Uvnitř google přepsat ai: zabudování strojového učení do všeho

Makoto Koike je v Japonsku farmářem okurek. Koike je bývalý návrhář integrovaných systémů, který roky pracoval v japonském automobilovém průmyslu, ale v roce 2015 se vrátil domů, aby pomohl na okurkové farmě svých rodičů. Brzy si uvědomil, že ruční úloha třídění okurek podle barvy, tvaru, velikosti a atributů, jako je „trnitost“, byla často složitější a náročnější než jejich pěstování. Inspirován hlubokou inovací softwaru umělé inteligence (AI) společnosti Google AlphaGo se rozhodl tento úkol automatizovat.

Podniky začínají implementovat praktickou umělou inteligenci nejrůznějšími způsoby, ale lze říci, že nikdo neviděl řešení Koike pro třídění okurek AI. Koike nikdy předtím nepracoval s technikami umělé inteligence, ale pomocí otevřené knihovny TensorFlow s otevřeným zdrojovým kódem (ML) začal vkládat obrázky okurek. Díky algoritmům počítačového vidění pro rozpoznávání objektů a hlubokému učení, jak trénovat TensorFlow na nuancích různých okurek, si Koike uvědomil, že dokáže identifikovat a třídit zeleninu s vysokou úrovní přesnosti. Poté, s použitím nic než TensorFlow a levného počítače Raspberry Pi 3, postavil Koike automatizovaný třídicí stroj, který farma dodnes používá.

TensorFlow je jedním z mnoha otevřených zdrojových algoritmů a nástrojů, které revolucionizují to, co podniky a vývojáři mohou vyřešit pomocí AI. Společnost rozšířila své poslání „přinést výhody AI všem“ vydáním Google.ai na své konferenci Google I / O a spojit všechny své zdroje AI do jednotné platformy. Google také začleňuje tyto techniky a aplikační programovací rozhraní (API) do všeho, co dělá, peče ML do svých produktů a zásadně předefinuje, jak jeho software v tomto procesu funguje.

PCMag nedávno navštívil Googleplex a hovořil s vedoucími pracovníky z G Suite, Google Cloud Platform (GCP) a společnosti Machine Learning Advanced Solution Lab (ML ASL) o tom, jak se Google obnovuje s AI.

Umělá inteligence všude

Řekněme, že jeden z vašich zákazníků má problém. Agent z oddělení podpory společnosti vaší společnosti je v přímém chatu se zákazníkem prostřednictvím chatovací aplikace, která ukládá data na Google Cloud Platform. Aby jim pomohl vyřešit problém, musí uživatel poslat agentovi některá citlivá osobní data. Nyní řekněme, že zákazník je vaše babička. Zástupce zákaznického servisu požádá babičku o několik údajů, ale místo toho babička posílá více informací, než potřebuje, když do chatu nahraje obrázek své karty sociálního zabezpečení.

Místo toho, aby Google archivoval tyto osobní údaje (PII), obrázek se zobrazí s číslem sociálního zabezpečení a další PII se automaticky přesměrují. Agent nikdy nevidí žádné informace, které nepotřebují, a žádné z těchto dat nepochází do šifrovaného archivu Google. Během demonstrace technologie DLP API v sídle společnosti Google v Mountain View v Kalifornii společnost stáhla oponu, jak algoritmy ML analyzují text a obrázky, aby se tak stalo.

Rob Sadowski, vedoucí marketingu zabezpečení a důvěry pro Google Cloud, vysvětlil, že automatická redakce je podporována API DLP (Google Data Loss Prevention), která pracuje pod povrchem a klasifikuje citlivá data. Algoritmus provádí totéž s daty, jako jsou čísla kreditních karet, a může také analyzovat vzorce, aby zjistil, kdy je číslo falešné. Toto je pouze jeden z příkladů důvtipné strategie společnosti Google propojit umělé inteligence s jejími zkušenostmi a poskytnout podnikům a vývojářům, jako je Koike, zdroje, aby učinily totéž.

Google není zdaleka jediným technickým gigantem, který do svého softwaru vytváří spojivou inteligenční vrstvu, ale spolu s Amazon a Microsoft má Google pravděpodobně nejrozšířenější šíři dostupných cloudových zpravodajských nástrojů a služeb. V přehledech produktů společnosti najdete pomocníka Google a různá rozhraní API pro ML a počítačové vidění, která se používají téměř všude.

Vyhledávání Google používá ve svém AI systému RankBrain algoritmy ML ke zpracování a upřesňování dotazů, přeřazování a agregování dat na základě řady měnících se faktorů, aby se neustále zlepšovala kvalita výsledků vyhledávání. Fotky Google používají počítačové vidění k sešití souvisejících fotografií do vzpomínek a kombinování více snímků stejného místa do panoramat. Doručená pošta umožňuje uživatelům automaticky generovat inteligentní odpovědi, z nichž vybírat, a vyladí relevantní e-maily spojením podobných kategorií dohromady. Nová chatová aplikace společnosti Google Allo přichází se zabudovaným asistentem Google. Seznam pokračuje.

Všechny tyto aplikace běží na cloudové infrastruktuře Google a společnost dokonce používá ML ve svých datových centrech, aby snížila spotřebu energie úpravou chladicích čerpadel na základě údajů o zatížení a počasí. Sadowski uvedl, že to také slouží jako poslední vrstva obrany v bezpečnostní strategii společnosti Google, kde společnost používá strojní inteligenci a hodnocení rizik v rámci svého zásobníku zabezpečení k určení, zda je systém ohrožen pomocí prediktivní analýzy.

„Google bere všechny tyto modely ML a AI, které jsme vyvinuli, a vyladí je pro zabezpečení, “ vysvětlil Sadowski. „Zabezpečení se mění mnohem radikálněji než většina odvětví IT. Produkty, které byly jádrem vaší bezpečnostní infrastruktury před třemi nebo čtyřmi lety, jako jsou brány firewall a ochrana koncových bodů, jsou stále důležité, ale chceme poskytnout ochranu do hloubky, v měřítku a pomocí výchozí přes infrastrukturu s více nájmy s miliony aktivních uživatelů denně.

„Začíná to s hardwarem základního datového centra, “ pokračoval Sadowski. „Kromě toho jsou aplikační služby a autentizace s plně šifrovanými daty a komunikací. Kromě toho je identita uživatele. A poslední vrstvou obrany je to, jak pracujeme s 24/7 monitorováním, detekcí a reakcí na incidenty. řešit věci, jako je zabezpečený vzdálený přístup pomocí proxy s vědomím identity. Je to programové vyhledávání služby DLP, které zabraňuje únikům dat a pomáhá při správě dat a zabezpečení. Naším cílem je usnadnit, spotřebovat je a zajistit, aby fungovaly v měřítku."

Chytřejší G Suite

ML je také součástí aplikací produktivity Google Suite. Allan Livingston, ředitel produktového managementu pro G Suite, přerušil některé způsoby, jak AI dělá G Suite chytřejší a kontextovější, aniž by si to uživatelé uvědomili.

"Přemýšlejte o tom, jak G Suite spojuje všechny tyto aplikace přirozeně integrovaným způsobem, " řekl Livingston. „V jednom z nich začínáte pracovat a podle potřeby to protékáte. Přílohu Gmail otevřete na Disku a to vás přenese do Dokumentů; je to opravdu automatické.

„Snažíme se z toho pro uživatele vymyslet, a to také zahrnuje strojové učení. Začali jsme s inteligentními odpověďmi ve složce Doručená pošta a s Gmailem jsme měli dobrý úspěch, což vedlo k funkci Prozkoumat v Dokumentech, Tabulkách a Prezentace. “

Prozkoumáno, které bylo spuštěno minulý podzim, používá zpracování přirozeného jazyka (NLP) v oblasti produktivity v aplikaci. Prozkoumejte v aplikaci Dokumenty okamžité návrhy na základě obsahu v dokumentu a automaticky doporučuje související témata a zdroje. V prezentacích generuje návrhy návrhů, které se omezí na formátování prezentace. Nejzajímavější případ použití je však v Tabulkách. Livingston vysvětlil, jak Explore používá ML ke zjednodušení analýzy dat a business intelligence (BI).

„Mnoho uživatelů neví, co je něco jako kontingenční tabulka nebo jak ji použít k vizualizaci listu dat, “ vysvětlil Livingston. „Řekněme, že se zabýváte údaji o prodeji pro zákazníka, kde je každý řádek položkou, která byla prodána. Prozkoumejte vám umožňuje zadávat dotazy v přirozeném jazyce, například„ Co je hlavní položkou na Černý pátek? “ a vyplivne odpověď jako „Prodali jste 563 párů kalhot.“ Řešíme analýzu dat způsobem, který šetří čas při rozhodování založeném na datech, pomocí strojového učení se přirozeným způsobem zlepšuje běžný problém. ““

Ukázka funkce Prozkoumat v Tabulkách z konference Google Cloud NEXT letos v březnu.

Podle společnosti Livingston Google plánuje rozšířit tento druh cloudového vyhledávání založeného na ML na třetí strany a začít kolem něj budovat ekosystém. V praktické AI je zastřešující myšlenka běžným tématem: automatizace manuálních procesů, aby uživatelé mohli získat více kreativnější práce. Tato myšlenka je jádrem většiny aplikací ML aplikací: automatizovat opakovatelné obchodní procesy a každodenní úkoly, včetně třídění okurek.

"V obchodě a se spotřebiteli mají uživatelé tyto přirozené vzorce interakce. Posun k cloudu a mobilní produktivitě skutečně mění způsob práce lidí a tyto aplikované techniky strojového učení jsou pro něj zásadní, " řekl Livingston. "Kvůli naší síle ve strojovém učení, kvůli tomu, že naše výrobky slouží jako základna, protože všechna data v našem cloudu, jsme v jedinečné pozici, abychom to mohli aplikovat a nekonečně škálovat."

Napájení revoluce strojového učení

Základ všeho, co Google dělá kolem AI, má kořeny v API, algoritmech a nástrojích s otevřeným zdrojovým kódem. Knihovna společnosti TensorFlow je nejpoužívanějším nástrojem ML na GitHubu, který vytváří aplikace jako je třídič okurek Koike. Sada rozhraní API, na nichž je založen Google Cloud - algoritmy překlenující počítačové vidění, video inteligenci, řeč a NLP, predikční modelování a rozsáhlé ML pomocí modulu Google Cloud Machine Learning Engine - je technologie, která využívá každou funkci AI integrovanou do aplikací a služeb Google a nyní také platforma Google.ai.

Francisco Uribe, produktový manažer týmu Google Cloud AI / ML, pracuje v jádru motoru, který přepisuje, jak Google funguje. Uribe dohlíží na výše zmíněnou společnost ML ASL společnosti Google, laboratoř s působivým programem, ve kterém experti společnosti Google ML spolupracují přímo s podniky na implementaci řešení AI. Laboratoř spolupracuje s firmami pomocí API Google a cloudového ML Engine, aby školila a implementovala své vlastní modely do výroby.

Uribe pracuje v prostoru AI více než deset let. Založil BlackLocus, datově řízené spuštění, které vytvořilo automatizovaný cenový motor pro maloobchodníky, který získal Home Depot v roce 2012. Poté se připojil ke společnosti Google a pracoval čtyři roky v týmu reklam ve vyhledávání, který využíval ML, aby zlepšil dojem z reklamy. V roce 2016 se přestěhoval do výzkumné role provozující ML ASL a působil jako mentor v Launchpad Accelerator společnosti Google. Uribe řekl, že je neustále překvapen tím, jak firmy a vývojáři používají nástroje Google.

"Viděli jsme případy použití plošně - od zdravotní péče a financí po maloobchod a zemědělství, " řekl Uribe. „Snažíme se zákazníkům pomoci zlepšit schopnosti vnímání. Překlady řeči, analýza obrázků, videa API, přirozený jazyk: všechny jsou součástí demokratizujícího přístupu ke strojovým a algoritmům hlubokého učení, které konečně vstoupily do použitelnosti.“

ML ASL spolupracovala s HSBC Bank plc, jednou z největších organizací bankovních a finančních služeb na světě, na řešeních ML pro boj proti praní peněz a prediktivní úvěrové hodnocení. ML ASL také spolupracovala s United Services Automobile Association (USAA), skupinou společností poskytujících finanční služby Fortune 500, aby školila inženýry organizace o technikách ML používaných pro specifické pojistné scénáře. eBay použil nástroje společnosti Google ke školení svého digitálního asistenta ShopBot. Když ML ASL pracuje se společností, Uribe vysvětlil čtyři pilíře, které tento proces tvoří.

"Potřebujete silnou výpočetní nabídku, abyste se vypořádali s extrémními požadavky ML úloh a páteř distribuované optické optiky GCP přesouvá data z uzlu do uzlu velmi efektivně, " řekl Uribe. "Máme Cloud Machine Learning Engine, který pomáhá zákazníkům trénovat modely. Pomáháme zákazníkům vykonávat data s přístupem ke komunitě Kaggle s 800 000+ aktivních vědců v oblasti dat. Nakonec potřebujete talent, aby tam byli, takže na výzkumné straně věcí, " máme program Residential Brain, který školí inženýry v komplexních osnovách ML. Vidíme je jako stavební kameny, které pomáhají zákazníkům vytvářet inteligentní aplikace. ““

To vše přispívá do komunity s otevřeným zdrojovým kódem a do ekosystému třetích stran, který Google buduje kolem své technologie AI. Společnost dokonce oznámila začátkem tohoto roku soutěž v oblasti spouštění ML, která uděluje společnostem ML startupy investici až 500 000 dolarů. Uribe hovořil o některých inovativních aplikacích, které již viděl o technologii Google a kde by mohly ležet další možnosti.

"Řekněme, že jste analytická společnost v oblasti zákaznických služeb. Přemýšlejte o řečovém API, které přepisuje obsah hovorů, a poté analýzu sentimentu, která zlepší kvalitu vašich zákaznických služeb, " řekl Uribe. „Pomocí vizi API vytvořte fotografii značení ulice v cizí zemi a pak překladové API k překladu tohoto obsahu v reálném čase prostřednictvím zážitku z aplikace. Nejde jen o zvýšení efektivity, ale o vytvoření nového a jedinečného uživatelského prostředí."

Uribe vidí nástroje, jako je TensorFlow, jako skvělý aktivátor pro zavedení ML ve velkém měřítku na trhu. Nejen, že se tyto technologie staly jádrem toho, co je Google a jak technický gigant přistupuje k vývoji produktů, ale Uribe věří, že široce dostupná technologie ML pomůže optimalizovat podniky, otevřít nové toky příjmů a vynalézat novou třídu inteligentních aplikací.

„Myslete na to jako na novou průmyslovou revoluci, “ řekla Uribe. „Vidíme, že tyto nástroje umožňují řádově zvyšovat efektivitu a zkušenosti, které jste nikdy předtím neviděli. Je úžasné vidět, jak ho začínající začínají aplikovat. Podívejte se na farmáře okurek v Japonsku. Použil TensorFlow k vytvoření modelu pro klasifikaci a třídění okurek podle vzorů, velikostí, textur atd., a poté vytvořil specializovaný hardware k jeho provedení. Tuto úroveň demokratizace je neuvěřitelné vidět a povrch jsme sotva poškrábali. ““