Google Machine Learning blochează spamul cu o eficiență de 99,9%.

Într-o postare pe blog, Google a anunțat utilizarea învățării automate bazate pe TensorFlow pentru a bloca accesul spam-ului în Gmail.

Această tehnologie este capabilă să blocheze 99,9% din spam, ceea ce înseamnă 100 de milioane de mesaje spam suplimentare eliminate în fiecare zi.

„Unde am găsit aceste 100 de milioane de mesaje spam suplimentare? Acum blocăm categoriile de spam care înainte erau foarte greu de detectat. Utilizarea TensorFlow ne-a ajutat să blocăm e-mailurile cu imagini, e-mailurile cu conținut ascuns încorporat și e-mailurile de pe domenii nou create care încearcă să ascundă cantități mici de spam în traficul legitim.

Având în vedere că am blocat deja marea majoritate a spam-ului de pe Gmail, blocarea altor milioane cu o asemenea precizie este o realizare. TensorFlow ne ajută să prindem spammeri care trec pe furiș peste acest procent de mai puțin de 0,1%, fără a bloca accidental mesajele importante pentru utilizatori.”.

Google Lens a învățat să recunoască miliarde de obiecte

Google a anunțat că instrumentul său de fotografie AI, Lens, poate identifica acum peste un miliard de obiecte.

Aceasta este o creștere vizibilă a capacităților în comparație cu prima versiune a utilitarului, care a putut identifica inițial aproximativ 250 de mii de obiecte. Instrumentul a fost instruit în sistemul Google DeepMind.

În același timp, s-au obținut un miliard de articole din cele prezentate în Google Shopping. Asta înseamnă că printre ele nu poți găsi lucruri care nu sunt la vânzare. Nici măcar consolele de jocuri din anii 90 sau primele ediții de cărți vechi nu mai pot fi găsite prin Lens. Cu toate acestea, va fi ușor să găsiți o poziție printre bunurile moderne.

Google folosește inteligența artificială pentru a prezice întârzierile zborurilor

Informațiile despre întârzierile zborurilor sunt foarte utile, totuși, anunțul întârzierilor depinde adesea de compania aeriană, iar aceștia nu sunt întotdeauna interesați să actualizeze rapid informațiile. Acum Google vă va ajuta cu asta.

Compania și-a actualizat serviciul Zboruri, în care nu numai că a început să raporteze o posibilă întârziere a zborului, ci și să evalueze probabilitatea. Pentru a face acest lucru, sistemul de învățare automată utilizează date istorice pentru a prezice întârzierile și evidențiază zborurile dacă probabilitatea de întârziere este mai mare de 80%. În același timp, Google notează că tot nu ar trebui să întârzii la avion, pentru că nici măcar o probabilitate de 99% nu înseamnă că avionul nu va pleca conform programului. Dar o astfel de prognoză vă poate spune cât timp suplimentar aveți de petrecut la aeroport.

De asemenea, serviciul Google actualizat vă va ajuta să economisiți zboruri. Până acum, lucrează pentru 3 companii aeriene: American, Delta și United. Datorită noilor oportunități, este posibil să se estimeze costul serviciilor suplimentare la tarife low-cost, cum ar fi creșterea bagajelor de mână sau bagajele supraponderale și, de asemenea, să compare aceste cheltuieli cu costul biletelor obișnuite.

Vezi lamantinul din imagine?

Google folosește inteligența artificială nu doar pentru a-și îmbunătăți serviciile, ci și pentru a ajuta ecologiștii și oamenii de știință, confirmându-și încă o dată titlul de „corporație a binelui”.

Rețeaua neuronală open source TensorFlow a devenit inima unui proiect care ajută la conservarea populației de vaci marine sau lamantini.

În ciuda dimensiunilor lor impresionante, biologilor le poate fi dificil să-și urmărească mișcările. Pentru a face acest lucru, cercetătorii au realizat fotografii aeriene ale oceanului cu drone, dar găsirea chiar și a unor astfel de animale mari este o sarcină foarte dificilă. Pentru o persoană.

Iată una dintre aceste fotografii cu drone:

Vezi lamantinul de pe el?

Derulați în jos pentru un răspuns.

Folosind software-ul open source Google TensorFlow, cercetătorul Amanda Hodgson de la Universitatea Murdoch și echipa ei au creat un detector care găsește lamantini în imagini. Versiunile timpurii ale detectorului au putut găsi 80% dintre aceste animale într-o fotografie aeriană făcută de o dronă. În viitor, cercetătorii speră că AI își va îmbunătăți activitatea.

Oamenii de știință cred, de asemenea, că inteligența artificială poate fi adaptată pentru a căuta alte mamifere mari, cum ar fi balenele cu cocoașă și chiar delfinii.

Inteligența artificială Google ocolește Bing și Siri în testul IQ

Trei cercetători, Feng Liu, Yong Shi și Ying Liu, au dezvoltat un test de IQ menit să testeze diferite sisteme AI.

Conform rezultatelor lor, IA de la Google s-a dovedit a fi cea mai inteligentă, câștigând 47,8 puncte. Pentru comparație, indicatorul unui tânăr de 18 ani este de 96 de puncte, iar al unui tânăr de șase ani - 55,5.

Principalii concurenți ai Google au rămas destul de vizibil în urma lui. Deci, Bing și Baidu au obținut 31,98 și, respectiv, 32,92 puncte. Siri de la Apple a fost cel mai prost, cu un scor de 23,9.

Cercetătorii au observat că, deși cea mai bună inteligență artificială nici măcar nu ajunge la vârsta de șase ani, ei reduc rapid diferența. În 2014, inteligența artificială Google și Baidu au obținut 26,5 și, respectiv, 23,5 puncte. Aceasta înseamnă o creștere cu 80% a inteligenței în doar doi ani (pentru Google), așa că preocupările lui Elon Musk cu privire la înrobirea noastră cu propriile computere ar putea să nu fie atât de nefondate.

De asemenea, studiul împarte inteligența artificială în gradații și tipuri, în funcție de direcția de utilizare. Cu o cercetare completă, poți vezi acest link.

Google a vorbit despre a doua generație de TPU

În cadrul conferinței Google I/O, organizatorii au demonstrat a doua generație a procesorului tensor (TPU), care este folosit în inteligența artificială a companiei.

Noul model de procesor poate fi folosit atât pentru antrenament, cât și pentru găsirea de relații. Și un sistem de patru noi Cloud TPU-uri promite 180 de teraflopi de performanță de învățare automată. Potrivit Google, cipul este semnificativ mai eficient decât soluțiile bazate pe GPU, în legătură cu care compania plănuiește să ofere platforma Cloud dezvoltatorilor comerciali.

În ceea ce privește performanța, Google a explicat că este nevoie de o zi întreagă pentru a antrena un model mare de traducere a limbii pe 32 de GPU-uri de top. Aceeași muncă durează 6 ore pe o optime din cluster sau pe 8 TPU.

Prima generație de TPU a fost introdusă de Google în 2015. Aceste procesoare sunt utilizate într-o gamă largă de servicii cloud ale companiei, inclusiv căutare, traducere și Google Photos.

Google TPU procesează datele de 15 ori mai rapid decât componentele convenționale

În urmă cu doi ani, Google și-a creat propriul circuit integrat numit Tensor Processing Unit, care este dedicat fazei de calcul a sarcinilor de învățare automată.

Compania a raportat inițial că TPU-urile ar trebui să îmbunătățească performanța pe watt în sarcinile generice de până la 10 ori față de procesoarele și GPU-urile tradiționale. Și acum, după ce a câștigat experiență operațională, compania a efectuat un studiu al impactului performanței cipurilor de acest tip.

S-a dovedit că câștigul de 10 ori în eficiența energetică a fost prea modest. De fapt, performanța a crescut de la 30 la 80 de ori față de soluțiile convenționale și în funcție de scenariu. În ceea ce privește performanța directă, Google spune că TPU este de 15 până la 30 de ori mai rapid decât hardware-ul standard.

Acest procesor rulează un software special bazat pe cadrul de învățare automată TensorFlow, iar o parte din această accelerare este asociată cu acest cadru. Autorii studiului au remarcat că programatorii mai au o marjă de optimizare.

Google a văzut nevoia de TPU acum 6 ani. Compania folosește învățarea profundă într-o varietate de proiecte, inclusiv căutare de imagini, fotografie și traducere. Prin natura sa, învățarea automată este un proces care necesită mult resurse. De exemplu, inginerii Google au remarcat că dacă oamenii ar folosi recunoașterea vorbirii timp de 3 minute pe zi și ar fi efectuată fără TPU, atunci compania ar trebui să dubleze numărul de centre de date.

Google va oferi o mărire a imaginii de la Hollywood

Conceptul de îmbunătățire a unei imagini pixelate ne este familiar din multe filme de la Hollywood, dar, așa cum este aproape întotdeauna cazul, tehnologiile reale sunt departe de cinema. Cu toate acestea, inginerii de la Google Brain au venit cu o modalitate de a aduce science fiction mai aproape de realitate.

Noua tehnologie folosește o pereche de rețele neuronale care procesează imagini de 8x8 pixeli pentru a recrea chipul uman ascuns în spatele ei. Desigur, rețelele neuronale nu măresc imaginea fără pixelare, ci creează una nouă care ar putea arăta ca originalul.

După cum am menționat mai sus, două rețele neuronale sunt implicate în procesul de reconstrucție a feței. Primul mapează o imagine de 8x8 pixeli într-o imagine similară, dar cu o rezoluție mai mare. Această imagine este folosită ca schelet pentru o a doua plasă care adaugă mai multe detalii imaginii pe baza imaginilor existente cu hărți de pixeli similare. Imaginile rezultate ale celor două rețele sunt apoi combinate pentru a crea imaginea finală.

Desigur, imaginea recreată este departe de realitate, așa că această tehnologie este inutilă pentru serviciile speciale, dar va fi utilă atunci când procesați imagini când este necesară o mărire extremă.

Tehnologia Google RAISR multiplică de patru ori traficul de imagini

Aproape toate tarifele pentru telefoanele mobile sunt limitate la utilizarea lățimii de bandă, iar Google și-a propus să reducă în mod semnificativ consumul prin dezvoltarea tehnologiei de compresie a imaginii RAISR (Rapid and Accurate Image Super-Resolution).

Practic, această tehnologie nu este o metodă tradițională de compresie, este mai mult ca o formă de artă pe care o face un sistem de învățare automată. Deci, RAISR mărește miniaturile imaginilor obținute la rezoluție mai mică, folosind algoritmi speciali de învățare automată. În cele din urmă, inteligența artificială restabilește detaliile lipsă, readucând imaginea la aspectul inițial. Drept urmare, traficul de transmisie a imaginilor poate fi redus cu până la 75% față de originalul, păstrând în același timp majoritatea detaliilor vizibile.

Până acum, Google oferă această tehnologie doar pentru serviciul Google+ și doar pentru imaginile postate pe serviciu. „În următoarele săptămâni”, compania va extinde domeniul de aplicare al tehnologiei pentru a include celelalte servicii ale sale.

Nu se știe dacă Google va folosi această tehnologie doar pentru serviciile sale sau o va distribui ca Brotli, dar cu siguranță ne-am dori să o vedem să funcționeze pe astfel de site-uri încărcate de imagini precum rețelele sociale și cumpărăturile online.

Inteligența artificială Google și-a inventat propriul limbaj

Nu trebuie să intrați în panică, dar inteligența artificială a Google și-a creat accidental (sau nu) propriul limbaj secret. Și acest limbaj a fost inventat de Neural Machine Translation (NMT) independent, fără intervenția umană.

Google a introdus un nou motor de traducere neuronală în septembrie și a fost introdus abia recent. Noul sistem vă permite să traduceți propoziții ca întreg, fără a le împărți în părți și a transmite mai bine sensul. Sistemul NMT este de auto-învățare, ceea ce înseamnă că se auto-îmbunătățește pe măsură ce merge mai departe.

Sistemul a fost folosit mai întâi pentru a îmbunătăți traducerea din engleză în coreeană și invers, iar apoi din engleză în japoneză și invers. Inginerii au fost curioși să vadă dacă aparatul ar putea traduce text din coreeană în japoneză, fără engleză între ele. Și răspunsul a fost da, mașina a tradus textul direct.

Cum a reușit Google AI acest lucru este puțin clar. S-a dovedit că NMT și-a creat propriul limbaj intern, „interlingua”. Funcționează cu concepte și structuri de propoziții, nu cu cuvinte echivalente. Drept urmare, NMT produce traduceri mai precise decât oricând. Creatorii traducătorului automat neuronal nu sunt siguri de principiile rețelei neuronale și nu pot spune cum a fost efectuat antrenamentul traducerii directe între limbi. Cu alte cuvinte, inteligența artificială a Google și-a creat propriul limbaj pe care noi, oamenii, nu îl putem înțelege pe deplin.

Google Translate a devenit mai inteligent

Google spune că a făcut traducerea automată mai naturală, oferind-o smartphone-urilor și aplicațiilor web.

Gigantul căutării a remarcat că acum folosește „traducere automată neuronală”, care vă permite să traduceți întreaga propoziție, în loc să o împărțiți în părți și apoi să o traduceți. Drept urmare, textul rezultat este mai natural, are sintaxă și gramatică mai bune.

„S-au făcut mai multe îmbunătățiri într-o singură schimbare decât în ​​toți cei 10 ani”. Barack Turowski, lider de produs pentru Google Translate, a declarat.

Pe lângă limba engleză, noul sistem de traducere este disponibil pentru opt din cele 103 limbi acceptate de sistem. De exemplu, traducerea neuronală acceptă franceză, germană, spaniolă, portugheză, chineză, japoneză, coreeană și turcă. Compania a remarcat că aceste limbi reprezintă 35% din toate traducerile efectuate de serviciu. Potrivit lui Turowski, această metodă poate reduce erorile cu 55% până la 85%.

Google a învățat să răspundă la întrebări dificile

Odată cu dezvoltarea sistemelor inteligente la Microsoft și Apple, Asistentul Google arată și un progres. Așadar, compania în blogul său a raportat că acum aplicația Google a devenit mult mai inteligentă, pentru că acum înțelege și răspunde la întrebări dificile cărora nu le putea face față înainte.

De acum înainte, Google poate înțelege semnificația din spatele întrebării, precum și scopul întrebării adresate.

De exemplu, asistentul virtual înțelege acum:

• Gradul comparativ (cel mai mare, cel mai mare etc.);
• Interogări ordonate (Cine este cel mai înalt jucător Maverick?);
• Conexiuni temporare (Ce melodie a înregistrat Taylor Swift în 2014?);
• Combinații complexe (Care era populația Statelor Unite când s-a născut Bernie Sanders?).

Dacă aveți aplicația Google corespunzătoare pe smartphone sau tabletă, atunci îi puteți adresa deja întrebări atât de dificile. Desigur, căutarea informațiilor pe un smartphone nu este foarte convenabilă, dar dacă acum poți vorbi cu ea ca o persoană, atunci de ce să nu o folosești mai des.

Google deschide codul sursă pentru sistemul de învățare automată

Pentru a atrage cât mai mulți dezvoltatori și pentru a accelera dezvoltarea tehnologiei, Google a decis să deschidă un motor de inteligență artificială cunoscut sub numele de TensorFlow.

Compania lucrează la acest proiect de ceva timp, iar sistemul a reușit să dea roade, de exemplu, în Google Photos, permițând identificarea persoanelor și a locurilor în imagini. Tehnologia funcționează și în clientul de e-mail Inbox, care scanează e-mailul pentru a facilita pregătirea răspunsurilor.

CEO-ul Google, Sundar Pichai, a scris pe blogul său: „Cu doar câțiva ani în urmă, nu puteai comanda aplicația Google în zgomotul străzii, nici nu puteai citi semnele în rusă folosind Google Translate sau nu puteai găsi instantaneu imagini cu Labradoodle-ul tău în Google Foto. Aplicațiile noastre nu erau suficient de inteligente. Dar într-o perioadă scurtă de timp, au devenit mult, mult mai deștepți. Acum, datorită învățării automate, puteți face toate aceste lucruri destul de ușor.”.

Directorul a notat că sistemul „TensorFlow este mai rapid, mai inteligent și mai flexibil decât vechiul nostru sistem, astfel încât poate fi adaptat la produse noi mult mai ușor și mai bogat. Am deschis și codul TensorFlow astăzi. Sperăm că acest lucru va permite comunității de învățare automată, de la academicieni la ingineri și la pasionați, să facă schimb de idei mult mai rapid prin codul de lucru, mai degrabă decât doar studierea documentelor.”.

Google a îmbunătățit recunoașterea vorbirii

Dintre toate companiile mari care folosesc funcții de voce, Google se remarcă. Spre deosebire de Siri de la Apple și Microsoft Cortana, Google nu își personalizează asistentul vocal. În plus, Google are un algoritm de recunoaștere mai bun, care a primit acum îmbunătățiri suplimentare.

Într-o postare recentă pe Google Research Blog, un purtător de cuvânt al echipei de cercetare a vorbirii a vorbit despre cele mai recente modificări ale algoritmului de recunoaștere. Compania folosește deja o rețea neuronală profundă, tocmai cea cu care obțin poze ciudate cu „vise” de inteligență artificială, pentru a înțelege ce anume încerci să spui telefonului tău. Acum firma a dezvoltat și a început să folosească o rețea neuronală recursivă. Noul algoritm de modelare a vorbirii ține cont de dependențele temporale, care, spun ei, permit o analiză mai bună a fiecărei bucăți audio, referindu-se la sunetele primite.

Ca rezultat, utilizatorii vor experimenta o recunoaștere a vorbirii mai rapidă și mai precisă. De asemenea, compania susține că noul algoritm este mai rezistent la recunoaștere în medii zgomotoase. Noul algoritm de recunoaștere a vorbirii a fost deja lansat pentru aplicațiile de căutare pe iOS și Android, precum și pentru tastarea vocală.

Google dezvoltă un algoritm pentru calcularea caloriilor dintr-o fotografie

Google a depus un brevet pentru tehnologia Im2Calories, care analizează o fotografie a alimentelor și estimează numărul aproximativ de calorii din acel aliment.

Tehnologia Im2Calories se bazează pe o serie de algoritmi de inteligență artificială, iar instrumentul de analiză foto, desigur, nu este foarte precis, va estima numărul aproximativ de calorii din alimente din poza făcută.

Acest proiect este încă în dezvoltare, iar apariția lui este așteptată abia peste câțiva ani. Este probabil ca pe viitor Im2Calories să fie prezentat sub formă de aplicații pentru Android și iOS.

Un alt loc interesant pentru utilizarea algoritmului va fi Twitter și Instagram, deoarece aici oamenii postează cel mai adesea poze cu mâncarea lor. Utilizarea facilității pe propria sa rețea Google+ este puțin probabilă, deoarece gigantul căutării are puțin interes în sprijinirea platformei.

Acum puteți găsi aplicații similare pentru ambele platforme mobile populare, dar nu există nicio îndoială că Google va putea realiza un produs mai bun, datorită sistemelor excelente de inteligență artificială dezvoltate de companie.

Un computer inteligent este la fel de complet ca și oamenii care îl predau.

Robert Ito

Pentru trecut trei veri, aproximativ două duzini de potențiali informaticieni au venit la Universitatea Stanford pentru a afla despre inteligența artificială de la unii dintre cei mai străluciți din domeniu. Participanții, selecționați din sute de candidați, fac excursii de o zi la companii de tehnologie din apropiere, interacționează cu roboți sociali și hexacoptere și învață despre lingvistica computațională (ce fac mașinile atunci când cuvintele au mai multe semnificații, de exemplu) și despre importanța managementului timpului (foarte) ... Ei joacă frisbee. Dar dacă imaginea ta mentală a AI este o grămadă de tipi care creează inamici mai vicleni pentru jocurile lor video preferate, ei bine, asta nu este asta. Toți studenții de aici, la programul de vară al laboratorului de inteligență artificială Stanford (SAILORS) sunt fete care tocmai au absolvit clasa a IX-a, iar studiile lor se concentrează pe găsirea de modalități de a îmbunătăți viața, nu de a-și îmbunătăți jocul: Cum folosim AI pentru a menține jumbo avioanele care se îndreaptă unul în celălalt? Pentru a vă asigura că medicii se spală pe mâini înainte de a lovi sala de operație? „Scopul nostru a fost să regândim educația AI într-un mod care să încurajeze diversitatea și studenții din toate categoriile sociale”, spune Fei-Fei Li, director al laboratorului AI din Stanford și fondator al programului SAILORS. „Când ai o gamă diversă de viitori tehnologi, le pasă cu adevărat că tehnologia este folosită pentru binele umanității.”

„Când ai o gamă diversă de viitori tehnologi, le pasă cu adevărat că tehnologia este folosită pentru binele umanității.”

Google și Stanford

SAILORS a fost creat în 2015 de Li și fosta studentă Olga Russakovsky (acum profesor asistent la Universitatea Princeton) pentru a ajuta la aducerea unei egalități mai mari de gen în industria tehnologiei. Cauza este atât nobilă, cât și urgentă. Potrivit unui sondaj recent, numărul femeilor care caută diplome în informatică este în scădere; în sectorul AI, femeile dețin mai puțin de 20 la sută din funcțiile executive. Este un domeniu enorm de exclus, având în vedere că, în fiecare zi, din ce în ce mai mulți oameni folosesc AI pentru a-și face viața mai ușoară și mai eficientă: AI este modul în care aplicațiile foto vă recunosc fața printre toți ceilalți, ca să nu mai vorbim de plajă. unde ai făcut poza. Așa te înțeleg dispozitivele tale când întrebi ce vreme va fi mâine. Apoi sunt aplicațiile mai puțin cunoscute, cum ar fi diagnosticarea retinopatiei diabetice (care duce adesea la orbire) sau trimiterea unei drone într-o misiune de căutare și salvare în cele mai îndepărtate zone ale lumii.

Pe măsură ce IA devine din ce în ce mai omniprezentă, nevoia de echilibru de gen în domeniu crește dincolo de corectitudinea diversității cauzei este o piesă crucială a AI datorită naturii învățării automate. Un obiectiv al AI este de a determina mașinile să îndeplinească sarcini pe care oamenii le fac în mod natural: recunoașterea vorbirii, luarea deciziilor, diferența dintre un burrito și o enchilada. Pentru a face acest lucru, mașinile sunt alimentate cu cantități mari de informații - adesea milioane de cuvinte sau conversații sau imagini - la fel cum toți absorbim informații, în fiecare moment de veghe, de la naștere (în esență, aceasta este învățarea automată). Cu cât o mașină vede mai multe mașini, cu atât este mai priceput să le identifice. Dar dacă acele seturi de date sunt limitate sau părtinitoare (dacă cercetătorii nu includ, să zicem, imagini cu Trabant) sau dacă oamenii din AI nu văd și nu țin cont de acele limite sau părtiniri (poate că nu sunt cunoscători ai lucrurilor obscure). Automobilele est-germane), mașinile și producția vor fi defecte. Se întâmplă deja. Într-un caz, software-ul de recunoaștere a imaginilor a identificat fotografiile asiatice ca clipind.

„Nu este vorba doar despre transparența datelor. De fapt, trebuie să facem cifrele să se miște în direcția corectă.”

Proiect include

Cum creează oamenii laboratoare și spații de lucru mai incluzive? O serie de proiecte și persoane își asumă această provocare. Anul acesta, Li, care este și om de știință șef al AI și al învățării automate la Google Cloud, și alții au ajutat la lansarea AI4ALL. Organizația națională nonprofit își propune să aducă o mai mare diversitate AI și a angajat experți în genomică, robotică și sustenabilitate ca mentori. Se bazează pe munca SAILORS, dar vizează și persoane de culoare și studenți cu venituri mici din întreaga țară prin parteneriate cu Princeton, UC Berkeley și Carnegie Mellon, pe lângă Stanford. „Am avut o mulțime de colegi și lideri din industrie care au venit la noi și ne-au spus: „SAILORS este grozav, dar Stanford servește doar câteva zeci de studenți pe an, majoritatea din Bay Area”, spune Li. „Așadar, AI4ALL este despre diversitate și incluziune. Nu este vorba doar de gen.”

AI și ML

Care este diferența?

Termenii inteligență artificială (AI) și învățare automată (ML) sunt adesea folosiți interschimbabil, dar nu sunt același lucru. Inteligența artificială descrie capacitatea mașinilor de a imita aparent moduri umane de gândire, învățând pe măsură ce merg, spre deosebire de a urma comenzi specifice. ML este una dintre cele mai eficiente și populare tehnici pe care computerele le folosesc pentru a obține această capacitate. În ML, mașinile cern prin exemple pentru a recunoaște tipare.

Alte inițiative similare includ Code Next, efortul Google de la Oakland de a încuraja studenții latino-americani și afro-americani să exploreze cariere în tehnologie; DIY Girls, un program educațional și de mentorat STEAM (știință, tehnologie, inginerie, artă și matematică) pentru comunitățile cu resurse insuficiente din Los Angeles; și Project Include, care ajută startup-urile noi și de mijloc să angajeze mai multe femei și oameni de culoare. Tracy Chou, fosta Pinterest, a fondat Project Include anul trecut împreună cu alte șapte femei proeminente din industria tehnologiei. În 2013, Chou a îndemnat companiile tehnologice să clarifice câte femei au angajat. Pe măsură ce cifrele s-au scurs, au confirmat ceea ce toată lumea din Silicon Valley știa: lumea tehnologiei, de la cea mai mare corporație până la cea mai mică startup, este copleșitor de albi și bărbați. Proiectul Include, spune Chou, a fost următorul pas logic. „După câțiva ani în care aceste rapoarte de date au apărut și nu au avut loc multe schimbări, a început să existe o schimbare în conversație”, spune ea. „Acum nu este vorba doar de a avea transparență în date. De fapt, trebuie să facem cifrele să se miște în direcția corectă.”

Această direcție include ca munca în domeniul AI să fie mai accesibilă maselor. Există relativ puțini oameni angajați în AI și deja vedem roboți care au grijă de oameni și asistenți personali care ne anticipează nevoile. Cu oamenii controlând datele și criteriile și mașinile care fac munca, o contribuție umană din ce în ce mai mare înseamnă rezultate din ce în ce mai mari.

In multe feluri, democratizarea AI este deja pe drum. Luați acest exemplu: în Japonia, fiul unui fermier a folosit inteligența artificială pentru a sorta recolta de castraveți a familiei sale după diferite caracteristici. Este genul de poveste care o atrage pe Li, care a venit în SUA din China la vârsta de 16 ani, știind puțin despre țara ei de adopție și cu atât mai puțin despre New Jersey, unde a ajuns. După ce a lucrat la o varietate de slujbe ciudate, de la curățenie la case la plimbări de câini la casierie la un restaurant chinezesc, Li s-a trezit la Princeton, iar mai târziu la școala absolventă la Caltech.

Li vine la munca ei ca o triplă străină: un imigrant, o femeie și o persoană de culoare într-o lume dominată de bărbați albi. Ceea ce ar fi putut fi obstacole pentru oricine altcineva au devenit niște provocări pentru Li. Ea își petrece mult timp studiind viziunea computerizată, o componentă a învățării automate pe care o numește „aplicația ucigașă a AI”. Viziunea computerizată analizează și identifică datele vizuale și poate ajuta într-o zi la crearea unor membre robotice mai receptive, să zicem, sau la rezolvarea celor mai complicate dovezi matematice. Dar, ca și în cazul tuturor AI, cheia acestei tehnologii este să învețe mașinile să despacheteze o mulțime de informații din diferite locuri și perspective. Să fie, în esență, cetățeni vizuali ai lumii - nu spre deosebire de Li.

Încurajarea unui grup divers de creatori pentru a modela acea lume este esențială pentru felul de povești și probleme tehnice pe care strateg-ul de conținut Diana Williams le întâmpină în fiecare zi la ILMxLAB, centrul de vis ultrasecret Lucasfilm în care dezvoltatorii creează divertisment captivant, interactiv - o întâlnire VR cu Darth Vader, poate inspirat din vastul univers Star Wars. Williams este profund implicată în organizații pro-tech precum Black Girls Code și își amintește de lipsa femeilor de culoare la colegiul ei în anii '80. „Întotdeauna am fost singurul din orele mele de matematică, singurul din orele mele de afaceri”, spune ea. „Asta devine obositor și devine înfricoșător”. Soluția ei de a îndrepta mai multe femei către tehnologie: „Începe-le tineri și întărește-le în încrederea lor, astfel încât atunci când intră în cameră și sunt singurele acolo, să nu se întoarcă.”

Maya Gupta, un cercetător în învățare automată la Google, lucrează pentru a îmbunătăți AI, deși dintr-un unghi diferit. La Stanford, ea a ajutat o companie norvegiană să detecteze fisuri în conductele sale de gaz subacvatice. „Nu poți intra foarte bine acolo, așa că a trebuit să folosim informații parțiale pentru a încerca să ghicim”, spune ea. Învățarea mașinilor să facă presupuneri nuanțate este un teren familiar lui Gupta. Dacă ești pe YouTube, asculți „Truth” al saxofonistului tenor Kamasi Washington, iar muzica trece fără efort în minunatul „Turiya and Ramakrishna” al Alicei Coltrane, precum munca celui mai deștept DJ pe care nu l-ai cunoscut niciodată, mulțumește-i lui Gupta, a cărui echipă ajută computerele. acordați-le recomandările. „Totul este despre predicție, nu?” ea spune. „Încerci să ghiciți ce se întâmplă cu date limitate.”

Astăzi, ea conduce o echipă de cercetare și dezvoltare la Google pentru, printre altele, a crea o mai mare acuratețe în învățarea automată. „Să spunem că vreau să fiu la fel de precis în identificarea unui accent din Boston și al unui accent din Texas, dar am un dispozitiv de recunoaștere a vorbirii care este puțin mai bun la cel din Texas”, spune ea. „Ar trebui să penalizez oamenii cu accent texan făcând recunoașterea la fel de proastă ca și pentru Boston, pentru a fi corect? Și ce se întâmplă dacă pur și simplu este mai greu să recunoști oamenii care vorbesc cu accent Boston?”

Gupta și echipa ei rafinează și sisteme care ar fi infinit mai transparente decât designerii lor pe bază de carbon. Cu mașini, se spera, putem elimina multe dintre prejudecățile sau procesele subconștiente care afectează gândirea umană - sau cel puțin le putem recunoaște mai ușor atunci când apar. Aparatele nu își pierd concentrarea atunci când sunt obosite, iritabile sau înfometate. Un studiu a arătat că judecătorii sunt mai puțin predispuși să acorde eliberarea condiționată chiar înainte de prânz, atunci când se gândesc la sandvișuri, mai degrabă decât la bare laterale. „Este greu de măsurat ce se întâmplă cu adevărat în mintea oamenilor”, spune Gupta. „Vrem ca sistemele noastre de învățare automată să fie explicabile și, sincer, multe dintre ele sunt deja mai explicabile decât oamenii.”

„Vrem ca sistemele noastre de învățare automată să fie explicabile și, sincer, multe dintre ele sunt deja mai explicabile decât oamenii.”

Pe măsură ce AI devine din ce în ce mai utilă - ca să nu mai vorbim mai ușor de utilizat - se activează împingerea pentru a o pune în cât mai multe mâini posibil. Christine Robson, un cercetător IBM înainte de a veni la Google, este o campioană entuziastă a software-ului open source precum TensorFlow, un sistem de învățare automată care poate fi folosit pentru o serie de sarcini, de la traducerea limbilor până la depistarea bolilor până la crearea de artă originală.

Pentru Robson, incluziunea în inteligența artificială înseamnă a face instrumentele sale accesibile pentru mai mult decât doar tocilari auto-proclamați de matematică ca ea. „Sunt încântată de disponibilitatea învățării automate în lume”, spune ea. „Vorbim mult despre democratizarea învățării automate, dar sunt un mare credincios în acest lucru. A face aceste instrumente cu adevărat ușor de utilizat și a face aceste tehnici posibile pentru toată lumea să le aplice, este atât de esențial.”

Literatură SFși filmul au oferit de mult exemple de inteligență artificială care a mers prost (a lui Mary Shelley Frankensteinîmplinește 200 de ani anul viitor). Astăzi, mulți din industrie, inclusiv Li, Robson și Chou, sunt mai puțin preocupați de ceea ce ne-ar putea face AI și mai mult de ceea ce am putea face noi, oamenii, AI. Un exemplu: programatorii oferă asistenților virtuali o voce feminină, deoarece, ei bine, bărbații și femeile tind să o prefere una. „Dar perpetuează ideea că asistenții sunt femei, așa că atunci când ne angajăm cu aceste sisteme, întărește această părtinire socială”, spune Chou. Multe dintre cele mai bune minți din domeniu se îngrijorează de ceea ce se întâmplă în sistemele AI din viața reală și, prin urmare, de ceea ce va apărea. Aici intervine impulsul pentru o mai mare diversitate în AI. Puțin din asta va fi ușor. Dar susținătorii săi sunt inteligenți, plini de resurse și dedicați cauzei.

„Este atât de esențial să faceți aceste instrumente AI cu adevărat ușor de utilizat și să faceți aceste tehnici posibile pentru toată lumea să le aplice.”

Trebuie să ne asigurăm că toată lumea se simte binevenită, spune Gupta. Ea își amintește de peretele cu fotografii ale profesorilor pensionari de inginerie electrică de la alma mater Rice, care „nu semăna cu mine”. Trebuie să convingem fetele că AI „nu este magie, adaugă Robson”, „este matematică”.

La SAILORS, studenții învață cum să folosească procesarea limbajului natural pentru a căuta în rețelele sociale și pentru a ajuta la asistența în caz de dezastru. „Ar ajuta salvatorii să descopere oameni care au nevoie în timp real, folosind mesajele lor Twitter”, spune Li. Efectele cursurilor și proiectelor durează cu mult peste verile de neuitat. Unii dintre elevi și-au înființat propriile cluburi de robotică la școală, au publicat articole în reviste științifice și au susținut ateliere în școlile gimnaziale pentru a răspândi Evanghelia IA la fetele și mai mici. Pentru acești studenți, ale căror medii și experiențe sunt la fel de diverse ca nenumăratele proiecte pe care le-au abordat în tabără, AI nu este cel mai recent gadget cool, ci o forță puternică spre bine. În perioada premergătoare primei reuniuni SAILORS din 2015, programul a împărtășit mesaje de la camperii sosiți, inclusiv această dorință ambițioasă: „Sper să-mi încep călătoria AI acum, ca să pot avea un impact asupra lumii în viitor”.

Robert Ito este un scriitor cu sediul în Los Angeles. El este un colaborator frecvent la New York Times, Salon, și Los Angeles revistă.

Google a deschis un nou centru de cercetare la Zurich, Google Research, care se va concentra pe inteligența mașinilor. Acum este unul dintre cele mai mari centre de cercetare în domeniul inteligenței artificiale din afara Statelor Unite. Deschiderea sa este asociată cu o nouă strategie Google, care presupune implementarea activă a inteligenței mașinilor în servicii și aplicații. Deja astăzi, compania folosește evoluțiile din acest domeniu în produse precum Translate și Photos. Iar la conferința Google I/O 2016 au fost prezentate un messenger și un dispozitiv smart home, care folosesc și inteligența mașinilor. Odată cu deschiderea unui nou centru de cercetare la Zurich, Google intenționează să facă o descoperire semnificativă în acest domeniu. Am reușit să asistăm la deschiderea acestui centru și să aflăm cum și de ce compania dezvoltă inteligența artificială.

Cum construiește Google inteligența artificială?

Centrul de cercetare, care s-a deschis la Zurich, se va concentra pe dezvoltarea în trei domenii cheie pentru inteligența artificială: învățarea automată, percepția automată și procesarea și înțelegerea naturală a vorbirii. Toate acestea sunt necesare pentru a crea următoarea generație de computere care pot învăța de la oameni și din lumea din jurul lor.

Învățare automată

Inteligența automată sau inteligența artificială este adesea confundată cu învățarea automată și, deși nu poate exista primul fără al doilea, ele se bazează pe principii ușor diferite. În sine, conceptul de „inteligență artificială” implică crearea unui computer care gândește, în timp ce „învățarea automată” este dezvoltarea computerelor care pot învăța. „Programarea unui computer pentru a fi inteligent poate fi mai dificilă decât programarea unui computer pentru a învăța să fie inteligent”, explică Greg Corrado, cercetător senior Google pentru învățarea automată.

Fiecare utilizator de e-mail Gmail poate experimenta învățarea automată astăzi. În timp ce filtrul de spam al serviciului urmărea reguli stricte de cuvinte cheie, astăzi învață din exemple. Este din ce în ce mai bun prin filtrarea e-mailurilor. Acesta este unul dintre cele mai simple cazuri de utilizare pentru învățarea automată, dar astăzi Google construiește deja sisteme de auto-învățare mai sofisticate.

Pentru a face acest lucru, compania folosește trei metode de învățare automată:

1. Învățare supravegheată- aceasta este invatarea prin exemplu, in felul in care filtrul de spam Gmail filtreaza corespondenta, primind din ce in ce mai multe exemple de mesaje spam. Singura problemă cu această metodă: pentru ca ea să fie eficientă, trebuie să aveți un număr mare de exemple gata făcute.

2. Învățați fără profesor- aceasta este gruparea datelor, computerul este prevăzut cu obiecte fără descriere și încearcă să găsească modele interne, dependențe și relații între ele. Deoarece datele nu au inițial desemnări, nu există niciun semnal de eroare sau recompensă pentru sistem și nu cunoaște soluția corectă.

3. Consolidarea învățării- Această metodă este asociată cu „învățarea cu profesorul”, dar aici datele nu sunt doar introduse într-un computer, ci sunt folosite pentru a rezolva probleme. Dacă decizia este corectă, atunci sistemul primește un răspuns pozitiv, de care își amintește, întărindu-și astfel cunoștințele. Dacă soluția este greșită, atunci computerul primește un răspuns negativ și trebuie să găsească o altă modalitate de a rezolva problema.

Astăzi, Google folosește în principal metoda „învățării cu un profesor” pentru serviciile sale, totuși, compania notează că „învățarea prin consolidare” poate avea și mai mult potențial. Combinația celor două a fost folosită pentru a crea inteligența artificială AlphaGo, care a fost capabilă să-i învingă pe jucătorii profesioniști de go. Mai întâi, computerul l-a învins pe campionul european la go Fan Hui (al 2-lea dan) cu scorul de 5-0, iar apoi a jucat cu Li Sedol, un jucător de 9 dan (cel mai mare rang în go), iar din nou scorul final a fost 4 -1 persoană nu este în favoare.

De ce este victoria inteligenței artificiale în jocul go atât de importantă pentru dezvoltarea învățării automate? Faptul este că jocul în sine este foarte dificil pentru un computer. Go folosește o tablă goban de 19x19 linii, pe care un jucător plasează pietre negre, iar celelalte pietre albe, în încercarea de a captura cât mai mult din tablă. Spre deosebire de șah, unde fiecare piesă are o poziție clar definită și se mișcă, jucătorii în go sunt limitați doar de tablă. Prin urmare, în timpul jocului, aceștia folosesc nu numai cunoștințele, ci și intuiția. Pentru un computer, o complexitate suplimentară este numărul mare de poziții posibile (10 ^ 170) și este, de asemenea, dificil pentru un computer să evalueze cine câștigă jocul.

Prin urmare, au fost dezvoltate două rețele neuronale pentru AlphaGo. Prima se numește „rețea de valori”, evaluează poziția pietrelor pe teren cu numere de la -1 la 1 pentru a determina care pietre sunt în frunte: albe (-1) sau negre (1). Dacă poziția este echilibrată și fiecare jucător poate câștiga, atunci valoarea va fi aproape de 0. Rețeaua neuronală scanează tabla și evaluează poziția pietrelor, după care începe să înțeleagă cât de favorabil sunt situate pietrele albe și negre. . A doua rețea neuronală a fost numită „rețeaua politicienilor”. Pe baza datelor experților despre mișcările din Go, ea întocmește o hartă, determinând care mișcări în această poziție vor fi cele mai de succes.

Astfel, „rețeaua de sens” permite AlphaGo să înțeleagă poziția pietrelor pe tablă și să determine cine câștigă, în timp ce „rețeaua de politicieni” simplifică algoritmul de căutare pentru a selecta posibilele opțiuni pentru o mutare, deoarece o limitează în funcție de pozitia pietrelor.

Înainte de a continua, este important să înțelegeți ce este o „rețea neuronală”? Din păcate, astăzi nu există o definiție formală unică a unei „rețele neuronale artificiale”. Dacă încercăm să o punem în cuvinte simple, atunci o rețea neuronală este o serie de modele matematice care sunt create după principiul rețelelor neuronale biologice. Neuronii artificiali (procesoare simple) se conectează între ei, primesc un semnal, îl procesează și îl trimit mai departe, către următorul neuron. Fiecare neuron este o funcție matematică simplă, dar atunci când lucrează împreună, pot rezolva probleme complexe.

Cum s-au antrenat rețelele neuronale pentru AlphaGo?

„Am început cu acești jucători profesioniști de go. Deoarece jocurile sunt în mare parte înregistrate, am avut o mulțime de perechi: poziția plus mutarea care a ajuns la el. Un joc ne oferă aproximativ 300 de astfel de perechi. Fiecare mișcare dintr-un astfel de joc este profesională, deoarece este făcută de un expert. Am folosit învățarea supravegheată pentru a preda rețeaua neuronală să prezică ce mișcare ar face un jucător profesionist în acea poziție. Așa a fost creată „rețeaua politicienilor”. Apoi am permis rețelei neuronale să joace împotriva ei însăși, atât din poziția pietrelor albe, cât și a celor negre. Am încărcat rezultatul acestor jocuri înapoi în rețeaua neuronală. Aceasta este deja „învățare prin întărire”, nu este încă bine cercetată, dar credem că acesta este viitorul învățării automate. În plus, datorită jocului rețelei neuronale împotriva ei însăși, am primit o cantitate mare de date despre poziția pietrelor pe tablă, precum și despre rezultatul jocurilor. Pe baza lor, am antrenat „rețeaua sensului”, care a învățat să înțeleagă în ce poziții câștigă pietrele negre și în ce poziții cele albe. Evaluarea este o măsură foarte importantă pentru construirea unui program de joc și a învățării automate în general, deoarece aveți nevoie de o modalitate de a măsura progresul într-un joc ”, a declarat Thore Graepel, cercetător pentru proiectul Google DeepMind care a dezvoltat AlphaGo.

În timp ce AlphaGo a învins jucătorii profesioniști de go și a întrecut cu ușurință celelalte AI dezvoltate pentru acest joc, aceasta nu este singura realizare remarcabilă a sistemului. În al doilea joc împotriva lui Lee Sedol, AlphaGo a făcut o mișcare foarte neobișnuită de 37 pe linia 5, care inițial nu părea să aibă succes, dar apoi a permis computerului să preia acea parte a tablei. Cert este că nu au existat astfel de mișcări în informațiile de experți care au fost încărcate pe AlphaGo și putem presupune că aceasta a fost una dintre primele manifestări ale creativității în performanța unui computer.

Astăzi, Google utilizează biblioteca open source TensorFlow pentru învățarea automată. Este un API de a doua generație care funcționează pentru cercetare, precum și pentru produsele Google comerciale care utilizează învățarea automată, cum ar fi căutarea, recunoașterea vorbirii, Gmail și Fotografiile.

Percepția mașinii

Un alt domeniu important pentru dezvoltarea inteligenței artificiale este percepția mașinilor. Deși computerele au făcut progrese mari în recunoașterea sunetelor, muzicii și textului scris de mână în ultimul deceniu, ei încă se luptă să recunoască imaginile și videoclipurile. Sistemul vizual uman recunoaște imaginile fără probleme; în fiecare emisferă mare a creierului nostru există un cortex vizual primar (zona vizuală V1), care conține 140 de milioane de neuroni cu zeci de miliarde de conexiuni între ei. Și, cu toate acestea, creierul uman folosește în plus cortexul vizual extrastriat (zonele V2, V3, V4 și V5) pentru recunoașterea imaginilor. Prin urmare, nu este o mare problemă pentru noi să vedem o pisică gri întinsă pe un covor gri. Dar pentru un computer, aceasta este o sarcină foarte dificilă.

Anterior, Google cataloga fotografiile după descriere, utilizatorul trebuia să adauge etichete pozelor pentru ca acestea să poată fi apoi grupate sau găsite. Astăzi, Google Foto are o recunoaștere a imaginii bazată pe rețele neuronale convoluționale mai avansate. Această arhitectură, dezvoltată de omul de știință Jan Lekun, are unul dintre cei mai buni algoritmi de recunoaștere a imaginii. Dacă nu intrați în detalii, atunci este o structură multistrat de neuroni artificiali, fiecare strat acceptând doar o mică secțiune a imaginii de intrare ca intrare. Cu ajutorul proiectului Deep Dream, astăzi oricine poate evalua modul în care o rețea neuronală convoluțională vede imaginile.

Google folosește baze de date de imagini open source pentru a-și antrena rețeaua neuronală. De exemplu, în 2012, Google a învățat o rețea neuronală să recunoască imagini cu pisici folosind 10 milioane de cadre de pisici din videoclipurile YouTube.

Procesarea și înțelegerea naturală a vorbirii

Pentru ca computerul să înțeleagă nu doar comenzile vocale, ci și vorbirea naturală, Google folosește rețele neuronale recurente.

Recunoașterea tradițională a vorbirii împarte sunetele în bucăți mici de 10 milisecunde de sunet. Fiecare astfel de fragment este analizat pentru conținutul de frecvență, în timp ce vectorul de caracteristici rezultat trece printr-un model acustic, care deduce o distribuție de probabilitate asupra tuturor sunetelor. În plus, în combinație cu alte caracteristici ale vorbirii, prin modelul de pronunție, sistemul conectează secvența de sunete a cuvintelor corecte în limbă și în model, determinând cât de probabil este un anumit cuvânt în limba folosită. La final, modelul de limbaj analizează cuvintele primite și întreaga frază, încercând să evalueze dacă o astfel de succesiune de cuvinte este posibilă în această limbă. Dar, conform unor cuvinte din notația fonetică, este dificil să se determine unde se termină o literă și unde începe alta, iar acest lucru este foarte important pentru recunoașterea corectă.

Google folosește acum un model acustic bazat pe o rețea neuronală recurentă cu o arhitectură de „memorie pe termen scurt”. Cu cuvinte simple, această rețea neuronală este mai bună decât altele la memorarea informațiilor, ceea ce a făcut posibil să o antreneze să recunoască fonemele într-o frază, iar acest lucru a îmbunătățit semnificativ calitatea sistemului de recunoaștere. Prin urmare, astăzi recunoașterea vocii pe Android funcționează aproape în timp real.

Inteligența artificială: asistent sau amenințare?

Latura etică a utilizării inteligenței artificiale este mereu pe ordinea de zi, recunoaște Google. Cu toate acestea, compania nu crede încă că suntem suficient de aproape de a crea computere care au conștientizare de sine pentru a discuta în mod substanțial această problemă. „Computerele învață încet”, spune Greg Corrado. Până acum, Google poate construi inteligență artificială care face un lucru bine, cum ar fi un joc de go ca AlphaGo. Dar inteligența artificială cu drepturi depline va necesita o putere de calcul de multe ori mai mare. Astăzi vedem că performanța procesoarelor încetinește, aproape am ajuns la limita Legii lui Moore și, deși acest lucru este parțial compensat de creșterea performanței plăcilor video și apariția procesoarelor specializate, acest lucru încă nu este suficient. În plus, un alt obstacol este lipsa unei cantități suficiente de informații de specialitate care ar putea fi utilizate pentru învățarea automată. Toate acestea, și nu numai, problemele pe care omenirea le poate rezolva în decurs de 20, 50 sau 100 de ani și s-ar putea să nu fie rezolvate niciodată, nimeni nu poate da o prognoză exactă. În consecință, inteligența artificială pe care o vedem în filme va fi probabil foarte diferită de ceea ce ajungem.

The Jack of All Trades și viitorul Căutării Google

Google își stabilește un obiectiv mai realist deocamdată - să creeze asistenți virtuali bazați pe inteligența artificială. Astăzi, există deja asistenți virtuali precum Siri sau Google Now, dar sunt foarte limitati și deconectați de realitatea în care se află utilizatorul. Ce vrea Google să facă? Compania consideră că un asistent virtual ar trebui să înțeleagă lumea înconjurătoare, poziția utilizatorului în această lume și, de asemenea, să se bazeze pe contextul real în comunicare.

„Imaginați-vă că aveți un asistent incredibil de inteligent și îi spuneți: studiați această zonă și spuneți-mi ce credeți. Acesta este ceea ce încercăm să creăm. În cazul meu, aș dori să-i spun asistentului: arată-mi cele mai interesante și relevante lucruri pe care nu le știu încă ”, spune Eric Schmidt, șeful consiliului de administrație al Alphabet, care deține Google.

Astfel, Google vede inteligența artificială ca pe un nou instrument care poate împuternici o persoană, oferindu-i cunoștințe noi. Un bun exemplu în acest sens este AlphaGo, pe care jucătorii îl văd ca o oportunitate de a crește nivelul. La urma urmei, dacă te antrenezi împotriva inteligenței artificiale, care depășește deja rangul maxim în joc, atunci asta o poate aduce la un nou nivel.

Inteligența artificială a fost mult timp ferm înrădăcinată în viețile noastre. Cel mai adesea, nici nu ne gândim la această întrebare atunci când folosim în mod obișnuit un asistent vocal într-un smartphone sau recunoașterea automată a imaginii într-un program. Nici căutările pe Google nu sunt complete fără învățarea automată, domeniul inteligenței artificiale.

De aproximativ doi ani este în funcțiune o tehnologie numită RankBrain, care servește la sortarea inteligentă a rezultatelor căutării. Aproximativ 15% din căutările zilnice sunt noi pentru Google, adică nu au fost trimise de niciun utilizator înainte.

„Inteligenta noastra artificiala nu mai are comenzi umane.”

Profesor David Silver, programator șef al inteligenței artificiale
Google AlphaGo Zero

Algoritmii RankBrain caută forme disponibile în interogări de căutare necunoscute și le asociază cu concepte similare din punct de vedere semantic. Drept urmare, motorul de căutare trebuie să învețe singur și să poată oferi răspunsuri adecvate la întrebările care nu au fost puse înainte.

Google folosește procesoare TPU Tensor special concepute pentru aceasta în centrele sale de date.

Procesoare tensoare (TPU)

Succesul inteligenței artificiale Google pare impresionant. Unul dintre motive este că Google a dezvoltat hardware special care accelerează rețelele neuronale mult mai eficient decât CPU-urile și GPU-urile standard. În mod uimitor, procesoarele tensorului folosesc parțial componente comune ale PC-ului. Acestea se află pe o singură placă SATA și comunică prin PCI Express cu alte procesoare Tensor.

Structura procesorului tensor

Adunarea și multiplicarea rapidă este punctul forte al procesorului tensor. În modulul responsabil cu matricea ca componentă centrală, sunt calculate rețelele neuronale. Ocupă aproximativ un sfert din suprafața procesorului. Restul spațiului este folosit pentru trimiterea rapidă a datelor de intrare. Vin prin PCI Express și RAM DDR3. Rezultatele calculului sunt returnate serverului prin PCI Express și interfața gazdă.

Inteligență supraumană

Procesoarele și-au primit numele din biblioteca de software TensorFlow. Scopul principal al TPU este de a accelera algoritmii de inteligență artificială care se bazează pe biblioteci de software liber.

Inițial, TPU-urile au câștigat popularitate ca platformă hardware pentru AlphaGo, o inteligență artificială care i-a învins pe cei mai buni jucători asiatici de go din lume. Spre deosebire de șah, dezvoltarea software-ului Go la nivel profesional a fost considerată imposibilă timp de mulți ani.

Dezvoltarea ulterioară a AlphaGo Zero a putut să învețe independent jocul pe baza regulilor stabilite pentru acesta. În trei zile a ajuns la nivel profesional, în trei săptămâni a ajuns din urmă cu versiunea anterioară a AlphaGo, al cărei antrenament a costat un efort enorm și a necesitat desfășurarea a milioane de jocuri profesionale. S-a dovedit că inteligența artificială limita anterior studiul mișcărilor din partea unei persoane. După încă șase săptămâni, AlphaGo Zero era deja imposibil de învins.

Accelerator pentru rețele neuronale

În comparație cu procesoarele convenționale, procesoarele tensoare sunt specializate în utilizarea rețelelor neuronale artificiale. Ele sunt formate din multe funcții matematice conectate în rețea care imită creierul uman cu celulele sale nervoase și conexiunile lor. La fel ca creierul nostru, o rețea neuronală necesită o intrare adecvată. Există antrenament, de exemplu, recunoașterea vorbirii, imagini - sau regulile jocului „Go”.

O rețea neuronală artificială include mai multe straturi de neuroni. Fiecare neuron folosește suma ponderată a valorilor de ieșire ale neuronilor conectați la nivelul anterior. Benchmarking-ul corect este cheia succesului în Machine Learning, dar trebuie făcut mai întâi, ceea ce în practică înseamnă adesea operații multiple cu virgulă mobilă.

În această disciplină, GPU-urile sunt de fapt cea mai bună alegere. Rețeaua neuronală nu mai are nevoie de calcule cu virgulă mobilă de mare precizie pentru a sorta rezultatele căutării sau pentru a prezice mișcările mai târziu. Acest proces necesită un număr foarte mare de operații de înmulțire și adunare pe numere întregi.

Procesoare Tensor la Google Computing Center

Google folosește TPU-uri în centrele sale de calcul din 2016. Placa conține de obicei mai multe procesoare într-un singur cluster. Ele sunt utilizate în principal în blocuri de patru.

Procesorul tensor Google constă în principal dintr-o unitate de calcul, o matrice de 256 × 256. Funcționează cu numere întregi de opt biți, realizează 92 de trilioane de operații pe secundă de putere de procesare și stochează rezultatele în memorie.

Diagrama arată că matricea ocupă doar aproximativ un sfert din suprafața procesorului. Restul componentelor sunt responsabile pentru furnizarea constantă a nucleelor ​​cu date noi. Procesoarele tensor nu își trimit comenzi singure - vin de la serverul conectat prin PCI Express. În același mod, rezultatele finale sunt transmise ca răspuns.

Scorurile comparative necesare pentru calculele rețelei neuronale sunt furnizate de modulul de memorie First-In / First-Out. Deoarece există mici modificări pentru o anumită aplicație, o conexiune prin RAM DDR3 este suficientă. Rezultatele intermediare sunt stocate într-un buffer de 24 MB și transmise înapoi la unitatea de calcul.

Consumul de energie în comparație

Comparația performanței procesorului per watt de energie electrică consumată demonstrează eficiența mai mare a procesoarelor tensor.

Curse cu CPU și GPU

Procesoarele tensor calculează 225.000 de predicții de rețea neuronală pe secundă. CPU-urile și GPU-urile nu suportă concurența.

De 45 de ori mai rapid decât un procesor convențional

Deși setul de instrucțiuni CISC (Complex Instruction Set Computer) al procesorului Tensor poate gestiona instrucțiuni complexe, există doar aproximativ o duzină de ele. Și majoritatea operațiunilor necesare necesită doar cinci comenzi, inclusiv comenzi de citire, efectuarea înmulțirii matricelor sau calcularea unei funcții de activare.

Datorită optimizării calculelor de inteligență artificială, procesoarele tensoare sunt semnificativ mai rapide decât procesoarele convenționale (de 45 de ori) sau GPU-urile (de 17 ori). În același timp, sunt mai eficiente din punct de vedere energetic.

Iar Google este abia la începutul călătoriei: cu măsuri simple, performanța procesoarelor tensor poate fi crescută și mai mult. Doar instalarea RAM GDDR5 poate tripla puterea de calcul actuală.

Dacă te-ai întrebat mereu ce se întâmplă în neuronii din rețelele neuronale, atunci Google va putea în sfârșit să îți explice. Compania a lansat o selecție de servicii experimentale care arată de ce este capabilă inteligența artificială modernă.

Cel mai interesant dintre ele este Quick, Draw! - se oferă să joace un fel de „Crocodil”. Sarcina ta este să ai timp să desenezi un anumit obiect în 20 de secunde, de exemplu, un morcov, o bicicletă, o minge, o față și așa mai departe. În acest timp, programul ar trebui să recunoască exact ceea ce încercați să portretizați. În timp ce desenați liniile stângace cu cursorul, rețeaua neuronală oferă opțiuni până când o recunoaște pe cea corectă.

În același timp, așa cum se cuvine unei rețele neuronale, învață pe baza desenelor altor utilizatori. Și cu cât AI vede mai multe desene, cu atât mai repede ajunge să găsească răspunsul corect. De exemplu, în aceste mâzgăleli, rețeaua neuronală a recunoscut un crocodil în câteva secunde. Ai putea?

Un alt serviciu distractiv se numește Giorgio Cam. Știe să identifice obiectele pe care le vede în cameră. Aici, rezultatele nu sunt atât de impresionante și de multe ori AI este greșit. Cu toate acestea, lipsa de precizie este compensată de serviciu. Procesul de definire a subiectului este însoțit de muzică electronică îndrăzneață, iar rețeaua neuronală pune ritmic răspunsurile la ritm. Totul pare destul de criptic, dar vrăjitor.

În general, IA este încă destul de primitivă și, evident, nu este capabilă să vină cu un plan eficient pentru a prelua umanitatea. Dar asta este pentru moment.

Puteți urmări toate experimentele distractive Google în domeniul creării inteligenței artificiale.