Di dalam menulis semula google: bangunan mesin pembelajaran ke dalam segalanya

Makoto Koike adalah petani timun di Jepun. Koike adalah bekas pereka sistem terbenam yang menghabiskan bertahun-tahun bekerja di industri kereta Jepun, tetapi pada tahun 2015 ia pulang ke rumah untuk membantu ladang timun anaknya. Dia tidak lama kemudian menyedari bahawa tugas manual mengurut timun dengan warna, bentuk, saiz, dan sifat-sifat seperti "kekili" sering lebih rumit dan lebih sukar daripada membesar. Diilhamkan oleh inovasi pembelajaran yang mendalam terhadap perisian kecerdasan buatan Google (AI) AlphaGo, dia berupaya mengautomasikan tugas itu.

Perniagaan mula melaksanakan AI praktikal dalam segala macam cara, tetapi selamat untuk mengatakan bahawa tiada siapa yang melihat penyelesaian penyusun timun AI Koike. Koike tidak pernah bekerja dengan teknik AI sebelum tetapi dengan menggunakan perpustakaan pembelajaran TensorFlow (ML) pembelajaran sumber terbuka, dia mula memasukkan gambar-gambar timun. Terima kasih kepada algoritma penglihatan komputer untuk mengiktiraf objek dan pembelajaran mendalam untuk melatih TensorFlow pada nuansa timun yang berbeza, Koike sedar ia dapat mengenal pasti dan menyusun sayur-sayuran dengan ketepatan yang tinggi. Kemudian, dengan menggunakan apa-apa selain TensorFlow dan komputer Raspberry Pi 3 yang murah, Koike membina mesin menyusun automatik yang masih digunakan ladang hari ini.

TensorFlow adalah salah satu daripada banyak algoritma sumber terbuka dan alat yang merevolusikan perniagaan dan pemaju yang boleh menyelesaikannya menggunakan AI. Syarikat itu mengembangkan misinya untuk "membawa faedah AI kepada semua orang" dengan pembebasan Google.ai pada persidangan Google I / O, menggabungkan semua sumber AInya bersama-sama ke platform bersatu. Google juga menggabungkan teknik-teknik ini dan antara muka pengaturcaraan aplikasi (API) ke dalam semua yang dilakukannya, membakar ML ke dalam produknya dan mendefinisikan secara mendalam bagaimana perisiannya berfungsi dalam proses.

PCMag baru-baru ini melawat Googleplex dan bercakap kepada eksekutif dari G Suite, Platform Awan Google (GCP), dan Lab Lab Penyelesaian Mesin Pembelajaran Mesin (ML ASL) tentang bagaimana Google membina semula dirinya dengan AI.

Kecerdasan Buatan Di mana-mana

Katakan salah seorang pelanggan anda mempunyai masalah. Ejen dari jabatan bantuan syarikat anda berada dalam sembang langsung dengan pelanggan melalui aplikasi sembang yang menyimpan data di Platform Google Cloud. Untuk membantu mereka menyelesaikan masalah ini, pengguna perlu menghantar ejen beberapa data peribadi sensitif. Kini katakan bahawa pelanggan adalah nenek anda. Rep khidmat pelanggan meminta nenek untuk beberapa keping data, tetapi sebaliknya, nenek menghantar lebih banyak maklumat daripada yang diperlukan apabila dia memuat gambar kad keselamatan sosialnya ke obrolan.

Daripada Google mengarkibkan maklumat peribadi (PII), gambar itu muncul dengan nombor keselamatan sosial dan PII yang lain secara automatik diturunkan. Ejen tidak pernah melihat apa-apa maklumat yang mereka tidak perlu dan tidak ada data yang masuk ke arkib yang disulitkan Google. Semasa demonstrasi teknologi DLP API di ibu pejabat Google di Mountain View, Calif., Syarikat itu menarik kembali tirai pada bagaimana algoritma ML menganalisis teks dan imej untuk membuat ini berlaku.

Rob Sadowski, Pemasaran Kepercayaan dan Keselamatan untuk Google Cloud, menjelaskan bahawa redaksi automatik dikuasakan oleh API pencegahan kehilangan data (DLP) Google bekerja di bawah permukaan untuk mengklasifikasikan data sensitif. Algoritma ini melakukan hal yang sama dengan data seperti nombor kad kredit, dan juga dapat menganalisis corak untuk mengesan ketika angka palsu. Ini adalah satu contoh strategi ajaib Google untuk menenun AI ke dalam pengalamannya, dan memberikan perniagaan dan pemaju seperti Koike sumber untuk melakukan perkara yang sama.

Google jauh dari satu-satunya gergasi berteknologi membina lapisan perisikan bersambung ke dalam perisiannya, tetapi, bersama-sama dengan Amazon dan Microsoft, Google boleh dikatakan paling luas meluas alat dan perkhidmatan perisikan berasaskan awan yang ada. Memecahkan produk syarikat, anda boleh menemui Pembantu Google dan pelbagai API penglihatan ML dan komputer yang digunakan hampir di mana-mana sahaja.

Carian Google menggunakan algoritma ML dalam sistem RankBrain AI untuk memproses dan menyempurnakan pertanyaan, kedudukan semula dan pengagregatan data berdasarkan pelbagai faktor yang berubah untuk terus meningkatkan kualiti hasil carian. Foto Google menggunakan visi komputer untuk menjahit foto yang berkaitan bersama-sama dengan kenangan dan menggabungkan berbilang tembakan dari lokasi yang sama ke dalam panorama. Kotak masuk memberikan pengguna Balasan Pintar yang dijana secara automatik untuk dipilih dan melampirkan e-mel yang berkaitan dengan menggabungkan kategori yang serupa. Apl sembang Google Allo baru syarikat ini datang dengan pembina Google yang dibina. Senarai ini menyala.

Semua aplikasi ini dijalankan di infrastruktur awan Google, dan syarikat itu juga menggunakan ML di pusat datanya untuk mengurangkan penggunaan kuasa dengan menyesuaikan pam penyejukan berdasarkan data beban dan cuaca. Sadowski berkata ini juga berfungsi sebagai lapisan pertahanan akhir dalam strategi keselamatan Google, di mana syarikat menggunakan perisikan mesin dan penilaian risiko dalam timbunan keselamatan untuk menentukan sama ada sistem dikompromikan menggunakan analisis ramalan.

"Google mengambil semua model ML dan AI yang telah kami usahakan dan meniru mereka untuk keselamatan, " jelas Sadowski. "Perubahan keselamatan jauh lebih radikal daripada kebanyakan sektor IT. Produk yang menjadi teras infrastruktur keselamatan anda tiga atau empat tahun lalu seperti firewall dan perlindungan titik akhir masih penting, tetapi kami ingin memberikan pertahanan secara mendalam, pada skala dan lalai ke atas infrastruktur multi-penyewa dengan berjuta-juta pengguna aktif setiap hari.

"Ia bermula dengan perkakasan pusat data yang mendasari, " Sadowski meneruskan. "Selain itu, perkhidmatan aplikasi dan pengesahan dengan data dan komunikasi yang disulitkan sepenuhnya, selain itu identiti pengguna Dan lapisan terakhir pertahanan adalah bagaimana kami beroperasi dengan 24/7 pemantauan, pengesanan, dan tindak balas insiden. menyelesaikan masalah seperti akses jarak jauh yang selamat dengan identiti proksi yang diketahui. Ini adalah penemuan perkhidmatan DLP dan menghalang kebocoran data dan membantu tadbir urus data serta keselamatan. Kami bertujuan untuk menjadikan keupayaan ini mudah, habis, dan membuat mereka bekerja pada skala."

Suite G Pintar

ML juga tertanam di seluruh aplikasi produktiviti G Suite Google. Allan Livingston, Pengarah Pengurusan Produk untuk G Suite, memecah beberapa cara AI membuat G Suite lebih pintar dan lebih kontekstual tanpa pengguna menyedarinya.

"Fikirkan bagaimana G Suite membawa semua aplikasi ini bersama secara semulajadi, " kata Livingston. "Anda memulakan kerja anda di salah satu daripada mereka dan mengalir mengikut cara yang sesuai. Anda membuka lampiran Gmail di Drive, dan ini membawa anda ke Dokumen, ia benar-benar automatik.

"Kami cuba memikirkannya untuk pengguna dan juga melibatkan pembelajaran mesin Kami bermula dengan balasan pintar dalam Peti Masuk dan kami telah berjaya dengan Gmail, dan itu telah membawa kepada ciri Teroka dalam Dokumen, Helaian, dan Slaid."

Dilancarkan pada kejatuhan lepas, meneroka menggunakan pemprosesan bahasa semula jadi (NLP) kepada pengalaman produktiviti dalam aplikasinya. Dalam Dokumen, Explore memberi anda cadangan segera berdasarkan kandungan dalam dokumen anda dan secara automatik mencadangkan topik dan sumber yang berkaitan. Dalam Slaid, ia menghasilkan cadangan reka bentuk untuk mengurangkan pemformatan persembahan. Walau bagaimanapun, kes penggunaan yang paling menarik adalah dalam Helaian. Livingston menjelaskan bagaimana meneroka menggunakan ML untuk memudahkan analisis data dan risikan perniagaan (BI).

"Banyak pengguna tidak tahu apa yang seperti jadual pivot atau cara menggunakannya untuk memvisualisasikan sekeping data, " jelas Livingston. "Katakan anda berurusan dengan data jualan untuk pelanggan, di mana setiap baris adalah item yang telah dijual. Jelajah membolehkan anda menaip pertanyaan bahasa semulajadi seperti 'Apa item utama pada Black Friday?' dan meludahkan tindak balas seperti 'Anda menjual 563 pasang seluar.' Kami menangani analisa data dengan cara yang menjimatkan masa dalam membuat keputusan berasaskan data, menggunakan pembelajaran mesin untuk memperbaiki masalah yang biasa dengan cara yang semulajadi."

Satu demo ciri Teroka dalam Helaian, dari persidangan Google Cloud NEXT pada Mac lalu.

Menurut Livingston, Google merancang untuk mengembangkan pencarian awan jenis ML ini kepada pihak ketiga dan mula membina ekosistem di sekelilingnya. Idea yang menyeluruh adalah tema umum dalam praktikal AI: mengotomatisasi proses manual untuk membebaskan pengguna untuk kerja yang lebih kreatif. Idea itu adalah di tengah-tengah kebanyakan apl aplikasi ML: untuk mengautomasikan proses perniagaan yang berulang dan tugas harian, termasuk penyusun timun.

"Dalam perniagaan dan pengguna, pengguna mempunyai corak interaksi semulajadi. Peralihan kepada awan dan produktiviti bergerak benar-benar mengubah cara orang bekerja, dan teknik pembelajaran mesin yang digunakan adalah asas untuknya, " kata Livingston. "Kerana kekuatan kami dalam pembelajaran mesin, kerana produk kami berfungsi sebagai pangkalan, kerana semua data dalam awan kami, kami berada dalam kedudukan yang unik untuk menerapkannya dan berskala tak terhingga."

Menggerakkan Revolusi Pembelajaran Mesin

Asas segala sesuatu yang dilakukan Google di sekeliling AI berakar di API, algoritma, dan alat sumber terbuka. Perpustakaan TensorFlow syarikat adalah alat ML yang paling banyak digunakan pada GitHub, aplikasi pemijahan seperti penyusun timun Koike. Suite API yang mendasari algoritma Google Cloud yang merangkumi visi komputer, kecerdasan video, ucapan dan NLP, pemodelan ramalan, dan ML berskala besar melalui Enjin Pembelajaran Mesin Google Cloud - adalah teknologi yang menjana setiap ciri AI yang diintegrasikan ke dalam aplikasi dan perkhidmatan Google kini platform Google.ai juga.

Francisco Uribe, Pengurus Produk untuk pasukan AI / ML Google Cloud, berfungsi di tengah-tengah enjin yang menulis semula bagaimana Google berfungsi. Uribe menyelia ML ASL yang disebutkan di atas, sebuah makmal dengan program yang mendalam di mana ahli-ahli Google ML bekerja secara langsung dengan perusahaan untuk melaksanakan penyelesaian AI. Dengan menggunakan API Google dan Enjin ML Cloud, makmal ini berfungsi dengan perniagaan untuk melatih dan menggunakan model mereka sendiri untuk dihasilkan.

Uribe telah bekerja di ruang AI selama lebih daripada satu dekad. Beliau mengasaskan BlackLocus, permulaan data berasaskan data yang membina enjin penetapan harga automatik untuk peruncit, yang diperolehi oleh Home Depot pada tahun 2012. Selepas itu, beliau menyertai Google dan bekerja selama empat tahun di pasukan Iklan Carian yang memohon ML untuk meningkatkan pengalaman iklan. Pada tahun 2016, beliau berpindah ke peranan penyelidikan yang menjalankan ML ASL dan bertindak sebagai mentor di Google Launchpad Accelerator. Uribe berkata dia sentiasa terkejut dengan cara perniagaan dan pemaju menggunakan alat Google.

"Kami telah melihat kes-kes penggunaan di seluruh papan-dari penjagaan kesihatan dan kewangan kepada peruncitan dan pertanian, " kata Uribe. "Kami cuba membantu pelanggan meningkatkan keupayaan persepsi. Terjemahan ucapan, analisis imej, API video, bahasa semulajadi: mereka semua adalah sebahagian daripada pendemokrasian akses ke mesin dan algoritma pembelajaran mendalam, yang akhirnya memasuki kebolehgunaan."

ML ASL telah bekerjasama dengan HSBC Bank plc, salah satu organisasi perkhidmatan perbankan dan kewangan terbesar di dunia, dalam penyelesaian ML untuk pencegahan pengubahan wang haram dan pencapaian kredit ramalan. ML ASL juga pernah bekerja dengan United Services Automobile Association (USAA), kumpulan syarikat perkhidmatan kewangan Fortune 500, untuk melatih jurutera organisasi mengenai teknik ML yang digunakan untuk senario insurans tertentu. eBay menggunakan alat Google untuk melatih pembantu Digital ShopBot. Apabila ML ASL berfungsi dengan syarikat, Uribe menerangkan empat pilar yang membentuk proses tersebut.

"Anda memerlukan tawaran pengiraan kuat untuk menangani keperluan ML yang sangat melampau, dan tulang belakang gentian optik yang diedarkan oleh GCP memindahkan data dari nod ke simpul dengan sangat cekap, " kata Uribe. "Kami mempunyai Enjin Pembelajaran Mesin Awan untuk membantu pelanggan melatih model Kami membantu pelanggan melaksanakan data dengan akses kepada komuniti Kaggle dari 800, 000+ saintis data aktif. Akhirnya, anda memerlukan bakat untuk berada di sana, jadi pada sisi penyelidikan perkara, kami mempunyai Program Kediaman Otak untuk melatih para jurutera mengenai kurikulum ML kompleks. Kami melihat ini sebagai blok bangunan untuk membantu pelanggan membina aplikasi pintar."

Ini semua menyumbang kepada komuniti sumber terbuka dan ekosistem pihak ketiga yang Google sedang membina teknologi AInya. Syarikat itu juga mengumumkan satu pertandingan permulaan ML awal tahun ini, yang mengagumkan sehingga $ 500, 000 dalam pelaburan untuk ML startups. Uribe berbincang mengenai beberapa aplikasi inovatif yang dia sudah lihat teknologi Google dan kemungkinan kemungkinan lain mungkin terletak.

"Katakanlah anda adalah syarikat analitik perkhidmatan pelanggan. Pikirkan API ucapan untuk menyalin kandungan panggilan, dan kemudian analisis sentimen untuk meningkatkan kualiti perkhidmatan pelanggan anda, " kata Uribe. "Gunakan API penglihatan untuk mengambil gambar tanda jalan di negara asing dan kemudian API penterjemahan untuk menterjemahkan kandungan itu dalam masa nyata menerusi pengalaman aplikasi. Bukan hanya tentang meningkatkan kecekapan, ia adalah tentang mencipta pengalaman pengguna baru dan unik."

Uribe melihat alat-alat seperti TensorFlow sebagai penggerak besar untuk pengambilan ML secara besar-besaran di pasaran. Bukan sahaja teknologi ini menjadi teras kepada apa yang Google dan bagaimana gergasi teknologi mendekati pembangunan produk, tetapi Uribe percaya bahawa teknologi ML yang luas akan membantu mengoptimumkan perniagaan, membuka aliran pendapatan baru, dan mencipta aplikasi baru yang bijak.

"Fikirkannya seperti revolusi perindustrian baru, " kata Uribe. "Kami melihat alat-alat ini membolehkan pesanan meningkatkan kecekapan dan pengalaman yang tidak pernah anda lihat sebelum ini.Ia adalah menakjubkan untuk melihat bagaimana pemula memohon ia melihat petani timun di Jepun Dia menggunakan TensorFlow untuk membina model untuk mengklasifikasikan dan menterbalikkan timun berdasarkan corak, saiz, tekstur, dan sebagainya, dan kemudian membina perkakasan khusus untuk melaksanakannya. Tahap pendemokrasian ini luar biasa untuk dilihat dan kami hampir tidak menggaraskan permukaannya."