Sesiapa yang telah mencuba Foto Google akan bersetuju bahawa storan foto dan pengurusan foto percuma dari Google adalah pintar. Ia dibungkus dalam pelbagai ciri pintar seperti carian maju, keupayaan untuk mengkategorikan gambar anda mengikut lokasi dan tarikh, secara automatik membuat album dan video berdasarkan persamaan, dan berjalan kaki ke lorong ingatan dengan menunjukkan gambar pada hari yang sama beberapa tahun yang lalu. Terdapat banyak perkara yang boleh dilakukan oleh Foto Google yang beberapa tahun lalu menjadi mustahil untuk mesin. Foto Google adalah salah satu daripada banyak perkhidmatan "pintar" dari Google yang menggunakan teknologi pembelajaran mesin yang dipanggil TensorFlow. Perkataan pembelajaran menunjukkan bahawa teknologi akan lebih pintar dari masa ke titik sehingga pengetahuan semasa kita tidak dapat dibayangkan. Tetapi apa itu TensorFlow? Bagaimanakah mesin boleh belajar? Apa yang boleh anda lakukan dengannya? Mari kita ketahui.
Apakah TensorFlow?
TensorFlow adalah perisian sumber terbuka Google dan perisian kecerdasan buatan yang kuat, yang memberikan banyak perkhidmatan dan inisiatif dari Google. Ia merupakan generasi kedua sistem untuk pelaksanaan pembelajaran mesin berskala besar, yang dibina oleh pasukan Google Brain. Algoritma perpustakaan ini berjaya DistBelief - generasi pertama.
Teknologi ini mewakili pengiraan sebagai graf aliran data yang dikehendaki. Apa yang membuat TensorFlow unik adalah keupayaannya untuk membuat model perhitungan pada rangkaian perkakasan yang luas, dari peranti mudah alih peringkat pengguna ke pelayan multi GPU bertaraf dunia. Ia boleh berjalan pada GPU dan CPU yang berbeza dan menjanjikan skalabilitas pembelajaran mesin di antara pelbagai peranti dan alat tanpa perlu menukar sejumlah besar kod.
TensorFlow berasal daripada keperluan Google untuk mengarahkan sistem komputer untuk meniru bagaimana otak manusia berfungsi dalam pembelajaran dan pemikiran. Sistem yang dikenali sebagai rangkaian saraf harus dapat dilakukan pada array data multidimensi yang disebut sebagai "tensor." Matlamat akhir adalah untuk melatih rangkaian saraf untuk mengesan dan menguraikan corak dan korelasi.
Pada bulan November 2015, Google menjadikan teknologi ini sumber terbuka dan membenarkan ia diterima pakai ke dalam pelbagai jenis produk dan penyelidikan. Sesiapa sahaja, termasuk para penyelidik, jurutera, dan penggemar, boleh membantu mempercepat pertumbuhan pembelajaran mesin dan membawanya ke tahap yang lebih tinggi dalam masa yang kurang.
Langkah ini ternyata menjadi yang tepat kerana terdapat begitu banyak sumbangan dari pemaju bebas kepada TensorFlow sehingga mereka jauh melebihi sumbangan Google. Wikipedia menyebut bahawa "ada 1500 repositori di GitHub yang menyebut TensorFlow, yang mana 5 dari Google." Itu dikatakan, salah satu perbincangan di Quora mengesyaki bahawa kod sumber terbuka yang dikeluarkan adalah versi "dibersihkan" dari salah satu yang digunakan Google dalam perkhidmatannya.
Bagaimana Kerja TenserFlow?
Menggunakan bahasa manusia biasa yang mudah dan penyederhanaan yang berat, kita mungkin melihat satu sisi TensorFlow sebagai teknologi menyaring autonomi maju. Di tengah-tengahnya, teknologi itu adalah perpustakaan perisian yang besar dalam pembelajaran mesin. Ia menggunakan pangkalan data untuk membantu "membuat keputusan".
Sebagai contoh, seseorang memuat naik foto ke Foto Google. Teknologi ini akan membandingkan semua butiran dari gambar itu ke pangkalan datanya dan memutuskan sama ada ia adalah gambar binatang atau manusia. Kemudian jika ia adalah manusia, ia akan cuba menentukan jantina, umur hingga ke arah siapa orang itu. Proses yang sama diulang untuk objek lain dalam foto.
Ia juga menggunakan data pengguna seperti identiti orang dalam gambar dan lokasi di mana gambar diambil, untuk meningkatkan pustaka supaya ia dapat memberikan hasil yang lebih baik pada masa akan datang - baik untuk individu yang memuat naik foto dan untuk semua orang lain. Oleh itu istilah "belajar". Tetapi ia tidak berhenti sekadar mengetahui dan mempelajari data dari foto. Terdapat begitu banyak teknologi yang boleh dilakukan dengan maklumat dari foto. Sebagai contoh, ia boleh mengumpulkan gambar dengan butiran yang sama seperti orang yang sama, lokasi yang sama, tarikh yang sama; lihat corak wajah untuk menentukan keluarga dan rakan mana yang berada dalam foto milik, dan gunakan maklumat untuk membuat video percutian keluarga atau animasi dari tangkapan berterusan.
Itu hampir tidak mencetuskan permukaan bagaimana kerja TensorFlow, tetapi saya harap ia dapat memberi anda gambaran umum tentang teknologi. Selain itu, dengan menggunakan satu contoh tidak boleh melakukan keadilan untuk apa yang mampu.
Dan untuk semua penggemar Buatan Artificial di luar sana, perlu dikatakan bahawa Google telah mencipta teknologi cip komputer yang dioptimumkan untuk pembelajaran mesin dan mengintegrasikan TensorFlow ke dalamnya. Ia dipanggil Cip Pemroses Unit Tensor (TPU) ASIC .
Mereka yang ingin mengetahui lebih lanjut tentang TensorFlow boleh melawat halaman tutorialnya.
Permohonan TensorFlow
Kami berada di peringkat awal teknologi pembelajaran mesin, jadi tiada siapa yang tahu di mana ia akan membawa kami. Tetapi terdapat beberapa aplikasi awal yang mungkin memberi kita mengintip pada masa depan. Memandangkan ia berasal dari Google, jelas bahawa Google menggunakan teknologi ini untuk banyak perkhidmatannya.
Lebih lanjut mengenai Analisis Imej
Kami telah membincangkan contoh menggunakan teknologi untuk analisis imej dalam Google Foto. Tetapi aplikasi analisis imej juga digunakan dalam ciri Paparan Jalan Google Maps. Sebagai contoh, TensorFlow digunakan untuk menyambungkan imej dengan koordinat peta dan secara automatik mengaburkan nombor plat lesen mana-mana kereta yang tidak disengajakan secara tidak sengaja dalam imej.
Pengenalan suara
Google juga menggunakan TensorFlow untuk perisian pengiktirafan ucapan pembantu suaranya. Teknologi yang membolehkan pengguna untuk memberi arahan bukanlah yang baru, tetapi termasuk perpustakaan TensorFlow yang pernah berkembang ke dalam campuran mungkin membawa ciri sehingga beberapa notch naik. Pada masa ini, teknologi pengecaman pertuturan mengiktiraf lebih daripada 80 bahasa dan variasi.
Terjemahan Dinamik
Satu lagi contoh bahagian "pembelajaran" teknologi pembelajaran mesin ialah ciri terjemahan Google. Google membenarkan penggunanya menambah kosa kata baru dan membetulkan kesilapan dalam Terjemahan Google. Data yang semakin meningkat boleh digunakan untuk mengesan bahasa input secara automatik yang ingin diterjemahkan oleh pengguna lain. Sekiranya mesin membuat kesilapan dalam proses pengesanan bahasa, pengguna boleh membetulkannya. Dan mesin akan belajar dari kesilapan-kesilapan itu untuk meningkatkan prestasi masa depannya. Dan kitaran berterusan.
Alpha Go
Salah satu contoh penggunaan TensorFlow ialah Alpha Go. Ia adalah aplikasi yang diprogramkan untuk bermain Go . Bagi mereka yang tidak dikenali dengan Go, ia adalah permainan papan abstrak untuk dua pemain yang berasal dari China lebih daripada lima ribu lima ratus tahun lalu, dan ia adalah permainan papan tertua yang masih terus dimainkan hari ini. Walaupun peraturannya adalah mudah - mengelilingi wilayah lebih banyak daripada lawan, permainan ini sangat kompleks dan, menurut Wikipedia: "mempunyai lebih banyak kemungkinan daripada jumlah atom dalam alam semesta yang kelihatan."
Jadi, sangat menarik apa teknologi mesin pembelajaran boleh dilakukan dengan kemungkinan yang tidak terhingga. Dalam perlawanannya menentang Lee Sedol - juara dunia 18 kali, Alpha Go memenangi 4 daripada 5 perlawanan dan diberi pangkat tertinggi Grandmaster Go tertinggi.
Projek Magenta
Satu lagi aplikasi menarik TensorFlow ialah Projek Magenta. Ia merupakan projek yang bercita-cita tinggi untuk menghasilkan seni yang dihasilkan oleh mesin . Salah satu daripada hasil eksperimen ketara awal adalah melodi piano 90 saat. Dalam jangka panjang, Google berharap dapat menjana lebih banyak seni yang dihasilkan oleh mesin melalui projek Magenta dan membina komuniti artis di sekitarnya.
Pada bulan Februari 2016, Google juga mengadakan pameran seni dan lelongan di San Fransisco yang mempamerkan 29 komputer yang dihasilkan - dengan sedikit bantuan dari karya seni manusia. Enam karya terbesar telah dijual sebanyak $ 8, 000. Komputer mungkin masih mempunyai cara yang sangat panjang untuk pergi sebelum ia dapat meniru artis sebenar, tetapi jumlah wang yang bersedia untuk membayar untuk seni menunjukkan sejauh mana teknologi telah hilang.
Sokongan untuk iOS
Walaupun kami telah melihat keupayaan TenserFlow di Android, dengan versi terkini, TensorFlow akhirnya menambah sokongan untuk peranti iOS. Memandangkan terdapat banyak aplikasi mudah alih yang tersedia secara eksklusif untuk iOS, atau dikeluarkan pertama pada iOS, ini bermakna kita boleh mengharapkan lebih banyak aplikasi mudah alih yang mengamalkan pembelajaran mesin dalam masa terdekat. Perkara yang sama boleh dikatakan untuk kemungkinan penggunaan dan aplikasi TensorFlow yang lebih luas.
Masa Depan TensorFlow
Apa yang boleh dilakukan dengan mesin yang mampu belajar dan membuat keputusan sendiri? Sebagai orang yang menangani lebih daripada satu bahasa sebagai sebahagian daripada kehidupan seharian, perkara pertama yang muncul dalam fikiran saya adalah terjemahan bahasa. Tidak dalam kata dengan level kata, tetapi lebih banyak lagi pada teks yang lebih panjang seperti dokumen atau bahkan buku. Teknologi penterjemahan hari ini terhad kepada kosa kata. Anda boleh dengan mudah mengetahui apa yang sedang "tidur" dalam bahasa Cina dan sebaliknya, tetapi cuba membuang satu bab Musashi Eiji Yoshikawa dalam bahasa Jepun asalnya dan menterjemahkan bab ke dalam bahasa Inggeris. Anda akan melihat apa yang saya dapat.
Ia juga menyeronokkan untuk melihat masa depan Artificial Intelligence boleh dilakukan dengan muzik. Walaupun ia masih sangat asas, aplikasikan Muzik Memo Apple sudah dapat memberikan bass dan dram automatik ke nyanyian anda yang direkodkan. Saya masih ingat satu episod pameran SciFi TV di mana watak dalam persembahan mencipta mesin yang menganalisis semua lagu teratas dalam carta dan dapat menulis lagu-lagu hitnya sendiri. Adakah kita akan tiba di sana?
Dan sebagai pemikiran penutup, saya ingin menyebut Sunspring . Ia adalah filem fiksyen sains pendek yang ditulis sepenuhnya oleh penulis skrip AI yang menyebut dirinya Benjamin - yang juga terdiri daripada lagu-lagu muzik pop-lagu. Filem ini disusun oleh pengarah Oscar Sharp untuk acara Challenge Sci-Fi London selama 48 jam.
Sekarang saya tidak boleh berhenti memikirkan Terminator. Selamat datang ke masa depan.
Kredit Imej: Wikipedia, TechInsider, The Verge, Wall Street Journal
