A google belsejének átírása: mindenre építsen gépi tanulást

Makoto Koike uborkatermelő Japánban. Koike volt beágyazott rendszerek tervezője, aki évek óta a japán autóiparban dolgozott, de 2015-ben visszatért haza, hogy segítsen a szülei uborkafarmában. Hamar rájött, hogy az uborka szín, alak, méret és olyan tulajdonságok, mint a "tövis" osztályozása a kézi feladat gyakran bonyolultabb és fárasztóbb, mint a termesztés. A Google mesterséges intelligencia (AlphaGo) szoftverének mély tanulási innovációja ihlette, és elhatározta, hogy automatizálja a feladatot.

A vállalkozások mindenféle módon elkezdenek alkalmazni az AI-t, de biztonságos azt mondani, hogy senki sem látta Koike AI uborka-válogató megoldását. Koike még soha nem dolgozott az AI technikákkal, de a nyílt forráskódú TensorFlow gépi tanulás (ML) könyvtárat felhasználva elkezdte az uborka képeinek bevitelét. Az objektumok felismerését lehetővé tevő számítógépes látás algoritmusoknak és a TensorFlow különböző uborka árnyalatainak képzésére szolgáló mély tanulásának köszönhetően Koike rájött, hogy nagy pontossággal képes azonosítani és osztályozni a zöldségeket. Ezután a TensorFlow és az olcsó Raspberry Pi 3 számítógép használatával a Koike automata válogatógépet épített fel, amelyet a gazdaság ma is használ.

A TensorFlow az a sok nyílt forráskódú algoritmus és eszköz közül, amely forradalmasítja azt, amit az üzletek és a fejlesztők meg tudnak oldani az AI segítségével. A cég kibővítette küldetését, hogy "mindenki számára elérhetővé tegye az AI előnyeit", a Google.ai megjelenésével a Google I / O konferencián, összes AI erőforrásának összevonásával egységes platformon. A Google beépíti ezeket a technikákat és az alkalmazásprogramozási felületeket (API-k) minden, amit csinál, sütve az ML-t a termékekbe, és alapvetően újradefiniálja a szoftver működését a folyamatban.

A PCMag a közelmúltban ellátogatott a Googleplexbe, és beszélt a G Suite, a Google Cloud Platform (GCP) és a vállalat Machine Learning Advanced Solution Lab (ML ASL) vezetõivel arról, hogy a Google miként épít fel újra magát az AI-vel.

Mesterséges intelligencia mindenhol

Tegyük fel, hogy egyik ügyfelének problémája van. A vállalati ügyfélszolgálat részlegének ügynöke élő csevegést folytat az ügyféllel egy csevegőalkalmazáson keresztül, amely adatokat tárol a Google Cloud Platformon. A probléma megoldásának elősegítése érdekében a felhasználónak érzékeny személyes adatokat kell küldenie az ügynöknek. Most mondjuk, hogy az ügyfél a nagymamád. Az ügyfélszolgálat képviselője néhány adatot kér a nagymamától, ehelyett a nagymama sokkal több információt küld, amennyire szüksége van, amikor a szociális biztonsági kártyájáról képet tölt fel a csevegésbe.

Ahelyett, hogy a Google archiválná a személyes azonosításra alkalmas információkat (PII), a képen a társadalombiztosítási szám jelenik meg, és más személyes adatok azonosítója automatikusan megszűnik. Az ügynök soha nem lát olyan információt, amelyre nincs szükségük, és ezek az adatok nem kerülnek a Google titkosított archívumába. A DLP API technológia demonstrációja során, a Google székhelyén, Mountain View-ban, Kaliforniában, a vállalat visszahúzta a függönyét az ML algoritmusok elemzéséhez, hogy a szöveget és a képeket ennek megvalósítása érdekében elvégezzék.

Rob Sadowski, a Google Cloud bizalmi és biztonsági marketing vezetője elmondta, hogy az automatikus szerkesztést a Google adatvesztés-megelőző (DLP) API-ja hajtja, amely a felszín alatt működik az érzékeny adatok osztályozásában. Az algoritmus ugyanazt csinálja az adatokkal, mint például a hitelkártya-számokkal, és elemezheti a mintákat hamis szám észlelésére is. Ez csak egy példa a Google azon finom stratégiájára, miszerint az AI-t bevonja tapasztalataiba, és a vállalkozásoknak és a fejlesztőknek, például a Koike-nak ad forrásokat ugyanazhoz.

A Google messze nem egyedülálló technológiai óriás, amely szoftverként összekötő intelligencia réteget épít, de az Amazon és a Microsoft mellett vitathatatlanul a Google a felhőalapú intelligenciaeszközök és szolgáltatások széles skálájával rendelkezik. A cég termékeinek lebontásánál megtalálható a Google Assistant és a különféle ML és számítógépes látás API-k, amelyek szinte mindenhol használatban vannak.

A Google Search az ML algoritmusokat használja a RankBrain AI rendszerében a lekérdezések feldolgozására és finomítására, az adatok átrendezésére és összesítésére számos változó tényező alapján, hogy folyamatosan javítsa a keresési eredmények minőségét. A Google Fotók számítógépes látásmód segítségével összekapcsolja a kapcsolódó fényképeket az emlékekkel, és egyesíti ugyanazon a helyen lévő képeket panorámaképekké. Az Inbox lehetővé teszi a felhasználók számára az automatikusan generált intelligens válaszok közül a választást, és a releváns e-maileket felvázolja, hasonló kategóriákba csoportosítva. A cég új Google Allo csevegőalkalmazásába beépített Google Assistant tartozik. A lista folytatódik.

Mindezek az alkalmazások a Google felhőinfrastruktúráján futnak, és a vállalat az ML-t is alkalmazza adatközpontjában az energiafogyasztás csökkentése érdekében, a hűtőszivattyúk terhelési és időjárási adatok alapján történő beállításával. Sadowski szerint ez egyben a Google védelmi stratégiájának utolsó védelmi rétege is, ahol a vállalat gépi intelligenciát és kockázati pontozást használ a biztonsági kötegén belül annak meghatározására, hogy a rendszer prediktív elemzés alkalmazásával veszélybe kerül-e.

"A Google átveszi ezeket az általunk kifejlesztett ML és AI modelleket, és a biztonság érdekében hangolja be őket" - magyarázta Sadowski. "A biztonság sokkal radikálisabban változik, mint az informatika legtöbb ágazata. A termékek, amelyek három vagy négy évvel ezelőtt a biztonsági infrastruktúrájuk központi elemei voltak, mint például a tűzfalak és a végpontok védelme, továbbra is fontosak, de szeretnénk mélyreható, széles körű és átfogó védelmet nyújtani. alapértelmezés egy többszörös bérlő infrastruktúrája felett, napi millió aktív felhasználóval.

"A mögöttes adatközponti hardverrel kezdődik" - folytatta Sadowski. "Ráadásul az alkalmazásszolgáltatások és a hitelesítés a teljesen titkosított adatokkal és a kommunikációval. Ezen felül a felhasználói identitás. És a védelem utolsó rétege az, hogy hogyan működünk a napi 24 órás felügyelettel, észleléssel és az eseményekre való reagálással. Így működünk olvassa el a biztonságos távoli elérést az identitást érzékelő proxy segítségével. Ez a programozott DLP szolgáltatás, amely megtalálja és megakadályozza az adatok kiszivárgását, segíti az adatkezelést és a biztonságot. Célunk, hogy ezeket a képességeket egyszerűvé, fogyóképessé tegyük, és széles körben működőképessé tegyük őket."

Okosabb G lakosztály

Az ML a Google G Suite termelékenységi alkalmazásaiba is be van ágyazva. Allan Livingston, a G Suite termékmenedzsment igazgatója bemutatta néhány módját, amellyel az AI intelligensbbé és kontextuálisabbá teszi a G Suite-t anélkül, hogy a felhasználók még észrevennék.

"Gondolj arra, hogy a G Suite miként hozza össze ezeket az alkalmazásokat természetesen integrált módon" - mondta Livingston. "Egyikükben elkezdi a munkát, és a megfelelő módon áthalad. Megnyit egy Gmail-mellékletet a Drive-ban, és ez elviszi a Dokumentumokba; ez valóban automatikus.

"Megpróbáljuk kiküszöbölni a felhasználó számára ezt a gondolkodást. Ez magában foglalja a gépi tanulást is. Az Inbox okos válaszaival kezdtük, és a Gmailben jó sikereket értünk el, ami a Dokumentumok, Táblázatok Felfedezés szolgáltatásához vezetett. és diák."

A tavaly ősszel bevezetett Explore a természetes nyelvfeldolgozást (NLP) alkalmazza az alkalmazáson belüli termelékenység élményében. A Docsban az Explore azonnali javaslatokat ad a dokumentum tartalma alapján, és automatikusan javasolja a kapcsolódó témákat és forrásokat. A Diaban tervezési javaslatokat generál a prezentációk formázásának csökkentésére. A legérdekesebb használati eset azonban a Sheets. Livingston elmagyarázta, hogyan használja az Explore az ML-t az elemzés és az üzleti intelligencia (BI) betekintésének egyszerűsítésére.

"Sok felhasználó nem tudja, mi a pivot tábla, vagy hogyan lehet azt felhasználni az adatlap megjelenítésére" - magyarázta Livingston. "Tegyük fel, hogy az ügyfelek eladási adataival foglalkozik, ahol minden sor eladott tétel. A Felfedezés segítségével természetes nyelvi kérdéseket írhat be, például:" Mi a legfontosabb elem a fekete péntek napján? " és olyan választ válaszol, mint '563 pár nadrágot eladott.' Az adatelemzéssel oly módon foglalkozunk, hogy időt takarítsunk meg az adatközpontú döntések meghozatalában, és gépi tanulással használjuk fel a közös probléma természetes módon történő javítását."

A Táblázatok felfedezésének bemutatója a március múlt márciusi Google Cloud NEXT konferencián.

Livingston szerint a Google azt tervezi, hogy kiterjeszti az ilyen, ML-alapú felhőkeresést harmadik felekre, és ökoszisztémát építeni körülötte. Az átfogó ötlet a praktikus AI általános témája: a kézi folyamatok automatizálása, hogy felszabadítsák a felhasználókat a kreatív munkához. Ez az ötlet az ML alkalmazások legtöbb alkalmazásának középpontjában: az ismételhető üzleti folyamatok és a mindennapi feladatok automatizálása, beleértve az uborka válogatását.

"Az üzleti életben és a fogyasztók körében a felhasználóknak megvannak a természetes interakciós mintázataik. A felhőbe és a mobil termelékenységbe való váltás valóban megváltoztatja az emberek működési módját, és ezek az alkalmazott gépi tanulási technikák alapvető fontosságúak" - mondta Livingston. "A gépi tanulásban rejlő erőnk, termékeink alapjaként és a felhőben lévő összes adat miatt egyedülálló helyzetben vagyunk, hogy ezt a skálát végtelenül méretezzük."

A gépi tanulási forradalom fellendítése

A Google által az AI körüli tevékenységek alapja az API-k, algoritmusok és nyílt forráskódú eszközök. A társaság TensorFlow könyvtára a legszélesebb körben használt ML eszköz a GitHubon, olyan ívó alkalmazásokat, mint Koike uborka szortírozója. A Google Cloud alapjául szolgáló API-készlet - a számítógépes látást, videointellektust, beszédet és NLP-t átfogó algoritmusok, előrejelzési modellezés és nagyméretű ML a Google Cloud Machine Learning Engine-n keresztül - a Google alkalmazásaiba és szolgáltatásaiba integrált összes AI-funkciót biztosító technológia. most a Google.ai platformon is.

Francisco Uribe, a Google Cloud AI / ML csapata termékmenedzsere, annak a motornak a központjában működik, amely átírja a Google működését. Uribe felügyeli a Google fent említett ML ASL-t, egy magával ragadó programmal működő laboratóriumot, amelyben a Google ML szakértői közvetlenül együttműködnek a vállalkozásokkal az AI-megoldások megvalósításában. A Google API-k és a Cloud ML Engine használatával a labor együttműködik a vállalkozásokkal a saját modellek kiképzésében és bevezetésében a termelésbe.

Uribe több mint egy évtizede dolgozott az AI térben. Megalapította a BlackLocus-t, egy adatközpontú indító vállalkozást, amely egy automatizált árképzési motort épített fel a kiskereskedők számára, amelyet 2012-ben a Home Depot vásárolt meg. Ezt követően csatlakozott a Google-hoz, és négy évig dolgozott az ML-t alkalmazó Search Ads csapatban a hirdetési élmény javítása érdekében.. 2016-ban kutatói szerepet töltött be az ML ASL vezetésével és mentorként a Google Launchpad Accelerator programjában. Uribe szerint folyamatosan meglepte, hogy a vállalkozások és a fejlesztők hogyan használják a Google eszközeit.

"Láttuk az esetek általános alkalmazását - az egészségügytől és a pénzügyektől kezdve a kiskereskedelemig és a mezőgazdaságig" - mondta Uribe. "Megpróbálunk segíteni az ügyfeleknek az érzékelési képességek fejlesztésében. Beszédfordítás, kép-elemzés, video-API-k, természetes nyelv: mind részei a gépi hozzáférés és a mélyreható tanulási algoritmusok hozzáférésének demokratizálásának, amelyek végre bevezetésre kerültek."

Az ML ASL a világ egyik legnagyobb bank- és pénzügyi szolgáltató szervezetével, a HSBC Bank Plc-vel együtt dolgozott a pénzmosás elleni küzdelem és a prediktív hitelpontozás ML-megoldásain. Az ML ASL együttműködött az Egyesült Szolgáltatások Autóipari Szövetségével (USAA), a Fortune 500 pénzügyi szolgáltató társaságcsoporttal, hogy a szervezet mérnökeit kiképezze az ML technikákra, amelyeket az adott biztosítási forgatókönyveknél alkalmaznak. Az eBay a Google eszközeivel tanította a ShopBot digitális asszisztensét. Amikor az ML ASL vállalkozással működik, Uribe elmagyarázta a négy pillért, amelyek a folyamatot alkotják.

"Szüksége van egy erőteljes számítási feladatra az ML feladatok szélsőséges igényeinek való megfelelés érdekében, és a GCP elosztott száloptikai gerince nagyon hatékonyan mozgatja az adatokat a csomópontról a csomópontra" - mondta Uribe. "Van egy Cloud Machine Learning motorunk, amely segíti az ügyfeleket a modellek kiképzésében. Segítünk az ügyfeleknek az adatok végrehajtásában, és hozzáférhetők a Kaggle 800 000+ aktív adattudósból álló közösségéhez. Végül szüksége van a tehetségre, hogy ott legyen, tehát a dolgok kutatási oldalán, a Brain Residency programunk segítségével mérnököket képezhetünk az összetett ML tantervre. Ezeket építőelemeknek tekintjük, amelyek segítenek az ügyfeleknek intelligens alkalmazások felépítésében."

Ez mind bekerül a nyílt forráskódú közösségbe és a harmadik fél ökoszisztémájába, amelyet a Google épít az AI technológiája körül. A társaság ez év elején még egy ML indító versenyt is kihirdetett, amely 500 000 dolláros beruházást ítél oda az ML induló vállalkozásainak. Uribe beszélt néhány olyan innovatív alkalmazásról, amelyeket már látott a Google technológiájáról, és ahol más lehetőségek rejlenek.

"Tegyük fel, hogy Ön ügyfélszolgálati elemző cég. Gondoljon egy beszéd API-ra a hívások tartalmának átírására, majd érzelmi elemzésre az ügyfélszolgálat minőségének javítása érdekében" - mondta Uribe. "A látás API-val fényképezzen egy utcatáblát egy idegen országban, majd a fordítási API-t, hogy valós időben lefordítsa ezt a tartalmat egy alkalmazásélményen keresztül. Ez nem csak a hatékonyság növeléséről szól, hanem új és egyedi felhasználói élmények létrehozásáról."

Az Uribe olyan eszközöket, mint például a TensorFlow, látja, amelyek kiválóan lehetővé teszik a ML nagyszabású alkalmazását a piacon. Ezeknek a technológiáknak nemcsak az a lényege vált, hogy mi a Google, és az, hogy a technológiai óriás hogyan közelíti meg a termékfejlesztést, de Uribe úgy véli, hogy a széles körben elérhető ML technológia segít a vállalkozások optimalizálásában, új bevételi források megnyitásában és az intelligens alkalmazások új osztályának feltalálásában.

"Gondolj rá, mint egy új ipari forradalomra" - mondta Uribe. "Látjuk, hogy ezek az eszközök lehetővé teszik a hatékonyság nagyságrendű növekedését és a tapasztalatokat, amelyeket még soha nem látott. Elképesztő látni, hogy az indulók hogyan alkalmazzák. Nézze meg a japán uborkatermelőt. A TensorFlow segítségével modellt készített a besoroláshoz. és az uborkákat minták, méret, textúrák stb. alapján válogatják, majd speciális hardvert építenek annak végrehajtására. Hihetetlen látni ezt a demokratizálódási szintet, és alig megkarcoltuk a felületet."