Sisällä Googlen ai-kirjoitus: rakenna koneoppiminen kaikkeen

Makoto Koike on Japanin kurkkuviljelijä. Koike on entinen sulautettujen järjestelmien suunnittelija, joka vietti vuosia Japanin autoteollisuudessa, mutta vuonna 2015 hän palasi kotiin auttamaan vanhempiensa kurkkutilalla. Pian hän huomasi, että kurkkujen lajittelu manuaalisesti värin, muodon, koon ja ominaisuuksien, kuten "oksenteen", mukaan oli manuaalinen tehtävä usein hankalampaa ja vaikeampaa kuin niiden kasvattaminen. Hän innostui Googlen tekoälyn (AI) AlphaGon ohjelmiston syvällisestä oppimisinnovaatiosta, ja hän päätti automatisoida tehtävän.

Yritykset alkavat toteuttaa käytännöllistä AI: ta monin eri tavoin, mutta on turvallista sanoa, että kukaan ei nähnyt Koiken AI-kurkkulajitteluratkaisua tulossa. Koike ei ollut koskaan työskennellyt AI-tekniikoiden kanssa aiemmin, mutta avoimen lähdekoodin TensorFlow-koneoppimis (ML) -kirjaston avulla hän aloitti kuvien syömisen kurkeista. Objektien tunnistamiseen tarkoitettujen tietokoneiden näköalgoritmien ja syvällisen TensorFlow-kouluttamisen avulla kurkkujen erilaisista kurkkuista oppimisen ansiosta Koike huomasi pystyvänsä tunnistamaan ja lajittelemaan vihannekset erittäin tarkasti. Sitten, käyttämättä mitään muuta kuin TensorFlow ja halpaa Raspberry Pi 3 -tietokonetta, Koike rakensi automatisoidun lajittelukoneen, jota maatila käyttää edelleen.

TensorFlow on yksi monista avoimen lähdekoodin algoritmeista ja työkaluista, jotka mullistavat sen, mitä yritykset ja kehittäjät voivat ratkaista AI: n avulla. Yhtiö laajensi tehtäväänsä "tuoda AI: n edut kaikille" julkaisemalla Google.ai Google I / O -konferenssissaan niputtamalla kaikki AI-resurssinsa yhtenäiseen alustaan. Google sisällyttää myös nämä tekniikat ja sovellusohjelmointirajapinnat (API) kaikkeen, mitä tekee, paistamalla ML: n tuotteisiinsa ja määrittelee perusteellisesti, kuinka sen ohjelmisto toimii prosessissa.

PCMag vieraili äskettäin Googleplexissä ja puhui G Suite: n, Google Cloud Platformin (GCP) ja yrityksen Machine Learning Advanced Solution Labin (ML ASL) avainhenkilöille siitä, kuinka Google rakentaa itsensä uudelleen AI: n kanssa.

Keinotekoinen älykkyys kaikkialla

Oletetaan, että yhdellä asiakkaasi on ongelma. Yrityksesi asiakaspalvelun osaston edustaja on suorassa keskustelussa asiakkaan kanssa pikaviestisovelluksen kautta, joka tallentaa tietoja Google Cloud Platformiin. Auttaakseen heitä ratkaisemaan ongelman käyttäjän on lähetettävä edustajalle arkaluontoisia henkilötietoja. Sanotaan nyt, että asiakas on isoäiti. Asiakaspalvelun edustaja pyytää isoäitiä muutamia tietoja, mutta sen sijaan isoäiti lähettää paljon enemmän tietoa kuin hän tarvitsee, kun hän lataa kuvan sosiaaliturvakortistaan ​​chattiin.

Sen sijaan, että Google arkistoi kyseiset henkilökohtaiset tiedot (PII), kuva näyttää sosiaaliturvatunnuksen ja muut henkilötiedot, jotka automaattisesti poistetaan. Agentti ei koskaan näe mitään tietoja, jota he eivät tarvitse, ja mikään näistä tiedoista ei siirry Googlen salattuun arkistoon. DLP API -tekniikan esittelyn aikana Googlen pääkonttorissa Mountain View, Kalifornia, yritys veti takaisin verhon siitä, kuinka ML-algoritmit analysoivat tekstiä ja kuvia saadakseen aikaan tämä.

Rob Cloudowski, Google Cloudin luottamus- ja tietoturvamarkkinoinnin johtaja, selitti, että automaattiseen muokkaukseen liittyy Googlen tietojen häviämisen estämisen (DLP) sovellusliittymä, joka toimii pinnan alla luokittelemaan arkaluontoisia tietoja. Algoritmi tekee saman tiedon esimerkiksi luottokorttinumeroiden kanssa, ja se voi myös analysoida malleja väärennetyn numeron havaitsemiseksi. Tämä on vain yksi esimerkki Googlen hienovaraisesta strategiasta, jonka mukaan AI on koottu kokemuksiinsa ja antaa Koiken kaltaisille yrityksille ja kehittäjille resurssit tehdä sama.

Google on kaukana ainoasta tekniikan jättiläisestä, joka rakentaa ohjelmistoihin yhdistävän älykerroksen, mutta Amazonin ja Microsoftin ohella Googlella on kiistatta laajimmin saatavilla olevien pilvipohjaisten älytyökalujen ja -palveluiden laajuus. Hajottamalla yrityksen tuotteita, löydät Google Assistantin ja erilaisia ​​ML- ja tietokonevisio-sovellusliittymiä, joita käytetään melkein kaikkialla.

Google-haku käyttää ML-algoritmeja RankBrain AI -järjestelmässään prosessoida ja tarkentaa kyselyitä, luokitella ja yhdistää tietoja useiden muuttuvien tekijöiden perusteella parantaakseen jatkuvasti hakutulosten laatua. Google Photos käyttää tietokonenäkymää yhdistämällä liittyvät valokuvat muistoihin ja yhdistämällä useita saman paikan kuvia panoraamakuviin. Saapuneet-kansiossa käyttäjät voivat luoda automaattisesti luotuja älykkäitä vastauksia ja pintaan liittyvät sähköpostiviestit niputtamalla samanlaisia ​​luokkia yhteen. Yrityksen uudessa Google Allo -keskustelusovelluksessa on sisäänrakennettu Google Assistant. Lista jatkuu.

Kaikki nämä sovellukset toimivat Googlen pilviinfrastruktuurissa, ja yritys soveltaa jopa ML: tä datakeskuksissaan energiankulutuksen vähentämiseksi säätämällä jäähdytyspumppuja kuormitus- ja säätietojen perusteella. Sadowski sanoi, että tämä toimii myös viimeisenä puolustuskerroksena Googlen turvallisuusstrategiassa, jossa yritys käyttää koneistustietoa ja riskipisteytystä tietoturvapinoaan selvittääkseen, onko järjestelmä vaarannettu ennustavan analyysin avulla.

"Google ottaa kaikki nämä kehittämämme ML- ja AI-mallit ja virittää ne turvallisuuden kannalta", Sadowski selitti. "Turvallisuus muuttuu paljon radikaalimmin kuin suurin osa IT-aloista. Tuotteet, jotka olivat tietoturvainfrastruktuurisi ydin kolme tai neljä vuotta sitten, kuten palomuurit ja päätepisteiden suojaus, ovat edelleen tärkeitä, mutta haluamme tarjota puolustusta syvällisesti, mittakaavassa ja oletus usean vuokralaisen infrastruktuurissa miljoonien päivittäin aktiivisten käyttäjien kanssa.

"Se alkaa taustalla olevasta datakeskuksen laitteistosta", Sadowski jatkoi. "Tämän lisäksi ovat sovelluspalvelut ja todennus täysin salatulla tiedolla ja viestinnällä. Tämän lisäksi on käyttäjän identiteetti. Ja viimeinen puolustuskerros on, kuinka toimimme ympäri vuorokauden tapahtuvassa seurannassa, havainnoinnissa ja tapahtumien reagoinnissa. Näin me ratkaise esimerkiksi turvallisen etäkäytön avulla identiteettivälitteinen välityspalvelin. Se on ohjelmallinen DLP-palvelu, joka etsii ja estää tiedon vuotamisen sekä auttaa tiedonhallinnassa ja turvallisuudessa. Pyrimme tekemään näistä ominaisuuksista helppoja, kuluttavia ja saamaan ne toimimaan mittakaavassa."

Älykkäämpi G-sviitti

ML on upotettu myös kaikkiin Googlen G Suite -tuottavuussovelluksiin. G Suite -sovelluksen johtaja Allan Livingston hajotti joitain tapoja, joilla AI tekee G Suite -sovelluksesta älykkäämmän ja kontekstuaalisemman käyttäjän edes ymmärtämättä sitä.

"Ajattele, kuinka G Suite yhdistää kaikki nämä sovellukset luonnollisesti integroidulla tavalla", Livingston sanoi. "Aloitat työsi yhdessä heistä ja kuljet tarvittaessa läpi. Voit avata Gmail-liitteen Drivessa, ja se vie sinut Dokumentteihin. Se on todella automaattinen.

"Yritämme poistaa sen ajattelun käyttäjän kannalta ja siihen sisältyy myös koneoppiminen. Aloitimme älykkäillä vastauksilla Inboxissa ja olemme menestyneet Gmailissa hyvin. Tämä on johtanut Tutki-ominaisuuteen Docsissa, Sheetsissä., ja dioja."

Viime syksynä käyttöön otettu Explore soveltaa luonnollista kielenkäsittelyä (NLP) sovelluksen sisäiseen tuottavuuskokemukseen. Docsissa Tutki antaa sinulle välittömiä ehdotuksia asiakirjan sisällön perusteella ja suosittelee automaattisesti niihin liittyviä aiheita ja resursseja. Diassa se tuottaa suunnittelusehdotuksia esityksen muotoilun vähentämiseksi. Mielenkiintoisin käyttötapaus on kuitenkin Sheetsissä. Livingston selitti, kuinka Explore käyttää ML: ää tietojen analysoinnin ja yritystietojen (BI) oivalluksen yksinkertaistamiseen.

"Monet käyttäjät eivät tiedä, millainen on niveltaulukko tai kuinka sitä voidaan käyttää tietosivun visualisointiin", Livingston selitti. "Oletetaan, että käsittelet asiakkaan myyntitietoja, jolloin jokainen rivi on myyty tuote. Tutki-toiminnolla voit kirjoittaa luonnollisilla kielillä kyselyitä, kuten 'Mikä on mustan perjantaan suosituin esine?' ja sylkee vastauksen, kuten "olet myynyt 563 paria housuja." Käsittelemme data-analyysiä tavalla, joka säästää aikaa tehdessään tietopohjaisia ​​päätöksiä, käyttämällä koneoppimista yleisen ongelman parantamiseksi luonnollisella tavalla."

Esittely Tutustu-ominaisuuteen Sheetsissä Google Cloud NEXT -konferenssista viime maaliskuussa.

Livingstonin mukaan Google aikoo laajentaa tällaista ML-pohjaista pilvihakua kolmansille osapuolille ja aloittaa ekosysteemin rakentamisen sen ympärille. Kattava idea on yleinen teema käytännöllisessä AI: ssä: manuaalisten prosessien automatisointi käyttäjien vapauttamiseksi luovammalle työlle. Tämä ajatus on useimpien ML-sovellusten sovellusten ydin: automatisoida toistettavat liiketoimintaprosessit ja päivittäiset tehtävät, mukaan lukien kurkkulajittelu.

"Yrityksissä ja kuluttajien kanssa käyttäjillä on nämä luonnolliset vuorovaikutusmallit. Siirtyminen pilveen ja mobiiliin tuottavuuteen todella muuttaa ihmisten työskentelytapoja, ja nämä sovelletut koneoppimistekniikat ovat siihen perustavanlaatuisia", Livingston sanoi. "Vahvuutemme vuoksi koneoppimisessa, tuotteistamme, jotka toimivat perustana, ja pilvissään olevien tietojen vuoksi olemme ainutlaatuisessa asemassa soveltaa sitä ja skaalata rajattomasti."

Koneoppimisen vallankumouksen voimistaminen

Kaiken, mitä Google tekee AI: n ympärillä, juuret ovat sen sovellusliittymissä, algoritmeissa ja avoimen lähdekoodin työkaluissa. Yrityksen TensorFlow-kirjasto on GitHubissa eniten käytetty ML-työkalu, kutukäyttösovelluksia, kuten Koiken kurkkulajittelija. Google Cloudin taustalla oleva sovellusliittymäpaketti - algoritmit, jotka kattavat tietokoneen näkemyksen, videotiedon, puheen ja NLP: n, ennustemallinnuksen ja suuren mittakaavan ML: n Google Cloud Machine Learning Engine -sovelluksen kautta - on tekniikka, joka virittää kaikki AI-ominaisuudet integroituna Googlen sovelluksiin ja palveluihin sekä nyt myös Google.ai-alusta.

Google Cloudin AI / ML-tiimin tuotepäällikkö Francisco Uribe toimii sen moottorin ytimessä, joka kirjoittaa uudelleen, miten Google toimii. Uribe valvoo Googlen edellä mainittua ML ASL: ää, laboratoriota, jossa on kiehtova ohjelma, jossa Google ML -asiantuntijat työskentelevät suoraan yritysten kanssa AI-ratkaisujen toteuttamiseksi. Käyttämällä Googlen sovellusliittymiä ja Cloud ML -moottoria laboratorio työskentelee yritysten kanssa kouluttaakseen ja ottaakseen käyttöön omat mallinsa tuotantoon.

Uribe on työskennellyt AI-tilassa yli kymmenen vuoden ajan. Hän perusti tietopohjaisen startup -yrityksen BlackLocus, joka rakensi automatisoidun hinnoittelumoottorin vähittäiskauppiaille, jonka Home Depot osti vuonna 2012. Sen jälkeen hän liittyi Googleen ja työskenteli neljä vuotta hakumainostiimissä, joka käytti ML: ää mainoskokemuksen parantamiseksi.. Vuonna 2016 hän siirtyi tutkijarooliin johtamalla ML ASL: ää ja toimiessaan mentorina Googlen Launchpad-kiihdyttimessä. Uribe kertoi olevansa yllättynyt jatkuvasti siitä, kuinka yritykset ja kehittäjät käyttävät Googlen työkaluja.

"Olemme nähneet käyttötapauksia kaikkialla - terveydenhuollosta ja rahoituksesta vähittäiskauppaan ja maatalouteen", sanoi Uribe. "Yritämme auttaa asiakkaita parantamaan havaintokykyä. Puheen kääntäminen, kuva-analyysi, video-sovellusliittymät, luonnollinen kieli: he ovat kaikki osa demokratisoitumisesta koneiden ja syvien oppimisalgoritmien pääsyyn, jotka ovat lopulta siirtyneet käytettävyyteen."

ML ASL on tehnyt yhteistyötä HSBC Bank plc: n, joka on yksi suurimpia pankki- ja finanssipalveluyrityksiä maailmassa, rahanpesun torjuntaa ja ennakoivaa luottotulosta koskevia ML-ratkaisuja. ML ASL on myös tehnyt yhteistyötä Fortune 500 -rahoituspalveluyritysten yhdysvaltalaisen United Services Automobile Associationin (USAA) kanssa kouluttaakseen organisaation insinöörejä ML-tekniikoista, joita sovelletaan tiettyihin vakuutusskenaarioihin. eBay käytti Googlen työkaluja ShopBot-digitaalisen avustajan kouluttamiseen. Kun ML ASL työskentelee yrityksen kanssa, Uribe selitti prosessin muodostavat neljä pilaria.

"Tarvitset vahvan laskentatarjouksen käsitelläksesi ML-töiden äärimmäisiä vaatimuksia, ja GCP: n hajautettu kuituoptinen runko siirtää tietoja solmusta solmuun erittäin tehokkaasti", sanoi Uribe. "Meillä on Cloud Machine Learning Engine, joka auttaa asiakkaita kouluttamaan malleja. Autamme asiakkaita toteuttamaan tietoja pääsemällä Kagglen yli 800 000 aktiivisen tietotekijän yhteisöön. Lopuksi tarvitset kykyä olla siellä, niin asioiden tutkimuspuolella, meillä on Brain Residents -ohjelma kouluttaaksemme insinöörejä monimutkaiselle ML-opetussuunnitelmalle. Näemme nämä rakennuspalikoina, jotka auttavat asiakkaita rakentamaan älykkäitä sovelluksia."

Tämä kaikki syötetään avoimen lähdekoodin yhteisöön ja kolmansien osapuolien ekosysteemiin, jota Google rakentaa AI-tekniikansa ympärille. Yhtiö jopa julisti ML-aloituskilpailun aiemmin tänä vuonna, joka myöntää ML: n startup-yrityksille jopa 500 000 dollarin sijoituksia. Uribe puhui joistakin innovatiivisista sovelluksista, jotka hän on jo nähnyt Googlen tekniikasta ja joissa muut mahdollisuudet saattavat olla.

"Oletetaan, että olet asiakaspalvelun analytiikkayritys. Ajattele puhesovellusliittymää puhelujen sisällön transkriptioon ja sitten tuntemusanalyysi asiakaspalvelun laadun parantamiseksi", Uribe sanoi. "Käytä visio-sovellusliittymää valokuvaamalla ulkomailla sijaitsevaa katunäkymää ja käännä sitten sovellusliittymä kääntääksesi sisällön reaaliajassa sovelluskokemuksen kautta. Kyse ei ole vain tehokkuuden lisäämisestä, vaan uusien ja ainutlaatuisten käyttökokemuksien luomisesta."

Uribe pitää TensorFlow-kaltaisia ​​työkaluja erinomaisena mahdollistajana ML: n laajamittaiseen käyttöönottoon markkinoilla. Näistä tekniikoista ei ole vain tullut ydintä siihen, millainen Google on ja kuinka teknologia jättiläinen lähestyy tuotekehitystä, vaan Uribe uskoo, että laajalti saatavilla oleva ML-tekniikka auttaa optimoimaan yrityksiä, avaamaan uusia tuloja ja keksimään uuden luokan älykkäitä sovelluksia.

"Ajattele sitä kuin uutta teollista vallankumousta", sanoi Uribe. "Näemme näiden työkalujen mahdollistavan tehokkuuden ja kertomusten suuruusluokan nousun, jota et ole koskaan ennen nähnyt. On hämmästyttävää nähdä kuinka Startup-yritykset soveltavat sitä. Katso Japanin kurkkuviljelijää. Hän rakensi TensorFlow-mallin luokittelumallin luomiseen. ja lajittelemalla kurkut kuvioiden, koon, tekstuurien jne. perusteella ja rakennettu sitten erikoistunut laitteisto sen toteuttamiseksi. Tämä demokratisoitumisen taso on uskomatonta nähdä ja olemme tuskin naarmuuntaneet pintaa."