grupirati fotografije sa sličnim detaljima kao što je ista osoba, isto mjesto, isti datum; pogledajte obrazac lica kako biste utvrdili kojoj obitelji i prijateljima pripada osoba na fotografiji, a informacije upotrijebite za izradu videozapisa obiteljskog odmora ili animacije iz kontinuiranih snimaka.

To jedva ogreba površinu kako radi TensorFlow, ali se nadam da će vam dati općenitu sliku tehnologije. Također, koristeći samo jedan primjer ne može se opravdati ono što je sposobno.

A za sve ljubitelje umjetne inteligencije, vrijedno je spomenuti da je Google već stvorio tehnologiju računalnog čipa optimiziranu za strojno učenje i integrirajući TensorFlow u nju. To se zove Tensor procesorska jedinica (TPU) ASIC čip .

Oni koji žele saznati više o TensorFlowu mogu posjetiti njegovu stranicu s uputama.

Primjena TensorFlowa

Mi smo u ranoj fazi tehnologije strojnog učenja, tako da nitko ne zna gdje će nas odvesti. No, postoji nekoliko početnih aplikacija koje nam mogu dati pogled u budućnost. Budući da potječe od Googlea, očito je da Google koristi tehnologiju za mnoge od svojih usluga.

  • Više o analizi slike

Razgovarali smo o primjeni tehnologije za analizu slika u Google fotografijama. No, aplikacija za analizu slike također se koristi u značajki prikaza ulica Google karata. Primjerice, TensorFlow se koristi za povezivanje slike s koordinatama karte i automatsko zamagljivanje broja registarske oznake bilo kojeg automobila koji je slučajno uključen u sliku.

  • Prepoznavanje govora

Google također koristi TensorFlow za svoj softver za prepoznavanje govora. Tehnologija koja korisnicima omogućuje izgovaranje uputa nije nova, ali uključivanje sve veće biblioteke TensorFlowa u mix može donijeti značajku za nekoliko mjesta. Trenutno tehnologija prepoznavanja govora prepoznaje preko 80 jezika i varijanti.

  • Dinamički prijevod

Još jedan primjer “učenja” tehnologije strojnog učenja je Googleova značajka prevođenja. Google svojim korisnicima omogućuje dodavanje novih rječnika i ispravljanje pogrešaka u Google Prevoditelju. Rastuće podatke možete koristiti za automatsko prepoznavanje jezika unosa koji drugi korisnici žele prevesti. Ako uređaj napravi greške u procesu otkrivanja jezika, korisnici ih mogu ispraviti. A stroj će naučiti iz tih pogrešaka da poboljša svoje buduće performanse. I ciklus se nastavlja.

  • Alpha Go

Jedan zabavan primjer korištenja TensorFlowa je Alpha Go. To je program koji je programiran za reprodukciju Go . Za one koji nisu upoznati s Goom, to je apstraktna igra na ploči za dva igrača koja je nastala u Kini prije više od pet tisuća petsto godina, a to je najstarija igra na ploči koja se i danas kontinuirano igra. Iako su pravila jednostavna - okružiti više teritorija od protivnika, igra je nevjerojatno složena i, prema Wikipediji: "posjeduje više mogućnosti od ukupnog broja atoma u vidljivom svemiru."

Dakle, zanimljivo je što tehnologija stroja za učenje može učiniti s beskonačnim mogućnostima. U svojim utakmicama protiv Lee Sedola - svjetskog prvaka s 18 puta Go, Alpha Go osvojio je 4 od 5 utakmica i dobio je počasni najviši rang Go grandmastera.

  • Magenta projekt

Još jedna zanimljiva primjena TensorFlowa je Magenta projekt. To je ambiciozan projekt stvaranja strojno stvorene umjetnosti . Jedan od prvih opipljivih rezultata eksperimenta je 90-ak klavirska melodija. Dugoročno, Google se nada generirati napredniju strojno generiranu umjetnost putem projekta Magenta i izgraditi zajednicu umjetnika oko nje.

U veljači 2016. Google je također održao izložbu i aukciju u San Fransisco-u na kojoj je prikazano 29 računala - uz malu pomoć ljudi - umjetničkih djela. Šest najvećih radova prodano je za čak 8.000 dolara. Računalo će možda još proći dug put prije nego što može oponašati stvarnog umjetnika, ali količina novca koju su ljudi spremni platiti za umjetnost pokazuju nam koliko je tehnologija otišla.

Podrška za iOS

Iako smo već vidjeli mogućnosti sustava TenserFlow na Androidu, s najnovijom verzijom, TensorFlow konačno dodaje podršku za iOS uređaje. Budući da postoji mnogo velikih mobilnih aplikacija dostupnih isključivo za iOS, ili puštene prvo na iOS-u, to znači da možemo očekivati ​​još sjajnih mobilnih aplikacija koje usvajaju strojno učenje u bliskoj budućnosti. Isto se može reći i za mogućnosti šireg usvajanja i primjene TensorFlowa.

Budućnost TensorFlowa

Što se može učiniti sa strojem koji može naučiti i donijeti vlastitu odluku? Kao osoba koja se bavi više od jednog jezika kao dio svakodnevnog života, prva stvar koja mi se javi je prijevod jezika. Ne na razini riječi po riječi, već na razini duljeg teksta kao što su dokumenti ili čak knjige. Današnja prevoditeljska tehnologija ograničena je na rječnike. Lako možete saznati što je "spavanje" na kineskom i obratno, ali pokušajte baciti jedno poglavlje Eiji Yoshikawa Musashija u njegovom izvornom japanskom i prevesti poglavlje na engleski. Vidjet ćete na što ću doći.

Također je zabavno vidjeti što budućnost umjetne inteligencije može učiniti s glazbom. Iako je još uvijek vrlo osnovna, Appleova aplikacija Music Memo već može dati automatski bas i bubanj uz pratnju vašeg snimljenog pjevanja. Sjećam se jedne epizode SciFi TV emisije gdje je lik u predstavi stvorio stroj koji analizira sve najbolje pjesme u grafikonima i može napisati vlastite hit pjesme. Hoćemo li ikada stići tamo?

I kao završnu misao, htio bih spomenuti Sunspring . Riječ je o kratkom znanstvenofantastičnom filmu koji je u cijelosti napisao scenarist AI-a koji se nazvao Benjamin - koji je čak sastavio i pop glazbeni interludij. Film je sastavio redatelj Oscar Sharp za 48-satni filmski izazov znanstvenog fantastičnog događaja u Londonu.

Sada ne mogu prestati razmišljati o Terminatoru. Dobro došli u budućnost.

Zasluge za slike: Wikipedia, TechInsider, The Verge, Wall Street Journal

Top