בתוך ה- ai של גוגל לכתוב מחדש: בניית למידת מכונות לכל דבר

מקוטו קוייק הוא חקלאי מלפפונים ביפן. Koike הוא מעצב מערכות משובץ לשעבר, שבילה שנים בעבודה בענף הרכב היפני, אך בשנת 2015 הוא חזר לביתו כדי לעזור בחוות המלפפונים של הוריו. עד מהרה הוא הבין שהמשימה הידנית של מיון מלפפונים לפי צבע, צורה, גודל ותכונות כמו "קוץ" הייתה לעיתים קשה יותר ומפרכת מאשר לגדל אותם. בהשראת החדשנות הלמידה העמוקה של תוכנת הבינה המלאכותית (AI) של גוגל, AlphaGo, הוא פנה לאוטומציה של המשימה.

עסקים מתחילים ליישם AI מעשי בכל מיני דרכים, אך בטוח לומר שאיש לא ראה את הפיתרון למיון מלפפונים AI של Koike מגיע. Koike מעולם לא עבד עם טכניקות AI לפני כן, אך בעזרת ספריית ה- TensorFlow למידה אוטומטית של קוד פתוח, הוא החל להכניס תמונות של מלפפונים. בזכות אלגוריתמי ראייה ממוחשבים לזיהוי אובייקטים ולמידה עמוקה להדרכת TensorFlow על הדקויות של מלפפונים שונים, קואייק הבין שהוא יכול לזהות ולמיין את הירקות ברמת דיוק גבוהה. ואז, על ידי שימוש בשום דבר מלבד TensorFlow ומחשב Raspberry Pi 3 זול, קויקה בנתה מכונת מיון אוטומטית שהחווה משתמשת בה גם כיום.

TensorFlow הוא אחד האלגוריתמים והכלים המקוריים הפתוחים בקוד הפתוח המהפכים את מה שעסקים ומפתחים יכולים לפתור באמצעות AI. החברה הרחיבה את משימתה "להביא את היתרונות של AI לכולם" עם שחרורו של Google.ai בכנס I / O של גוגל, תוך איגוד כל משאבי ה- AI לפלטפורמה אחידה. גוגל משלבת גם את הטכניקות ואת ממשקי תכנות היישומים הללו (APIs) בכל מה שהיא עושה, אופה ML במוצריה ומגדירה באופן בסיסי את האופן שבו התוכנה שלה עובדת בתהליך.

PCMag ביקר לאחרונה ב- Googleplex ודיבר עם מנהלים מ- G Suite, Google Cloud Platform (GCP) ומעבדת הפתרונות Advanced Machine Solution Lab (ML ASL) על האופן בו גוגל בונה את עצמה מחדש עם AI.

בינה מלאכותית בכל מקום

נניח שאחד הלקוחות שלך נתקל בבעיה. סוכן ממחלקת שירות העזרה של החברה שלך נמצא בצ'אט חי עם הלקוח באמצעות אפליקציית צ'אט המאחסן נתונים בפלטפורמת הענן של גוגל. כדי לעזור להם לפתור את הבעיה, המשתמש צריך לשלוח לסוכן נתונים אישיים רגישים. עכשיו נניח שהלקוח הוא סבתא שלך. נציגת שירות הלקוחות מבקשת מסבתא כמה פיסות נתונים, אולם במקום זאת, סבתא שולחת דרך מידע רב יותר ממה שהיא צריכה כאשר היא מעלה תמונה של כרטיס הביטוח הלאומי שלה לצ'אט.

במקום ש- Google תארגן את המידע המאפשר זיהוי אישי (PII), התמונה מופיעה עם מספר תעודת הזהות ושירותי העניינים האחרים שנערכו מחדש באופן אוטומטי. הסוכן אף פעם לא רואה שום מידע שהוא לא צריך ואף אחד מאותם נתונים לא נכנס לארכיון המוצפן של גוגל. במהלך הדגמה של טכנולוגיית ה- DLP API במטה גוגל ב Mountain View, קליפורניה, החברה משכה את הווילון כיצד אלגוריתמים של ML מנתחים טקסט ותמונות כדי לגרום לזה לקרות.

רוב סדובסקי, מנהל אמון ומוביל שיווק באבטחה של גוגל ענן, הסביר כי ההפעלה האוטומטית מופעלת על ידי ממשק ה- API של מניעת אובדן נתונים של גוגל (DLP) העובד מתחת לפני השטח לסווג נתונים רגישים. האלגוריתם עושה את אותו הדבר עם נתונים כמו מספרי כרטיסי אשראי, ויכול גם לנתח דפוסים כדי לזהות מתי מספר מזויף. זו רק דוגמא אחת לאסטרטגיה העדינה של גוגל לשלב את AI בחוויותיה, ולתת לעסקים ומפתחים כמו Koike את המשאבים לעשות זאת.

גוגל רחוקה מענקית הטק היחידה שבונה בתוכנה שלה שכבת מודיעין חיבורית, אך יחד עם אמזון ומיקרוסופט, גוגל יש ללא ספק את הרוחב הרחב ביותר של כלים ושירותי מודיעין מבוססי ענן שקיימים. על פי פירוט מוצרי החברה, תוכלו למצוא את Google Assistant וממשקי API שונים של ML ו- Vision לשימוש כמעט בכל מקום.

חיפוש גוגל משתמש באלגוריתמים של ML במערכת ה- AI של RankBrain כדי לעבד ולשכלל שאילתות, לדרג מחדש ולצבור נתונים על בסיס שלל גורמים משתנים כדי לשפר ללא הרף את איכות תוצאות החיפוש. תמונות Google משתמשות בראייה ממוחשבת כדי לתפור תמונות קשורות לזכרונות ולשלב מספר תמונות של אותו מיקום לפנורמות. תיבת הדואר הנכנס נותנת למשתמשים תשובות חכמות שנוצרו באופן אוטומטי לבחירה, ומשטחה דוא"ל רלוונטי על ידי איגום קטגוריות דומות יחד. אפליקציית הצ'אט החדשה של גוגל אלו של החברה מגיעה עם מובנה של Google Assistant. הרשימה נמשכת.

כל היישומים הללו פועלים על גבי תשתית הענן של גוגל, והחברה אף מיישמת ML במרכזי הנתונים שלה כדי להפחית את צריכת החשמל על ידי התאמת משאבות קירור על סמך נתוני עומס ומזג אוויר. סדובסקי אמר כי הדבר משמש גם כשכבת ההגנה הסופית באסטרטגיית האבטחה של גוגל, שם החברה משתמשת במודיעין מכונות וביצוע סיכונים בסכימת האבטחה שלה כדי לקבוע אם מערכת נפגעת באמצעות ניתוח חזוי.

סאדובסקי הסביר כי "גוגל לוקחת את כל דגמי ה- ML וה- AI אותם פיתחנו ומכוונת אותם לביטחון". "האבטחה משתנה הרבה יותר קיצונית מרוב מגזרי ה- IT. מוצרים שהיו ליבת תשתית האבטחה שלך לפני שלוש או ארבע שנים כמו חומות אש והגנת נקודות קצה הם עדיין חשובים, אך אנו רוצים לספק הגנה לעומק, בקנה מידה ועל ידי ברירת מחדל על פני תשתית מרובת דיירים עם מיליוני משתמשים פעילים מדי יום.

"זה מתחיל עם חומרת מרכז הנתונים הבסיסית", המשיך סאדובסקי. "נוסף על כך שירותי יישום ואימות עם נתונים ותקשורת מוצפנים לחלוטין. נוסף על כך זהות המשתמש. ורובד ההגנה האחרון הוא כיצד אנו פועלים עם מעקב, איתור ותגובת אירועים 24/7. לפתור דברים כמו גישה מאובטחת באמצעות פרוקסי המזהה המודע לזהות. זה שירות ה- DLP התכנותי שמצא ומונע דליפות נתונים ועוזר עם ניהול נתונים כמו גם אבטחה. אנו שואפים להפוך את היכולות הללו לקלות, מתכלות, ולהביא אותם לעבוד בקנה מידה."

סוויטת G חכמה יותר

ML מוטמע גם בכל אפליקציות הפריון של G Suite של גוגל. אלן ליווינגסטון, מנהל ניהול מוצר עבור G Suite, שבר כמה מהדרכים בהן AI הופכת את G Suite לחכם והקשר יותר מבלי שהמשתמשים בכלל יבינו זאת.

"תחשוב איך G Suite מפגיש את כל היישומים האלה בצורה משולבת באופן טבעי", אמר ליווינגסטון. "אתה מתחיל את העבודה שלך באחת מהן וזורם כנדרש. אתה פותח קובץ מצורף של Gmail בכונן וזה לוקח אותך למסמכים. זה באמת אוטומטי.

"אנו מנסים להוציא מחשבה על כך למשתמש וזה כרוך בלימוד מכונה. התחלנו עם תשובות חכמות בתיבת הדואר הנכנס והצלחנו הצלחה טובה עם Gmail וזה הוביל לתכונה Explore ב- Docs, Sheets, ושקופיות."

סיימה הושלמה בסתיו שעבר, Explore מיישמת עיבוד שפה טבעית (NLP) על חווית הפרודוקטיביות בתוך האפליקציה. ב- Docs, Explore מעניק לך הצעות מיידיות על בסיס התוכן במסמך וממליץ אוטומטית על נושאים ומשאבים קשורים. בשקופיות הוא מייצר הצעות עיצוב לקצץ בעיצוב המצגת. מקרה השימוש המעניין ביותר, לעומת זאת, נמצא ב- Sheets. ליווינגסטון הסביר כיצד Explore משתמש ב- ML כדי לפשט את תובנות ניתוח הנתונים והבינה העסקית (BI).

"הרבה משתמשים לא יודעים מה זה טבלת ציר או איך להשתמש בו כדי להמחיש גיליון נתונים", הסביר ליווינגסטון. "נניח שאתה מתמודד עם נתוני מכירות עבור לקוח, שכל שורה היא פריט שנמכר. סייר מאפשר לך להקליד שאילתות בשפה טבעית כמו 'מה הפריט העליון ב- Black Friday?' ויורקת תגובה כמו 'מכרת 563 זוגות מכנסיים.' אנו מטפלים בניתוח נתונים באופן שחוסך זמן בקבלת החלטות מונחות נתונים, תוך שימוש בלמידה של מכונה כדי לשפר בעיה נפוצה בדרך טבעית."

הדגמה של התכונה Explore ב- Sheets, מהוועידה של Google Cloud NEXT במרץ האחרון.

על פי ליווינגסטון, גוגל מתכננת להרחיב סוג זה של חיפוש ענן מונע על ידי ML ​​לצדדים שלישיים ולהתחיל לבנות סביבה מערכת אקולוגית. הרעיון הכללי הוא נושא נפוץ ב- AI מעשי: אוטומציה של תהליכים ידניים כדי לשחרר משתמשים לעבודה יצירתית יותר. רעיון זה הוא ליבם של מרבית האפליקציות של אפליקציות ML: לאוטומציה של תהליכים עסקיים שניתנים לחזרה ומשימות יומיומיות, כולל מיון מלפפונים.

ליווינגסטון אמר כי "בעסקים ועם צרכנים, למשתמשים יש דפוסי אינטראקציה טבעיים אלה. המעבר לענן ולפרודוקטיביות סלולרית ממש משנים את אופן העבודה של אנשים, וטכניקות למידת מכונות יישומיות הן בסיסיות לכך." "בגלל הכוח שלנו בלימוד מכונות, בגלל שהמוצרים שלנו משמשים בסיס, בגלל כל הנתונים בענן שלנו, אנו נמצאים בעמדה ייחודית ליישם זאת ולסדר אותם עד אין קץ."

הפיכת מהפכה ללימוד מכונות

הבסיס לכל מה שגוגל עושה סביב AI נעוצה בממשקי ה- API, האלגוריתמים והכלי הקוד הפתוח שלה. ספריית TensorFlow של החברה היא כלי ה- ML הנפוץ ביותר ב- GitHub, אפליקציות ההשרצה כמו סדרן המלפפונים של Koike. חבילת ה- API העומדת בבסיס Google Cloud - אלגוריתמים המתפרשים על ראיית מחשב, אינטליגנציית וידאו, דיבור ו- NLP, דוגמנות חיזוי ו- ML בקנה מידה גדול באמצעות מנוע הלמידה של Google Cloud Machine - היא הטכנולוגיה המפעילה כל תכונה AI המשולבת באפליקציות והשירותים של גוגל ו עכשיו גם פלטפורמת Google.ai.

פרנסיסקו אוריבה, מנהל מוצר בצוות AI / ML של גוגל קלאוד, עובד בלב המנוע שמכתב מחדש את אופן עבודתה של גוגל. Uribe מפקח על ML ASL הנ"ל של גוגל, מעבדה עם תכנית נרחבת בה מומחי Google ML עובדים ישירות עם ארגונים ליישום פתרונות AI. על ידי שימוש בממשקי ה- API של גוגל ובמנוע ה- Cloud ML, המעבדה עובדת עם עסקים כדי להכשיר ולפרוס דגמים משלהם לייצור.

אוריבה עבד במרחב ה- AI למעלה מעשור. הוא הקים את BlackLocus, סטארט-אפ מונע נתונים שבנה מנוע תמחור אוטומטי עבור קמעונאים, שנרכש על ידי הום דיפו בשנת 2012. לאחר מכן, הוא הצטרף לגוגל ועבד במשך ארבע שנים בצוות מודעות החיפוש שהגיש מועמדות ל- ML כדי לשפר את חווית המודעה.. בשנת 2016 עבר לתפקיד מחקרי המנהל את ה- ML ASL ומשמש כמנטור במאיץ ההשקה של גוגל. אוריבה אמר שהוא מופתע ללא הרף מהאופן שבו עסקים ומפתחים משתמשים בכלים של גוגל.

"ראינו שימוש במקרי שימוש בכל רחבי הסביבה - מבריאות ומימון וכלה בקמעונאות וחקלאות, " אמר אוריבה. "אנו מנסים לעזור ללקוחות לשפר את יכולות התפיסה. תרגום דיבור, ניתוח תמונה, ממשקי API של וידיאו, שפה טבעית: כולם חלק מהדמוקרטיזציה של הגישה לאלגוריתמי מכונה ולימוד עמוק, שנכנסו סוף סוף ליישום."

ML ASL עבדה עם HSBC Bank plc, אחד הארגונים הגדולים בתחום הבנקאות והשירותים הפיננסיים בעולם, על פתרונות ML להלבנת הון וניקוד אשראי חזוי. ML ASL עבדה גם עם איגוד הרכב השירותים המאוחד (USAA), קבוצת שירותים פיננסיים של חברות Fortune 500, כדי להכשיר את מהנדסי הארגון בטכניקות ML המיושמות בתרחישים ביטוחיים ספציפיים. eBay השתמשה בכלים של גוגל בכדי להכשיר את העוזרת הדיגיטלית של ShopBot. כאשר ה- ML ASL עובד עם חברה, אוריבה הסביר את ארבעת העמודים המרכיבים את התהליך.

"אתה זקוק להצעת מחשוב חזקה כדי להתמודד עם הדרישות הקיצוניות של עבודות ML. עמוד השדרה המופץ של סיבים אופטיים מבית GCP מעביר נתונים מהצומת לצומת ביעילות רבה", אמר אוריבה. "יש לנו את מנוע הענן של Machine Cloud שמסייע ללקוחות להכשיר מודלים. אנו עוזרים ללקוחות לבצע נתונים עם גישה לקהילה של Kaggle המונה 800, 000+ מדעני נתונים פעילים. סוף סוף אתה צריך את הכישרון להיות שם, כך שבצד המחקרי של הדברים, יש לנו את תוכנית תושבות המוח להכשרת מהנדסים בתכנית לימודים מורכבת של ML. אנו רואים אלה אבני הבניין כדי לעזור ללקוחות לבנות יישומים חכמים."

כל זה מזין לקהילה עם קוד פתוח ומערכת אקולוגית של צד שלישי שגוגל בונה סביב טכנולוגיית ה- AI שלה. החברה אף הודיעה על תחרות סטארט-אפ של ML בתחילת השנה, אשר מעניקה השקעות של עד 500, 000 דולר לסטארט-אפים ML. אוריבה דיבר על כמה מהיישומים החדשניים שכבר ראה על הטכנולוגיה של גוגל ואיפה אפשרויות אחרות עשויות להימצא.

"נניח שאתה חברה לניתוח שירות לקוחות. חשוב על ממשק API לדיבור כדי לתמלל את תוכן השיחות, ואז ניתוח סנטימנטים כדי לשפר את איכות שירות הלקוחות שלך, " אמר אוריי. "השתמש בממשק ה- API של החזון כדי לצלם תמונה של שלט רחוב במדינה זרה ולאחר מכן בממשק ה- API לתרגום כדי לתרגם את התוכן בזמן אמת באמצעות חווית אפליקציה. זה לא קשור רק להגברת היעילות, אלא ליצור חוויות משתמש חדשות וייחודיות."

אוריבה רואה בכלים כמו TensorFlow את המאפשר הגדול לאימוץ ML בקנה מידה גדול בשוק. לא רק שהטכנולוגיות הללו הפכו לליבה במה שהיא של גוגל ואיך ענקית הטכנולוגיה מתקרבת לפיתוח מוצרים, אלא Uribe מאמין שטכנולוגיית ML זמינה רחבה תסייע לייעל עסקים, לפתוח זרמי הכנסה חדשים ולהמציא סוג חדש של אפליקציות חכמות.

"חשוב על זה כמו מהפכה תעשייתית חדשה", אמר אוריבה. "אנו רואים שהכלים הללו מאפשרים הגדלת סדרי גודל ביעילות וחוויות שמעולם לא ראיתם. מדהים לראות כיצד סטארט-אפים מיישמים זאת. הביטו בחקלאי המלפפונים ביפן. הוא השתמש ב- TensorFlow כדי לבנות מודל לסיווג ומיון מלפפונים על בסיס תבניות, גודל, מרקמים וכו ', ואז בנה חומרה מיוחדת כדי לבצע אותה. רמת הדמוקרטיזציה הזו מדהימה לראות ובקושי גירדנו את פני השטח."