Kiekvienas, kuris bandė „Google“ nuotraukas, sutiktų, kad ši nemokama „Google“ nuotraukų saugojimo ir valdymo paslauga yra protinga. Jame yra įvairių intelektualių funkcijų, pvz., Išplėstinė paieška, sugebėjimas kategorizuoti nuotraukas pagal vietas ir datas, automatiškai sukuriami albumai ir vaizdo įrašai, pagrįsti panašumais, ir nueisite jus į atminties juostą, rodydami prieš keletą metų tos pačios dienos nuotraukas. Yra daug dalykų, kuriuos „Google“ nuotraukos gali padaryti, kad prieš keletą metų būtų neįmanoma. „Google“ nuotraukos yra viena iš daugelio „protingų“ „Google“ paslaugų, naudojančių mašinų mokymosi technologiją, vadinamą „TensorFlow“. Žodis „ mokymasis“ rodo, kad technologija laiku taps protingesnė, kol mūsų dabartinės žinios negali įsivaizduoti. Bet kas yra TensorFlow? Kaip mokytis mašina? Ką galite su juo daryti? Išsiaiškinkime.
Kas yra TensorFlow?
„TensorFlow“ yra „Google“ atviro kodo ir galingas dirbtinio intelekto programinė įranga, kuri įgalina daugybę „Google“ paslaugų ir iniciatyvų. Tai yra antrosios kartos „Google“ smegenų komandos sukurta didelės apimties mašinų mokymosi diegimo sistema. Ši algoritmo biblioteka seka „DistBelief“ - pirmoji karta.
Ši technologija atspindi skaičiavimą kaip valstybinio duomenų srauto diagramas. Unikalus „TensorFlow“ yra jo gebėjimas modeliuoti skaičiavimus daugeliu aparatinės įrangos, nuo vartotojų lygio mobiliųjų įrenginių iki pasaulinio lygio kelių GPU serverių. Jis gali veikti skirtingais GPU ir procesoriais ir žada, kad įvairūs įrenginiai ir įtaisai gali keisti kompiuterio mokymą, nekeičiant reikšmingo kodo kiekio.
„TensorFlow“ kilo iš „Google“ poreikio pavesti kompiuterio sistemai imituoti, kaip žmogaus smegenys veikia mokymosi ir argumentavimo srityse. Sistema, žinoma kaip neuronų tinklai, turėtų sugebėti atlikti daugialypius duomenų masyvus, vadinamus „tenzoriais“. Galutinis tikslas yra išmokyti neuroninius tinklus, kad aptiktų ir iššifruotų raštus ir koreliacijas.
2015 m. Lapkričio mėn. „Google“ sukūrė šią technologiją atviro kodo ir leido ją priimti į visų rūšių produktus ir tyrimus. Kiekvienas, įskaitant mokslininkus, inžinierius ir mėgėjus, gali padėti pagreitinti mašinų mokymosi augimą ir perkelti jį į aukštesnį lygį per trumpesnį laiką.
Šis žingsnis pasirodė esąs teisingas, nes nepriklausomų kūrėjų indėlis į „TensorFlow“ yra toks didelis, kad jie labai pranoksta „Google“ įnašus. Vikipedija nurodo, kad „yra 1500 „ GitHub “ saugyklų, kuriose minimi„ TensorFlow “, iš kurių 5 yra„ Google “.“ Viena iš diskusijų Quora įtaria, kad išleistas atviro kodo kodas yra „išvalyta“ versija viena, kurią „Google“ naudoja savo paslaugose.
Kaip veikia „TenserFlow“?
Naudodami paprastą įprastą žmogaus kalbą ir didelį supaprastinimą, galime pamatyti vieną TensorFlow pusę kaip pažangią autonominę filtravimo technologiją. Ši technologija yra didžiulė mašinų mokymosi programinė įranga. Jis naudoja duomenų bazę, kad padėtų „priimti sprendimą“.
Pavyzdžiui, kas nors įkelia nuotrauką į „Google“ nuotraukas. Technologija palygins visus duomenis iš paveikslėlio į savo duomenų bazę ir nuspręs, ar tai yra gyvūno ar žmogaus vaizdas. Tada, jei tai žmogus, jis stengsis nustatyti lytį, amžių iki to, kas asmuo yra. Tas pats procesas kartojamas ir kitiems nuotraukos objektams.
Jis taip pat naudoja naudotojo duomenis, pvz., Asmens tapatybę nuotraukoje ir vietą, kurioje fotografuojama, kad pagerintų biblioteką, kad ateityje galėtų suteikti geresnių rezultatų - ir nuotrauką įkėlusiam asmeniui, ir visiems Kitas. Taigi terminas „mokymasis“. Tačiau tai neužtenka tik žinoti ir mokytis duomenų iš nuotraukų. Yra tiek daug, kad technologija gali daryti informaciją iš nuotraukos. Pavyzdžiui, ji gali sugrupuoti nuotraukas su panašiomis detalėmis, tokiomis kaip tas pats asmuo, ta pati vieta, tą pačią dieną; pažiūrėkite veidų modelį, kad nustatytumėte, kuri šeima ir draugai yra nuotraukoje esantys asmenys, ir naudokite šią informaciją, kad vaizdo įrašus iš šeimos atostogų ar animacijos gautumėte iš nepertraukiamų nuotraukų.
Tai vos subraižo, kaip veikia „TensorFlow“, bet tikiuosi, kad jis gali suteikti jums bendrą technologijų vaizdą. Be to, naudojant tik vieną pavyzdį negali būti teisinga tai, ką ji sugeba.
Visiems ten dirbantiems „Artificial Intelligence“ entuziastams verta paminėti, kad „Google“ jau sukūrė kompiuterių lustų technologiją, optimizuotą mašininiam mokymuisi ir „TensorFlow“ integravimui į jį. Tai vadinama „ Tensor Processing Unit“ (TPU) ASIC mikroschema .
Tie, kurie nori daugiau sužinoti apie „TensorFlow“, gali aplankyti savo vadovo puslapį.
TensorFlow taikomosios programos
Esame ankstyvame mašinos mokymosi technologijų etape, todėl niekas nežino, kur jis nuves mus. Tačiau yra keletas pradinių paraiškų, kurios mums suteiks galimybę pažvelgti į ateitį. Kadangi ji yra kilusi iš „Google“, akivaizdu, kad „Google“ naudoja daugelį savo paslaugų.
Daugiau apie vaizdo analizę
Mes aptarėme, kaip naudoti „Google“ nuotraukų vaizdų analizės technologiją. Tačiau vaizdo analizės programa taip pat naudojama „Google“ žemėlapių „Street View“ funkcijoje. Pavyzdžiui, „TensorFlow“ naudojamas prijungti vaizdą su žemėlapio koordinatėmis ir automatiškai nuvalyti bet kurio automobilio, kuris atsitiktinai įtrauktas į vaizdą, numerio numerį.
Kalbos atpažinimas
„Google“ taip pat naudoja „TensorFlow“ savo balso pagalbininko kalbos atpažinimo programinei įrangai. Technologija, leidžianti naudotojams kalbėti instrukcijomis, nėra nauja, bet įtraukus nuolat augančią „TensorFlow“ biblioteką į mišinį, šis bruožas gali būti kelis kartus aukštesnis. Šiuo metu kalbos atpažinimo technologija atpažįsta daugiau nei 80 kalbų ir variantų.
Dinaminis vertimas
Kitas „mokymosi“ mašinos mokymosi technologijos pavyzdys yra „Google“ vertimo funkcija. „Google“ leidžia vartotojams pridėti naujų žodžių ir ištaisyti „Google“ vertimo klaidas. Vis didėjantys duomenys gali būti naudojami automatiškai nustatyti įvesties kalbą, kurią kiti vartotojai nori versti. Jei mašina klaidų kalbos aptikimo procese, vartotojai gali juos ištaisyti. Be to, mašina išmoks iš šių klaidų, kad pagerintų savo būsimus rezultatus. Ir ciklas tęsiasi.
„Alpha Go“
Vienas įdomus TensorFlow naudojimo pavyzdys yra „Alpha Go“. Tai programa, užprogramuota paleisti „Go“ . Tiems, kurie nėra susipažinę su „Go“, tai abstraktus stalo žaidimas dviems žaidėjams, kilusiems iš Kinijos daugiau nei prieš penkis tūkstančius penkis šimtus metų, ir tai yra seniausias stalo žaidimas, kuris vis dar yra šiandien. Nors taisyklės yra paprastos - daugiau erdvės apsupti nei priešininkas, žaidimas yra neįtikėtinai sudėtingas ir, pasak Vikipedijos, „turi daugiau galimybių nei bendras atomų skaičius matomoje visatoje“.
Taigi įdomu, ką mokymosi mašinos technologija gali padaryti su begalinėmis galimybėmis. Savo rungtynėse prieš „Lee Sedol“ - 18-ąjį „Go World“ čempioną „Alpha Go“ laimėjo 4 iš 5 žaidimų ir jam buvo suteiktas garbingiausias „Go grandmaster“ rangas.
Magenta projektas
Kitas įdomus „TensorFlow“ taikymas yra „Magenta“ projektas. Tai plataus užmojo projektas, sukuriantis mašinų sukurtą meną . Vienas iš ankstyviausių apčiuopiamų rezultatų yra 90 sekundžių fortepijono melodija. Ilgainiui „Google“ tikisi, kad „Magenta“ projekte bus sukurta pažangesnė mašininiu būdu sukurta dailė ir aplink ją sukuriama menininkų bendruomenė.
2016 m. Vasario mėn. „Google“ taip pat surengė meno parodą ir aukcioną San Fransisco mieste, parodydama 29 kompiuterius, kuriuose buvo sukurta nedaug - iš žmogaus meno kūrinių. Šešios iš didžiausių darbų buvo parduotos už 8000 JAV dolerių. Kompiuteris vis dar gali būti labai ilgas kelias, kol jis gali imituoti tikrą menininką, tačiau pinigų suma, kurią žmonės nori sumokėti už meną, parodo mums, kiek ši technologija jau praėjo.
Parama „iOS“
Nors jau matėme „TenserFlow“ galimybes „Android“, su naujausia versija, „TensorFlow“ pagaliau prideda „iOS“ įrenginių palaikymo galimybes. Kadangi yra daugybė puikių mobiliųjų programų, kurias galima naudoti tik „iOS“ arba išleistos pirmą kartą „iOS“, tai reiškia, kad artimiausioje ateityje galime tikėtis daugiau puikių mobiliųjų programų. Tas pats pasakytina ir apie platesnes TensorFlow priėmimo ir taikymo galimybes.
TensorFlow ateitis
Ką galima daryti su mašina, kuri gali išmokti ir priimti savo sprendimą? Kaip asmuo, kuris kasdieniniame gyvenime dirba daugiau nei viena kalba, pirmas dalykas, kuris pasirodo mano kalboje, yra kalbos vertimas. Ne žodžiais žodžiais, bet ilgesniame teksto lygmenyje, pavyzdžiui, dokumentuose ar netgi knygose. Šiandienos vertimo technologija apsiriboja žodynais. Jūs galite lengvai sužinoti, kas yra „miega“ kinų kalba, ir atvirkščiai, bet bandykite išmesti į vieną Eiji Yoshikawa Musashi skyrių savo originaliuose japonuose ir išversti skyrių į anglų kalbą. Pamatysite, ką aš gaunu.
Taip pat smagu matyti, ką dirbtinio intelekto ateitis gali padaryti su muzika. Nors tai vis dar labai paprasta, „Apple“ muzikos atmintinės programa jau gali suteikti automatinį boso ir būgno lydimą jūsų įrašytai dainai. Prisimenu, kad vienas SciFi TV laidos epizodas, kuriame pasirodęs simbolis sukūrė mašiną, kuri analizuoja visas geriausias grafikų dainas ir gali rašyti savo pačių paspaudimus. Ar mes kada nors atvyksime?
Ir kaip baigiamoji mintis, norėčiau paminėti „ Sunspring“ . Tai trumpas mokslinės fantastikos filmas, kurį parašė AI scenaristas, vadinamas pats Benjaminu, kuris netgi sudarė pop-dainos muzikinį tarpinį. Filmą kūrė režisierius Oscar Sharp už „Sci-Fi London“ renginio 48 valandų filmo iššūkį.
Dabar aš negaliu nustoti galvoti apie Terminatorių. Sveiki atvykę į ateitį.
Vaizdo kreditas: „Wikipedia“, „TechInsider“, „The Verge“, „Wall Street Journal“
