211service.com
Strojové učení pro každého
Spousta výpočetní instalatérské práce, která pohání Google, něčemu vděčí Jeff Dean . Vytvořil rané verze firemních webových vyhledávacích a reklamních systémů. A vynalezl MapReduce , systém pro práci s velkými datovými soubory, který spustil velký posun v celém počítačovém průmyslu.
Dean nyní pracuje na tom, aby znovu objevil vnitřní fungování Googlu a širšího světa. Vede výzkumnou skupinu Google Brain, jejímž cílem je posunout strojové učení – umění přimět software, aby přišel na to, jak dělat věci sám, místo aby byl explicitně naprogramován. Software od Google Brain nyní využívá více než 600 týmů v Googlu, často pro interní systémy, které spotřebitelé nevidí. V minulém roce však technologie pocházející z Google Brain také přinesla velké inovace pro vyhledávání Google na webu, filtrování spamu a překladatelské služby.
Strojové učení má v Googlu delší historii, kde inženýři vycvičili software, který lidem zobrazuje webové stránky relevantní pro jejich vyhledávací dotazy, vybírá reklamy související s obsahem, na který se dívá, zobrazuje reklamy, na které lidé kliknou, a vybírá videa k doporučení na YouTube. Je jednou z mnoha společností, které rozšířily investice do výzkumu strojového učení poté, co software, který přenáší data přes sítě simulovaných neuronů, přinesl průlomové výsledky v rozpoznávání řeči a obrazu.
Nyní Dean říká, že zanedlouho se druh technologie, kterou jeho tým vybuduje, dostane do mnoha dalších odvětví kromě výpočetní techniky. V sídle společnosti Google v Mountain View v Kalifornii se setkal s Tomem Simonitem z MIT Technology Review.
Jak výkonnější a snadno použitelné strojové učení změnilo způsob, jakým týmy v Googlu pracují na nových problémech a produktech?
Byla to velmi velká změna. V posledních pěti letech strojové učení dramaticky rozšířilo rozsah toho, co je možné pomocí počítačů, zejména v oblastech, jako je počítačové vidění a porozumění jazyku. To přirozeně vede ke skvělým novým produktům a funkcím, jako jsou například vyhledávací zařízení ve Fotkách Google [kde můžete své fotografie vyhledávat pomocí výrazů jako pes nebo pláž] nebo funkce Gmail Smart Reply. Ale také umožňuje inženýrům Google ambiciózněji přemýšlet o tom, jaké druhy problémů by mohli řešit. Analogicky, před pěti lety počítače neviděly příliš dobře. Nyní za určitých okolností vidí velmi dobře, a tak to přirozeně rozšiřuje množiny věcí, o kterých věříme, že lze dosáhnout.
Vedl jsi vývoj TensorFlow , software, který pohání výzkum strojového učení Google a také produkty, jako je nová funkce Gmailu, která skládá odpovědi na e-maily. Nyní jej společnost rozdává zdarma. Proč?
Mít společný způsob vyjadřování myšlenek strojového učení je opravdu užitečné. Po celém světě existuje velký potenciál pro strojové učení. Vidíme to na akademické půdě, v jiných společnostech, ve vládě.
Bude nakonec každé odvětví silně spoléhat na strojové učení?
Myslím, že existuje mnoho odvětví, která shromažďují spoustu dat a dosud nezvážili důsledky strojového učení, ale nakonec je využijí. Doprava se samořídícími vozidly bude velkým využitím strojového učení. Zdravotní péče má spoustu zajímavých problémů se strojovým učením – ambulantní výsledky, nebo když máte rentgenové snímky a chcete věci předvídat. Nemyslím si, že existuje jedno odvětví, které bude ovlivněno; Myslím, že toho bude hodně.
Stane se strojové učení základní složkou aplikace výpočetní techniky?
Ano, naprosto. Zápis do kurzů počítačového programového strojového učení letí přes střechu.
Očekává se, že lidé mají nějaké základní znalosti o strojovém učení a udělali několik projektů [a chtějí] strojové učení používat.